A scikit-learn compatible Python toolbox for learning with time series/panel data

【原创】R语言中使用多重聚合预测算法（MAPA）进行时间序列分析数据分析报告论文（代码数据）.docx

nFeatures_LIME 为具有多个特征的时间序列数据提供可解释的深度学习模型。

本文将模糊神经网络与时间序列结合起来,并引入时差法,建立了新的预测模型,并以电机运行时的振动电压峰峰值为依据，对电机的运行状态做了预测。检测结果表明：该预测模型的预测精度较高，误差小，是一种较为实用可行的方法。

小波神经网络的时间序列预测-短时交通流量预测(matlab实现)，包含源代码和测试数据

时间序列数据的处理_阿里巴巴.pdf

时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序列的方法构成数据分析的一个重要领域，即时间序列分析。代码

层次分析matlab代码奇点 一维（时间序列）信号的多重分形奇异性分析的数值方法 描述 代码源文件将使您能够重现关于多重分形奇异性分析的实验，该实验在估计采样数据奇异性谱的数值方法中进行了详细说明：下面引用了一项比较研究（引用此源代码或参考文献的doi：） 。 另请参见有关1D（时间序列）和2D（图像）信号的多重分形分析。 用法 设定 您需要创建自己的目录层次结构，如下所示： EXP -------- benchmark ------ A | |--- B | |--- C | |---- wtmm ----------- A | |--- B | |--- C | |---- lastwave ------- A | |--- B | |--- C | |---- wavelab -------- A | |--- B | |--- C | |--- wavelib | |--- test | |---- fraclab -------- A |--- B |--- C |--- fraclib |--- test 请注意，主目录的名称（上面示例中的EXP ）并不重要，而其他目录则重

数学建模之时间序列分析.pdf

本示例旨在提出将卷积神经网络（CNN）与递归神经网络（RNN）相结合的概念，以根据以前的月份预测水痘病例数。 CNN是用于特征提取的出色网络，而RNN已证明其具有预测序列间序列值的能力。 在每个时间步，CNN都会提取序列的主要特征，而RNN会学习预测下一时间步的下一个值。 如果您认为这对您有帮助，请对它做出评价。 谢谢你。