Forecasting 第5页

python keras LSTM 学习

本文源自https://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/

xirongxu_dlut·2020-08-22 15:22

7、Deep Learning for Solar Power Forecasting – An Approach Using Autoencoder and LSTM Neural Networks

深度学习太阳能预测-这些算法的组合显示了他们的预测强度与标准MLP和物理预测模型相比在预测21个太阳能发电厂的能源产量。•为a创建数值天气预报（NWP）某些时间范围和使用物理的某个位置天气预报模型。•基于此NWP，预测算法可预测未来发电用于某种再生能源发电机。在这项工作中，我们分析了物理预测模型，多层感知器，长短期记忆网络（LSTM），深度信任网络和自动编码器例如AutoEncoders，Deep

骑着蜗牛逛世界·2020-08-19 03:46

Python时间序列LSTM预测系列学习笔记（1）-单变量

本文是对：https://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python

佚名兄·2020-08-17 17:06

Time Series Forecasting

http://www.rdatamining.com/examples/time-series-forecastingTimeSeriesForecasting--CurrencyExchangeRateForecastingwithARIMAandSTLThisexampleshowstimeseriesforecastingofEuro-AUDexchangerateswiththewitht

jiabiao1602·2020-08-03 00:53

Dynamic Spatial-Temporal Graph Convolutional Neural Networks for Traffic Forecasting

问题类别回归、邻接矩阵、时空网问题描述交通流量预测问题。为了跟踪交通数据之间的空间依赖关系，提出了一种动态时空GCNN用于精确的交通预测。现有的GCNN方法：拉普拉斯矩阵（度矩阵和邻接矩阵的运算结果）固定，空间依赖关系会随着时间的推移而改变，使用固定的拉普拉斯矩阵无法捕捉这种变化。解决方法的核心思想动态GCNN（DGCNN）。1、张量分解操作：从流量样本中提取全局分量（由路网结构决定的全局分量）和

lijfrank·2020-08-02 15:16

Dynamic Spatial-Temporal Graph Convolutional Neural Networks for Traffic Forecasting总结

DynamicSpatial-TemporalGraphConvolutionalNeuralNetworksforTrafficForecasting总结作者：ZulongDiao,XinWang,DafangZhang,YingruLiu,KunXie,ShaoyaoHe,湖南大学计算机科学与电子工程学院来源：AAAI-2019源码：???(未找到)一、论文动机在ITS的Trafficfore

避暑客·2020-08-02 15:40

kaggle——销量预测的baseline（M5 Forecasting - Accuracy）

文章目录前言正文读取数据特征工程准备训练集和验证集建模预测tip后言前言在刚刚结束的kaggle比赛M5Forecasting-Accuracy中，因为是第一次参加，笔者也是花了大量的时间和精力在上面，

偶是等一下·2020-08-01 10:53

Hands on forecasting the time series with limited cycles

甩锅大招It'skindofatrickyproblemonforecastingthetimeserieswithoutacoupleofcompletecyclesbecausewecannotconfidentlyinferthetrendandseasonalityonlyusingafewdata.However,thissituationmighthappenquiteoftenesp

sawyer_2172·2020-07-31 17:46

Kaggle web traffic比赛整理

Kagglewebtraffic比赛：https://www.kaggle.com/c/web-traffic-time-series-forecasting/dataKagglewebtraffic比赛第一名代码地址

数据拾光者·2020-07-27 18:12

An overview of time series forecasting models

Anoverviewoftimeseriesforecastingmodels2019-10-0409:47:05Thisblogisfrom:https://towardsdatascience.com/an-overview-of-time-series-forecasting-models-a2fa7a358fcbWhatisthisarticleabout

a1424262219·2020-07-27 18:56

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_4_Persistence Model_Prepare data

PersistenceModel/持续性模型Agoodbaselinefortimeseriesforecastingisthepersistencemodel.时序预测的一个好基准是持续性模型Thisisaforecastingmodelwherethelastobservationispersistedforward.Becauseofitssimplicity,itisoftencalled

dreamscape9999·2020-07-15 22:06

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_12_Multi-Step LSTM Network_Complete Example

CompleteExample/完整的例子WecantieallofthesepiecestogetherandfitanLSTMnetworktothemulti-steptimeseriesforecastingproblem.我们可以将所有这些部分组合在一起，并将LSTM网络应用于多步时间序列预测问题。Thecompletecodelistingisprovidedbelow.下面提供了完整

dreamscape9999·2020-07-15 22:06

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_5_Persistence Model_Make Forecasts

MakeForecasts/进行预测Thenextstepistomakepersistenceforecasts.下一步是进行持续预测Wecanimplementthepersistenceforecasteasilyinafunctionnamedpersistence()thattakesthelastobservationandthenumberofforecaststepstopersi

dreamscape9999·2020-07-15 22:06

Quantitative Analysis --- S6 Modeling and Forecasting Trend

ModelingTrendModel1:TrendtisasimplelinearfunctionoftimeTrendt=β0+β1TIMEtModel2:TrendtisaquadraticfunctionoftimeTrendt=β0+β1TIMEt+β2TIME2Model3:TrendofConstantGrowthTrendt=β0eβ1TIMEtEstimatingTrendMode

baby_superman·2020-07-15 20:44

Python statsmodels库ARIMA时间序列预测

/usr/bin/envpython3#-*-coding:utf-8-*-"""https://www.howtoing.com/a-guide-to-time-series-forecasting-with-arima-in-python

Sebastien23·2020-07-15 18:52

【Energy Forecasting】能源预测的发展和展望

说明本文的内容来自TaoHong博士的EnergyForecasting:Past,PresentandFuture一文的翻译和整理。引入能源预测包含了电力行业中有关预测的广泛的内容，比如短期负荷预测、长期负荷预测、局部负荷预测、电价预测、需求响应预测还有可再生能源发电预测等。由于电力存储的限制和社会对于电力的需求造成了几个能源预测的有趣性质，比如复杂的季节性模式、24/7的电网数据收集、对准确度

JasonDing·2020-07-15 08:06

Time Series Forecasting with the Long Short-Term Memory Network in Python

http://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/byJasonBrownleeonApril7,2017inDeepLearning0000TheLongShort-TermMemoryrecurrentneuralnetworkhasthepromise

mmc2015·2020-07-14 15:04

【论文阅读】Deep Inferential Spatial-Temporal Network for Forecasting Air Pollution Concentrations

摘要：DeepInferentialSpatial-TemporalNetwork以解决空间和时间方面的非线性相关问题。使用inferentialpredictor、spatialpredictor和temporalpredictor进行了48小时天气预报，主要研究数据来源于北京地区35个站点和格网气象数据目前的主要问题：1、多因子问题multiplefactorscouldaffectairpo

weiwanshu·2020-07-10 06:19

kaggle预测

两个预测kaggle比赛一.https://www.kaggle.com/c/web-traffic-time-series-forecasting/overviewArthurSuilin•(1stinthisCompetition

weixin_33901926·2020-07-05 23:00

kaggle竞赛: 沃尔玛销量预测

竞赛地址:https://www.kaggle.com/c/walmart-recruiting-store-sales-forecasting第一名方案:https://www.kaggle.com/

爱知菜·2020-07-04 01:15

翻译-Forecasting Sunspot Time Series Using Deep Learning Methods

摘要为了预测太阳周期25，我们使用了太阳黑子数（SSN）的值，这些值已经从1749年到现在定期测量。在这项研究中，我们将SSN数据集（由1749年至2018年间的SSN组成）转换为时间序列，并借助深度学习（DL）算法进行了十年预测。我们的结果表明，DL算法等长期短期记忆（LSTM）和神经网络自回归（NNAR）等算法的性能优于ARIMA，Naive，SeasonalNaive，Mean和Drift等

kiki_1994·2020-07-02 06:52

预测的流程和方法（Forecasting: Principles and practice第三章）

theforecaster’stoolbox3.1atidyforecastingworkflow生成时间序列数据预测可分为以下几步：数据准备（整理）数据的准备方式还可以用于探索时间序列的不同特征；预处理数据集是使用交叉验证评估模型性能的重要步骤。绘制数据（可视化）定义模型（指定）在将模型拟合到数据之前，我们首先必须描述模型。有许多不同的时间序列模型可用于预测，为数据指定适当的模型对于产生适当的预

tomwang0322·2020-06-29 01:04

【CMU & AWS 2020】Forecasting Big Time Series: Theory and Practice（Part I）

报告题目：orecastingBigTimeSeries:TheoryandPractice报告时间：2020.04报告介绍：https://lovvge.github.io/Forecasting-Tutorial-WWW

datamonday·2020-06-28 22:01

python时序数据分析--以示例说明

https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python/英文不错的读者可以前去阅读原文。

weixin_30415801·2020-06-27 19:05

[译]Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN and Graph Attention Networks

写在前面：这篇文章，值得看的地方有两块，一个是GAT（图注意力网络的应用），第二个是（Cycle-GAN）的应用。本文是全文翻译。关于Cycle-GAN的论文见解和阅读SINO的阅读笔记不错，文章3.6部分链接贴出来了。文章目录Social-BiGAT摘要1引言2相关工作3Social-BiGAT3.1问题定义3.2整体模型3.3FeatureEncoder3.4AttentionNetwork3

Way_X·2020-06-25 22:22

论文笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》

这里写目录标题1.Abstract2.Introduction3.Preliminaries3.1交通网络3.2交通流预测4.ASTGCN4.1整体框架4.2Spatial-TemporalAttention4.3Spatial-TemporalConvolution4.3.1Graphconvolutioninspatialdimension4.3.2Convolutionintemporald

mintminty·2020-06-24 15:59

kaggle比赛 - 销量预测实战全记录

M5Forecasting-Accuracy总体思路TODOLIST（端午节完成，目前基础资料已齐备，不需要过多收集资料）:1.完成数据分析，分五个方面-我的数据分析baseline；2.完成数据工程pipeline

Elffer·2020-06-22 18:30

KaggleM5 Forecasting：传统预测方法与机器学习预测方法对比

本文使用的数据集来自kaggle：M5Forecasting—Accuracy。该数据集包含有California、Texas、Wisconsin三个州的产品类别、部门、仓储信息等。

deephub·2020-06-21 03:21

代码笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》

目录1.train.py1.1argparse模块1.2ConfigParser模块1.3初始化模型参数1.4transpose()2.data_preparation.py2.1数据归一化代码地址⭐，见万老师的个人主页《AttentionBasedSpatial-TemporalGraphConvolutionalNetworksforTrafficFlowForecasting》代码原始论文代

mintminty·2020-04-22 18:28

Forecasting at Scale论文------Prophet预测模型

预测是一项常见的数据科学任务，可帮助组织进行容量规划，目标设置和异常检测。尽管它很重要，但是要生成可靠的高质量预测仍面临着严峻的挑战，尤其是在存在各种时间序列且具有时间序列建模专业知识的分析师相对较少的情况下。为了解决这些挑战，描述了一种实用的“大规模”预测方法，该方法将可配置模型与环路分析员绩效分析相结合。论文中提出了一种模块化回归模型，该模型具有可解释的参数，可以由具有分析能力的分析师直观地调

Lavender-csdn·2020-04-11 17:34

Super forecasting预测报告

小组旅游预测报告分工角色人员职责分工舵手李阳寻找市场任务分配，市场需求整合鼓手朱晓亮激励团队激励小组士气，进展监督桨手李林森满足市场收集资料，活动记录桨手江超满足市场分析资料，报告制作桨手朱颖满足市场软件操作，报告制作条件表1出国旅游及参团意向调查结果表2潜在客户信息目标运用Scrum敏捷方式进行协作，利用Clementine通过对已有数据进行分析，得出顾客出国与参团意愿与年龄及收入的联系，进而预

Luccas·2020-03-28 11:32

fbprophet论文翻译：Forecasting at Scale

prophet论文翻译prophet论文翻译：ForecastingatScale1Introduction2FeaturesofBusinessTimeSeries3TheProphetForecastingModel3.1TheTrendModel3.1.1Nonlinear,SaturatingGrowth3.1.2LinearTrendwithChangepoints3.1.3Automa

淡然之枫·2020-03-23 14:18

Automatic algorithms for time series forecasting 2015-7-4

AutomaticalgorithmsfortimeseriesforecastingIwilldescribesomealgorithmsforautomaticallyforecastingunivariatetimeseriesthathavebeendevelopedoverthelast20years.Theroleofforecastingcompetitionsincomparing

hzyido·2020-03-02 05:05

SALES FORECASTING

https://www.baidu.com/s?ie=UTF-8&wd=%E7%91%9E%E5%85%8B%E4%B8%8E%E8%8E%AB%E8%92%82%E7%AC%AC%E4%B8%80%E5%AD%A3Wheredothenumberscomefrom?SaleshasashorttermperspectiveMarketinghasalongtermperspectiveForec

Novazyyy·2020-02-18 11:03

Forecasting spot electricity prices: Deep learning approaches and empirical comparison of traditi...

摘要：1.由于在预测电价方面，深度学习算法较少，本文提出四个深度模型预测电价。2.针对电价预测的基准少，比较并分析27种常用预测方法的准确性。3.基于结果，说明了深度学习方法更为准确，并且具有统计意义。4.使用相同的结果表明：（i）机器学习方法通常比统计模型具有更高的准确性；（ii）移动平均项不能提高预测准确性；（iii）混合模型的表现并不优于其简单模型。1.1电价预测电价预测文献通常分为五个领域

你爻·2020-02-17 20:47

PP: Shape and time distortion loss for training deep time series forecasting models

Problem:timeseriesforecastingChallenge:forecastingfornon-stationarysignalsandmultiplefuturestepsprediction??howtodealwithnon-stationarydatasets??Introductionone-steppredictionproblemVSmulti-steppredic

keeps_you_warm·2020-02-10 18:00

PP: DeepAR: probabilistic forecasting with autoregressive recurrent networks

FROMAmazonresearchGermanyPROBLEMprobabilisticforecasting:estimatetheprobabilitydistributionofatimeseriesinfuture.INTRODUCTIONaglobalmodel,whichlearnsfromhistoricaldataofalltimeseries.METHODanautoregre

keeps_you_warm·2020-02-03 18:00

面向初学者的指南：创建时间序列预测 (使用Python）

blog.csdn.net/orDream/article/details/100013682上面这一篇是对https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python

星涅爱别离·2020-02-01 16:00

PP: Multi-Horizon Time Series Forecasting with Temporal Attention Learning

Proposeanend-to-endframeworkformulti-horizontimeseriesforecasting,withtemporalattentionmechanismstocapturelatentpatterns.Introduction:forecasting

keeps_you_warm·2020-01-30 00:00

Super forecasting协作报告

项目协作：1.估算用户需求工作量（5分钟）这个过程重要由李阳（舵手）通过对课题文件的理解后分析出用户的需求，然后根据需求及已有资源评估工作量。主要是用Clementine软件对出国旅游及参团意向调查表进行分析，然后数据分析结果再预测表2的潜在的客户信息是否有出国意向。2、冲刺计划会（10分钟）本次会议由李阳（舵手）对项目要求进行了详细陈述和分工安排，朱晓亮（鼓手）制定了项目协作看板，根据工作量和任

Luccas·2019-12-21 11:36

时间序列笔记-简单指数平滑

课程参考教材Forecasting:PrinciplesandPractice课程中数据可在fpp2包得到简单指数平滑（Simpleexponentia

新云旧雨·2019-10-02 15:35

时间序列笔记-双指数模型

课程参考教材Forecasting:PrinciplesandPractice课程中数据可在fpp2包得到双指数模型的理论部分课程中没有做比较详细的解释

新云旧雨·2019-08-16 17:09

时间序列笔记-朴素预测法

课程参考教材Forecasting:PrinciplesandPractice课程中数据可在fpp2包得到朴素预测法（Naiveforecast）朴素预

新云旧雨·2019-08-06 11:42

2018 Forecasting exam

A1.Explainhowthemovingaveragemethodusesnobservationstosmoothtimeseriesdata.Whatwouldbethedifferenceinusingn=3comparedton=20?Themovingaveragemethodusesthelastnobservationsinordertopredict(observationt+

钟俊涛·2019-05-20 17:37

Forecasting: Principles and Practice读书笔记Chapter 3

1.一些简单的预测方法平均值预测法：所有预测值都等于历史数据的均值。朴素预测法：所有预测值都等于数据中最后一个观测值。季节朴素预测法：对于季节性数据，预测值等于同一季度的最后一个观测值。比如，假设数据是以月份为间隔，那么未来所有1月份的预测值都等于历史数据中最后一个1月份的值。趋势预测法：在y1y_1y1和yTy_TyT之间画一条直线，未来所有预测值都落在这条直线上，即：在某些场景下，这些预测方法

csdnqixiaoxin·2019-04-30 16:42

Prophet: forecasting at scale——Prophet：大规模预测

Facebook开源了一个预测工具，一个可用Python语言编写的预测工具。例如，像Facebook这样的大型组织必须进行容量规划，以便有效地分配稀缺资源和目标设置，以便度量相对于基准的性能。对机器或大多数分析师来说，做出高质量的预测都不是一个容易的问题。在编制各类业务预测时，我们发现两个主要的主题:完全自动化的预测技术可能很脆弱，而且它们往往过于死板，无法纳入有用的假设或启发能够做出高质量预测的

Please_Forgive·2019-04-19 12:37

时间序列--平滑+特征工程

https://machinelearningmastery.com/moving-average-smoothing-for-time-series-forecasting-python/平滑的希望是消除噪声

上进的菜鸟·2018-12-23 20:36

时间序列（单个时序+预测下一步）

UnivariateLSTMModels(只有一个时间序列)参考链接：https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting

上进的菜鸟·2018-12-20 19:28

Python时间序列LSTM预测系列学习笔记（9）-多变量

本文是对：https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/https://blog.csdn.net

佚名兄·2018-11-27 16:36

【译】如何建立时间序列预测的LSTM模型

https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting/挺不错的一篇博客，翻译记录一下长短期记忆网络

婶婶world_peace·2018-11-26 17:25

推荐频道

Forecasting

python keras LSTM 学习

7、Deep Learning for Solar Power Forecasting – An Approach Using Autoencoder and LSTM Neural Networks

Python时间序列LSTM预测系列学习笔记（1）-单变量

Time Series Forecasting

Dynamic Spatial-Temporal Graph Convolutional Neural Networks for Traffic Forecasting

Dynamic Spatial-Temporal Graph Convolutional Neural Networks for Traffic Forecasting总结

kaggle——销量预测的baseline（M5 Forecasting - Accuracy）

Hands on forecasting the time series with limited cycles

Kaggle web traffic比赛整理

An overview of time series forecasting models

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_4_Persistence Model_Prepare data

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_12_Multi-Step LSTM Network_Complete Example

愉快的学习就从翻译开始吧_Multi-step Time Series Forecasting_5_Persistence Model_Make Forecasts

Quantitative Analysis --- S6 Modeling and Forecasting Trend

Python statsmodels库ARIMA时间序列预测

【Energy Forecasting】能源预测的发展和展望

Time Series Forecasting with the Long Short-Term Memory Network in Python

【论文阅读】Deep Inferential Spatial-Temporal Network for Forecasting Air Pollution Concentrations

kaggle预测

kaggle竞赛: 沃尔玛销量预测

翻译-Forecasting Sunspot Time Series Using Deep Learning Methods

预测的流程和方法（Forecasting: Principles and practice第三章）

【CMU & AWS 2020】Forecasting Big Time Series: Theory and Practice（Part I）

python时序数据分析--以示例说明

[译]Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN and Graph Attention Networks

论文笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》

kaggle比赛 - 销量预测实战全记录

KaggleM5 Forecasting：传统预测方法与机器学习预测方法对比

代码笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》

Forecasting at Scale论文------Prophet预测模型

Super forecasting预测报告

fbprophet论文翻译：Forecasting at Scale

Automatic algorithms for time series forecasting 2015-7-4

SALES FORECASTING

Forecasting spot electricity prices: Deep learning approaches and empirical comparison of traditi...

PP: Shape and time distortion loss for training deep time series forecasting models

PP: DeepAR: probabilistic forecasting with autoregressive recurrent networks

面向初学者的指南：创建时间序列预测 (使用Python）

PP: Multi-Horizon Time Series Forecasting with Temporal Attention Learning

Super forecasting协作报告

时间序列笔记-简单指数平滑

时间序列笔记-双指数模型

时间序列笔记-朴素预测法

2018 Forecasting exam

Forecasting: Principles and Practice读书笔记Chapter 3

Prophet: forecasting at scale——Prophet：大规模预测

时间序列--平滑+特征工程

时间序列（单个时序+预测下一步）

Python时间序列LSTM预测系列学习笔记（9）-多变量

【译】如何建立时间序列预测的LSTM模型