搜索资源列表
lstm用于时间序列分析和预测
- 用于实现时间序列数据建模与预测的LSTM程序(LSTM matlab code for time series modeling and prediction)
时间序列分析数据
- 书本《时间序列分析 基于R》课后练习题数据
时间序列交易策略
- 可用于进行时间序列交易的通用型策略Matlab模板，适合新手学习量化
ARIMA_test.ipynb2
- ARIMA在单变量时间序列预测中的应用，以及时间序列预测中的数据平滑处理和自相关检测(The Application of ARIMA in Prediction of Univariate Time Series)
分岔图的总结
- 混沌动力学行为研究的程序说明，功率谱，最大李雅谱指数，三维、二维以及时间序列图(Program descr iption of chaotic dynamics behavior study, power spectrum, maximum lyapunov index, three - dimensional, two - dimensional and time series diagrams)
test
- 时间序列欧式距离度量；欧几里得距离；时间序列的欧氏距离相似度(Euclidean Distance Measurement of Time Series)
ICSS
- 时间序列模型icss算法找到方差结构突变点得到变点的位置和个数(The time series model icss algorithm finds the position and number of the change point of the variance structure mutation point.)
《混沌时间序列分析及其应用》吕金虎
- 里面涉及很多的混沌数据处理的算法，可以提供给大家使用(There are many chaotic data processing algorithms involved.)
LSTM时间序列预测
- 本代码采用python语言编写的的一个LSTM时间序列来预测销量(This code uses a LSTM time series written in Python language to predict sales)
time-series-forecasting-keras-master
- 基于ARIMA模型和LSTM模型，提出一种高性能得时间序列预测算法(Based on ARIMA model and LSTM model, a high performance time series prediction algorithm is proposed.)
LSTM程序
- 基于LSTM的时间序列预测-原理-python代码(Prediction of time series based on LSTM - principles -python code)
SG滤波_Matlab
- 一般用来做时间序列的平滑，比如MODIS的NDVI EVI等植被指数的平滑，消除 云 缺失值等噪声，提升数据质量，对于时间序列的研究是一种重要的处理方法。
Python时间序列分析源代码
- 资源‘Python时间序列分析源代码’，是学习时间序列分析的实战代码；系统解释核心程序版本是python3.7.4,管理环境是Anaconda3,这个Project是在IDE开发环境PyCharm2019.1.1(Professional Editon)中建立的，经debug后完全正常运行，运行结果包括时间序列分析预测的7种方法。
神经网络时间序列预测
- 利用python 构造人工神经网络 做时间序列预测分析(Time series prediction based on artificial neural network)
python实现分段线性表示
- 按照自顶向下和自底向上分析时间序列趋势和转折点(Found the turning point from bottom to the top and from top to the bottom)
LSTM-单变量多步
- 用jupyter notebook 实现深度学习LSTM单变量多步的时间序列预测(Using jupyter notebook to realize multi-step time series prediction of deep learning LSTM)
timeseries_gan-master
- 用深度学习生成模型GAN实现时间序列预测，(Time series prediction is realized by using Gan model)
chapter9 codes&data
- 金融时间序列第九章的代码加数据，用的r语言(Analysis of Financial Time Series 3th)
时间序列的Eviews教程
- 如何用eviews完成对时间序列数据的平稳性检验、建立模型、显著性检验等。
ARIMA预测
- ARIMA整合移动平均自回归模型，时间序列预测分析方法之一，可用于股价预测。(ARIMA integrates moving average autoregressive model and time series forecasting analysis method, which can be used for stock price forecasting.)