![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列
文章平均质量分 70
青石横刀策马
菜鸟一只
展开
-
LSTM模型预测新冠
LSTM是RNN的改进型,传统RNN模型会随着时间区间的增长,对早期的因素的权重越来越低,有可能会损失重要数据。而LSTM模型通过遗忘门、输入门、输出门三个逻辑,来筛选和保留数据。原理详解可以参考如何从RNN起步,一步一步通俗理解LSTM这个博主讲的非常通俗易懂,本文主要是项目实操。实验环境Windows11、python3.8、Keras框架、Tensorflow实验目的使用新冠疫情历史每日新增感染人数数据训练LSTM模型,然后用此模型预测未来21天每日新增感染人数,这里将对数据集进行一阶差.原创 2022-04-29 22:24:06 · 5815 阅读 · 20 评论 -
时间序列平稳性检验(ADF)和白噪声检验(Ljung-Box)
在对时间序列做预测前,我们要对数据进行一系列检验,主要是检验数据的稳定性和随机性(白噪声检验),本文主要介绍ADF检验和Ljung-Box检验ADF检验ADF检验即单位根检验是指检验序列中是否存在单位根,因为存在单位根就是非平稳时间序列了。单位根就是指单位根过程,可以证明,序列中存在单位根过程就不平稳,会使回归分析中存在伪回归。下面给出ADF检验的python代码from statsmodels.tsa.stattools import adfullerimport pandas as pd.原创 2022-02-09 17:25:42 · 30860 阅读 · 10 评论 -
基于Prophet模型对新冠的预测
prophet模型描述y(t)=g(t)+s(s)+h(t)+ϵtg(t)表示增长函数,用来拟合非周期性变化的。s(t)用来表示周期性变化,比如说每周,每年,季节等。h(t)表示假期,节日等特殊原因等造成的变化。ϵt为噪声项,用他来表示随机无法预测的波动,我们假设ϵt是高斯的。数据采取的是美国2020-1-28到2021-11-8的累计确诊人数和累计死亡人数,首先我们先展示一下数据的格式和具体情况数据是csv格式存储的,列名为date、cases、deaths上图是累计确诊人数和死亡人数原创 2021-12-12 15:43:27 · 1808 阅读 · 0 评论