时间序列的建模预测

基于时间序列法的风电功率预测，易春燕，李俊芳，在运用时间序列法预测风速及风电功率的基础上，运用分层统计法对16台风电机组的风速功率数据进行统计分析，得出基于实测数据的风�

SPSS在时间序列预测中的应用，其中包括一些实例分析

这是一篇国内的硕士论文，用来预测时间序列的，属于比较基础的资料，适合初学者。

使用matlab进行时间序列分析,预测效果如文档所示,代码运行简单,修改方便。已做成工具箱,只需替换数据即可运行

基于神经网络的时间序列预测方法，林婉虹，周文龙，本文是一种基于神经网络时间序列来预测问题的一种优化算法，神经网络的并行处理强大的非线性映射能力，即它可以把许多非线性信号

为公交规划科学合理的进行,建立公交客运量时间序列预测模型.通过对公交客运量影响因素进行分析,选取市区人口数、从业人员数、在校学生数、工业生产总值、职工年平均工资、公交车辆数、运营线路数等7个指标自变量

LSTM技术是一种深度学习的算法，在时间序列预测中具有很好的效果。它通过多层神经元的网络结构来学习数据的时序规律，从而实现时间序列的预测。相比于传统的模型，LSTM可以更好地处理数据之间的依赖关系和长

提出一种混合粒子群优化算法,即在改进粒子群优化算法全局搜索模型参数的基础上,利用梯度下降法进一步确定径向基神经网络模型参数,以提高网络的收敛精度和网络性能.采用基于RBFNN的混合粒子群优化算法进行离

在Matlab环境中，随机森林算法成为时间序列预测的重要工具。我们为你提供了基于该算法的完整源码和相应数据，使你能够通过简单的操作实现单列数据的递归预测，构建自回归模型，从而完成准确的时间序列预测。我

提出了一种基于小波变换和长短期记忆网络（LSTM）的水质预测模型。首先利用小波变换对水质时间序列进行多尺度分解，提取不同频率的特征信息。然后，将分解后的子序列分别输入到LSTM网络中进行训练和预测。最