时间序列分析(●‘◡‘●)

R语言实现向量自回归和误差修正模型——附实战代码

向量自回归（VAR）模型和误差修正模型（ECM）是时间序列分析中常用的两种模型，它们用于研究多个变量之间的动态关系。
带我去滑雪·2023-10-11 04:02

利用动态时间规整（DTW）技术实现对机械寿命预测（基于NASA C-MAPSS数据的剩余使用寿命RUL预测，Python代码，DTW不属于深度学习，但预测效果更容易被解释）

DTW内容动态时间规整（DTW）是机器学习和时间序列分析的一部分。DTW是一种用于测量两个时间序列之间相似度的技术。它可以用于时间序列分类、聚类、匹配等机器学习任务中。DTW的主要思想是考虑
深度学习的奋斗者·2023-10-10 20:21

05对英国房屋价格建模并预测(时间序列分析)

时间序列分析研究的是按时间顺序收集的数据。相邻的观测数据通常相互依赖。因此，时间序列分析的技术需要处理这种相依性。首先，我们考虑如何在R中存储和处理时间序列。
Jachin111·2023-10-08 20:10

GEE15：获取不同遥感指数的时间序列及不同指数间的关系

GEE1.不同遥感指数间的时间序列分析2.不同指数之间的关系1.不同遥感指数间的时间序列分析  GPP数据在一定程度上和植被指数（如NDVI和EVI）有着显著的相关性，那么其相关性如何？
Amyniez·2023-10-06 04:14

ApacheCN 深度学习译文集 20201218 更新

集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9逻辑编程10启发式搜索技术11遗传算法和遗传编程12云上的人工智能13使用人工智能构建游戏14构建语音识别器15自然语言处理16聊天机器人17序列数据和时间序列分析
布客飞龙·2023-10-06 03:55

Python数据攻略-Pandas与金融数据分析

文章目录金融时间序列分析基础趋势（Trend）移动平均与其他金融指标指数移动平均（EMA）布林带（BollingerBands）
Mr数据杨·2023-10-05 13:58

长时序栅格数据缺失值插补

简介在时间序列分析中，「奇异谱分析」（「SSA」）是一种非参数谱估计方法。它结合了经典时间序列分析、多元统计、多元几何、动力系统和信号处理的元素。“奇异谱分析”这个名称涉及协方差矩阵的奇异值分
碧血洒长空·2023-10-04 20:48

时间序列预测 | 时间序列预测模型

时间序列分析和预测的概念在统计学和经济学领域中已
码农腾飞·2023-10-04 14:09

python时间序列缺失值_Python时间序列缺失值的处理方法（日期缺失填充）

前言因近期进行时间序列分析时遇到了数据预处理中的缺失值处理问题，其中日期缺失和填充在网上没有找到较好较全资料，耗费了我一晚上工作时间，所以下面我对这次时间序列缺失值处理学习做了以下小结以供之后同行们参考指正
weixin_39980903·2023-10-03 02:41

计算机毕设 基于时间序列的股票预测于分析

4.3scikit-learn计算相关性5金融数据的时序分析5.1数据概况5.2序列变化情况计算最后1简介Hi，大家好，这里是丹成学长，今天向大家介绍一个大数据项目大数据分析：基于时间序列的股票预测于分析2时间序列的由来提到时间序列分析技术
DanCheng-studio·2023-10-01 21:35

LiCSBAS计算的SBAS形变结果导出时序曲线图方法

LiCSBAS（Large-scaleInSARTime-SeriesAnalysisusingSBAS）是一种用于处理合成孔径雷达干涉测量（InSAR）数据的时间序列分析方法。
新月清光·2023-09-30 21:26

利用prophet实现时间序列数据结果预测及对预测数据进行年度趋势和月度值分解

第一部分：prophet的介绍选取一段chatgpt对该插件的解释，如下：Prophet（预言家）是由Facebook开发的开源时间序列分析工具，旨在提供一个简单而强大的框架，用于预测时间序列数据。
新月清光·2023-09-30 21:25

python时间序列小波分析_时间序列小波分析的操作步骤及实例分析

其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。
weixin_39817012·2023-09-30 19:22

chatgpt赋能python：Python实现小波分析：理论与实践

Python实现小波分析：理论与实践简介小波分析是一种非常强大的时间序列分析技术，它能够将信号分解成不同频率的子信号，并能够提取出信号的局部特征。
b45e1933f46·2023-09-30 19:19

竞赛 大数据分析：基于时间序列的股票预测于分析

1简介Hi，大家好，这里是丹成学长，今天向大家介绍一个大数据项目大数据分析：基于时间序列的股票预测于分析2时间序列的由来提到时间序列分析技术，就不得不说到其中的AR/MA/ARMA/ARIMA分析模型。
iuerfee·2023-09-29 05:50

竞赛选题 大数据分析：基于时间序列的股票预测于分析

1简介Hi，大家好，这里是丹成学长，今天向大家介绍一个大数据项目大数据分析：基于时间序列的股票预测于分析2时间序列的由来提到时间序列分析技术，就不得不说到其中的AR/MA/ARMA/ARIMA分析模型。
laafeer·2023-09-28 00:47

时间序列是一种特殊的顺序排列:利用样本卷积和交互进行预测

现有的深度学习技术使用通用序列（Sequence）模型(如循环神经网络、Transformer模型或时间卷积网络)进行时间序列分析，忽略了其一些独特的特性。
人工智能学术前沿（真)·2023-09-27 22:53

数据分享|R语言分析上海空气质量指数数据：kmean聚类、层次聚类、时间序列分析：arima模型、指数平滑法...

全文链接：http://tecdat.cn/?p=30131最近我们被客户要求撰写关于上海空气质量指数的研究报告。本文向大家介绍R语言对上海PM2.5等空气质量数据（查看文末了解数据免费获取方式）间的相关分析和预测分析，主要内容包括其使用实例，具有一定的参考价值，需要的朋友可以参考一下（点击文末“阅读原文”获取完整代码数据）。相关视频相关分析（correlationanalysis）是研究现象之间
拓端研究室TRL·2023-09-27 08:34

Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列

相关视频：时间序列分析：ARIMAGARCH模型分析股票价格数据时间序列分析模型ARIMA-ARCHGARCH模型分析股票价格数据相关视频：在Python和R语言中建立EWMA，ARIMA模型预测时间序列前言在量化金融中
拓端研究室·2023-09-26 15:12

时间序列分析波动性预测GARCH模型

GARCH（GeneralizedAutoregressiveConditionalHeteroskedasticity）模型是一种常用于预测金融时间序列波动性的统计模型。它是ARCH（AutoregressiveConditionalHeteroskedasticity）模型的扩展，通过引入对过去波动性的滞后项来捕捉波动性的自回归特性。其中，$y_t$表示时间序列数据，$\mu_t$是均值模型的
Aresiii·2023-09-26 15:41

金融时间序列分析：Python基于garch模型预测上证指数波动率、计算var和var穿透率、双尾检验

目录一、收益率波动效应的分析1.1收益率序列平稳性检验1.2建立AR(p)模型1.3Ljung-Box混成检验残差序列的相关性，判断是否有ARCH效应1.4建立ARCH模型二、GARCH模型与波动率预测2.1建立GARCH模型2.2波动率预测三、正态分布的假设下通过波动率计算VaR四、厚尾分布的假设下通过波动率计算VaR五、同在一坐标系中画出股票的损失率图形及VaR图形六、正态分布及厚尾分布下的V
celiaweiwei·2023-09-26 15:10

Arxiv网络科学论文摘要21篇(2019-08-08)

使用呼叫详细记录的时间序列分析检测突发灾难后的国内流离失所者;通过使用呼叫详细记录分析国内流离失所者的移动情况，估算对自然灾害的抵御能力;二分网络的模块性和投影;考虑活动的人流显示了城市系统隐藏的功能组织
ComplexLY·2023-09-23 21:07

【技术实现】如何通过seasonal_decompose库挖掘数据长期趋势，赋能业务决策？

除此之外，我们在工作中，常会选择时间维度，对数据进行分析，即时间序列分析。其范围涵盖多个方面：通过趋势
曾哥数据分析·2023-09-23 10:56

（十二）时间序列分析

此部分内容来自对《Python数据分析与数据化运营》4.6节异常检测的读书笔记。时间序列是用来研究数据随时间变化趋势而变化的一类算法，它是一种常用的预测性分析方法。它的基本出发点是事物的发展都具有连续性，都是按照它本身固有的规律进行的。在一定条件下，只有规律赖以发生的条件不产生质的变化，则事物在未来的基本发展趋势仍然会延续下去。时间序列的算法包括移动平均（MA）、指数平滑（ES）、差分自回归移动平
晓迦·2023-09-22 01:25

学习记录652@python时间序列分析之自相关ACF图绘制

原理importtushareaststs.set_token('你的token')df=ts.get_k_data('399300',index=True,start='2016-01-01',end='2016-12-31')df.head()本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2dateopenclosehighlowvolu
教练 我想学编程·2023-09-19 20:50

python时间序列分析2-平稳时间序列分析

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt数据预处理data=pd.read_csv('./data/catfish.csv',parse_dates=[0],squeeze=True,index_col=0)data.head(3)Date1986-01-0190341986-02-0195961986-03-01105
莫知我哀·2023-09-19 20:20

R：应用时间序列分析--基于R（2）第二章 时间序列的预处理

第二章时间序列的预处理2.1平稳序列的定义2.1.1特征统计量2.1.2平稳时间序列的定义严平稳宽平稳2.1.3平稳时间序列的统计特征2.1.4平稳时间序列的意义2.2平稳性检验***2.2.1时序图检验自相关图检验2.3纯随机性检验***2.3.1纯随机序列定义2.3.2纯随机序列的性质纯随机性方差齐性2.3.3纯随机性检验****运用假设检验的方式对序列的纯随机性进行检验假设条件检验统计量2.
HarryStudyPython_ing·2023-09-19 19:19

R：应用时间序列分析--基于R（1）第一章 时间序列分析简介

第一章时间序列分析简介1.1引言1.2时间序列的定义1.3时间序列的分析方法1.3.1描述性时序分析1.3.2统计时序分析频域分析方法（谱分析法）时域分析方法1.4R简介安装程序包赋值输入时间序列取子集缺失值插值线性插值样条插值绘制时序图绘制各种类型时序图绘制各种符号类型的时序图绘制各种连线类型的时序图绘制不同线宽的时序图绘制各种符号类型和颜色的时序图绘制添加文本时序图分别制定横坐标和纵坐标范围添
HarryStudyPython_ing·2023-09-19 19:48

统计软件与数据分析Lesson5---时间序列分析入门

统计软件与数据分析Lesson5---时间序列分析入门1.什么是时间序列数据？2.什么是伪回归？3.什么是白噪声？4.怎么判断一个序列是白噪声序列？5.时间序列数据做预测的前提假设是什么？
shlay·2023-09-19 19:48

时间序列分析——基于R | 第2章 时间序列的预处理习题代码

时间序列分析——基于R|第2章时间序列的预处理习题1.考虑序列{1,2,3,4,5,…,20}1.1判断该序列是否平稳x.Defaulting##tocontinuous.
Data新青年·2023-09-19 19:47

时间序列分析2--时间序列数据的处理和绘制时序图

目录序列变换子序列缺失值插值绘制时序图序列变换如进行对数变换：log_price<-log(price)子序列price2<-window(price,start=c(2015,2),end=c(2015,5))缺失值插值线性插值法和样条插值法(由zoo程序包调用)na.approx(a)#线性插值na.spline(a)#样条插值JanFebMarAprMayJun2015101826635NA
qqgg77·2023-09-19 19:15

时间序列的重采样和pandas的resample方法介绍

重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率，它可以更改数据的时间间隔，通过上采样增加粒度，或通过下采样减少粒度。
·2023-09-19 10:29

处理时间序列数据中缺失值的 4 种技术

时间序列模型使用完整的数据，因此需要在建模或实际时间序列分析之前估算缺失值。
_乐多_·2023-09-19 06:13

每位数据科学家应该了解的5种异常点（变化点）检测算法

作者：CSDN@_乐多_时间序列分析是数据科学家必须接触的主题之一。时间序列分析包括使用一系列数学工具的过程，用于研究时间序列数据，以了解发生了什么，何时以及为什么发生，以及未来可能发生的情况。
_乐多_·2023-09-19 06:12

时间序列分析:AR(p)，MA(q)

时间序列分析通过分析过去一段时间内随机变量的走势，预测未来随机变量走势，时间分析对数据是有要求的，首先需要时间序列本身是平稳的，在满足平稳性后还需检查是否为白噪音：白噪音数据在时间维度上没有关联性。
m2xgo·2023-09-19 00:23

16种常用的数据分析方法-时间序列分析

时间序列（timeseries）是系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。它是系统中某一变量受其它各种因素影响的总结果。研究时间序列主要目的可以进行预测，根据已有的时间序列数据预测未来的变化。时间序列预测关键：确定已有的时间序列的变化模式，并假定这种模式会延续到未来。时间序列的基本特点假设
陪学·2023-09-19 00:52

时间序列分析1--生成和导出时间序列数据

时间序列数据的生成直接录入1.行录入ts.(price,start=c(2015,1),frequency=12)#price为时间序列变量，start为起始读入时间frequncy指定每年读入的数据的频率，frequncy=4为季度数据、frequncy=52为星期数据2.列录入scan()1:101....6:77:#系统显示读入6个数据外部数据文件转换importdataset--brows
qqgg77·2023-09-19 00:49

使用Python进行时间序列分析的8种图

什么是时间序列分析？用于评估时间序列数据以确定相关统计和其他数据属性的技术被称为时间序列分析。任何具有周期性模式
python收藏家·2023-09-18 20:31

时间序列分析

趋势,平稳时间序列模型,非平稳时间序列模型,模型识别,模型估计,参数估计,模型诊断,预测,季节模型,时间序列回归模型,异方差时间序列模型,谱分析入门,谱估计,门限模型.
取火者·2023-09-18 09:51

解锁大数据宝藏：使用AI预测未来趋势的新方法

文章目录大数据的价值传统方法与AI的优势使用AI预测未来趋势的新方法1.时间序列分析2.自然语言处理（NLP）3.预测市场趋势应用前景与挑战应用前景挑战和限制结论欢迎来到AIGC人工智能专栏~解锁大数据宝藏
IT·陈寒·2023-09-16 12:19

数据分享|R语言分析上海空气质量指数数据：kmean聚类、层次聚类、时间序列分析：arima模型、指数平滑法...

全文链接：http://tecdat.cn/?p=30131最近我们被客户要求撰写关于上海空气质量指数的研究报告。本文向大家介绍R语言对上海PM2.5等空气质量数据（查看文末了解数据免费获取方式）间的相关分析和预测分析，主要内容包括其使用实例，具有一定的参考价值，需要的朋友可以参考一下（点击文末“阅读原文”获取完整代码数据）。相关视频相关分析（correlationanalysis）是研究现象之间
拓端研究室TRL·2023-09-16 04:50

基于Matlab的栅格水平的转折点提取

在进行栅格数据长时间序列分析的时候，常常涉及到转折点部分，前后的趋势发生了很大的变化，如何进行提取呢？本文采用分段线性回归模型来进行提取。
画长空_yin·2023-09-15 18:07

基于机器学习/深度学习的时间序列分析相关论文

RobustTimeSeriesAnalysisandApplications:AnIndustrialPerspective,inKDD2022.TimeSeriesinHealthcare:ChallengesandSolutions,inAAAI2022.[[Link]](https://www.vanderschaar-lab.com/time-series-in-healthcare/)
哥廷根数学学派·2023-09-12 17:25

付费咨询擅长领域

擅长现代信号处理（小波分析类，模态分解类），机器学习（信号处理类），深度学习（信号处理类），时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
哥廷根数学学派·2023-09-12 17:24

时间序列分析 - 基础知识与分析场景（Time series analysis）

在所有的可视化仪表板中，和时间相关的图表是最常见的。除了最基本的折线图外，我们还有很多方式来呈现和分析时间序列的数据。时间序列的模式（Timeseriespatterns）在开始探查分析前，我们需要先确定时间序列的模式。常见的模式有：趋势性（Trend)：数据随时间变化的呈整体上升或下降的趋势。季节性（Seasonal）：数据在每年的特定季度、月份、周、日的数据波动。周期性（Cyclic）数据存在
纪杨·2023-09-11 22:43

python——pandas的时间序列分析详解

目录一、时间序列1.1时间序列1.2创建时间序列1.3通过时间戳索引选取子集二、固定频率的时间序列2.1固定频率时间序列的创建2.2时间序列的频率和偏移量2.3时间序列的移动三、时间周期及计算3.1时间周期的创建3.2时期的频率转化四、重采样4.1重采样方法（resample）4.2降采样4.3升采样五、数据统计——滑动窗口5.1滑动窗口5.2滑动窗口法一、时间序列1.1时间序列时间序列是指多个时
WDLOVELONGLONG·2023-09-09 23:25

2023年全国大学生数学建模C题思路

问题1:回答：通过对附件1中6个蔬菜品类的商品信息进行整理，统计各品类的销售量，然后通过时间序列分析方法(如ARIMA、VAR等)来探究销售量之间的关联性。
抱抱宝·2023-09-08 14:34

数学建模黄河水沙监测数据分析

解题思路：这个问题涉及到黄河水文数据的分析和建模，可以采用统计和时间序列分析的方法来研究黄河水的含沙量与时间、水位、水流量的关系，以及水沙通量的变化规律。下面是一个大致的步骤
红狐狸的北北记·2023-09-07 20:15

数据分享|R语言分析上海空气质量指数数据：kmean聚类、层次聚类、时间序列分析：arima模型、指数平滑法...

全文链接：http://tecdat.cn/?p=30131最近我们被客户要求撰写关于上海空气质量指数的研究报告。本文向大家介绍R语言对上海PM2.5等空气质量数据（查看文末了解数据免费获取方式）间的相关分析和预测分析，主要内容包括其使用实例，具有一定的参考价值，需要的朋友可以参考一下（点击文末“阅读原文”获取完整代码数据）。相关视频相关分析（correlationanalysis）是研究现象之间
拓端研究室TRL·2023-09-07 05:19

时间序列分析

时间序列分析是利用已知数据使用合适的模型拟合时间序列同时估算相应模型的参数。时间序列分析的模型与方法体现了我们对于时间序列自然属性的理解。同时这些模型方法也能够用于对时间序列进行预测和模拟。
whimian·2023-09-05 15:24
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他