# 时序预测模型
12种时序预测模型
时序预测是一种重要的数据分析方法，可以预测一系列时间序列的未来趋势。目前应用比较广泛的12种时序预测模型，包括ARIMA、SAR
时序预测算法
weka额外的jar包，可以对一定时间的历史数据进行预测
时序模型的挖掘模型内容
利用MS Analysis Server时序挖掘模型预测结果
时序模型建立的静态时序分析技术
时序模型建立是一种有效的静态时序分析技术 文章介绍了该技术的一种自底向上的综合策略的实现方 法 介绍了其设计思想和实现细节 重点
RBF时序预测原理及步骤
数据预处理：去趋势、平稳化、归一化
特征提取：时间延迟、滞后项、移动平均值
网络结构：
输入层：根据特征数量设计节点
隐含层：
论文研究灰色时序组合预测模型及其在年降水量预测中的应用.pdf
论文研究-灰色-时序组合预测模型及其在年降水量预测中的应用.pdf,
时序峰值预测的最小二乘支持向量回归模型
针对最小二乘支持向量回归模型中, 呈稀疏分布的时序峰值样本拟合预测误差偏大的问题, 基于加权最小 二乘思想, 提出一种新的用于时
论文研究非线性自回归时序模型研究及其预测应用.pdf
论文研究-非线性自回归时序模型研究及其预测应用.pdf, 从函数逼近和系统辨识两个方面推导了非线性自回归时序模型(GNAR模型
预测模型时空预测模型PyTorch复现
预测模型时空预测模型PyTorch复现models文件夹在models目录中每一个文件夹存储一个结构的完整模型代码复现参照了论文
预测模型
预测模型