自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 关于时间序列分析中的平稳性的理解笔记

为什么要平稳?无非就是希望能根据平稳的数据更好更准确的预测未来。非平稳性的时间序列数据太过于杂乱无章,有的甚至完全无规律可循,但是平稳时间序列本身存在某种分布规律,前后具有一定自相关性且能够延续下去,进而可以利用这些信息帮助预测未来。时间序列的平稳性是指一组时间序列数据看起来平坦,各阶统计特征(如均值、方差、协方差…)不随时间的变化而变化。其数学定义又分为严平稳和宽平稳。以上就是今天总结的内容,本文仅仅简单对时间序列中的平稳性做了笔记。

2022-10-18 16:45:52 3436 1

原创 时间序列数据补全任务——ST-MVL

ST-MVL: Filling Missing Values in Geo-sensory Time Series Data阅读笔记文章目录ST-MVL: Filling Missing Values in Geo-sensory Time Series Data阅读笔记摘要一、方法1. 全局空间视图-IDW2. 全局时间视图-SES3. 局部空间视角-UCF4. 局部空间视图-ICF5. 多视图学习二、实验总结摘要许多传感器已在物理世界中部署,生成了大量的地理标签时间序列数据。 实际上,由于传感器

2022-05-29 15:08:08 1045

原创 时间序列预测ST-GSP

ST-GSP: Spatial-Temporal Global Semantic Representation Learning for Urban Flow Prediction阅读笔记文章目录ST-GSP: Spatial-Temporal Global Semantic Representation Learning for Urban Flow Prediction阅读笔记摘要一、方法1. 语义流编码器2. Transformer Encoder3. 融合二、实验总结摘要城市流量预测在公共交

2022-05-27 14:25:37 285 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除