![](https://img-blog.csdnimg.cn/20190918140213434.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
时间序列预测算法
文章平均质量分 86
主要分享一些时间序列预测的算法
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
hellobigorange
她是一只善良、正直爱吃橙子的大橙子
展开
-
ARIMA一阶差分和二阶差分还原
思路:1、差分原始序列:a1,a2,a3,a4,a5,a6,a7a_1,a_2,a_3,a_4,a_5,a_6,a_7a1,a2,a3,a4,a5,a6,a7一阶差分后的序列:nan,a2−a1,a3−a2,a4−a3,a5−a4,a6−a5,a7−a6nan,a_2-a_1,a_3-a_2,a_4-a_3,a_5-a_4,a_6-a_5,a_7-a_6nan,a2−a1,a3−a2,a4−a3,a5−a4,a6−a5,a7−a6一阶差分后的序列:nan,nan原创 2021-09-01 18:04:49 · 10824 阅读 · 4 评论 -
时间序列——GridSearchCV&TimeSeriesSplit的调参(xgboost预测sin(x))
xgboost预测sin(x),主要为了展示时间序列怎么用GridSearchCV调参原创 2021-12-21 11:25:18 · 2562 阅读 · 0 评论 -
时间序列—显著相关性和滞后性分析_python
本文讲述了两个时间序列(信号)的相关性分析,可以利用相关性分析进行特征筛选。此外本文还讲了怎么判断时间序列的滞后性的方法。原创 2022-06-13 22:10:44 · 19009 阅读 · 23 评论 -
灰色预测GM(1,n)模型_python
灰色系统理论及其应用系列博文:一、灰色关联度分析法(GRA)_python二、灰色预测模型GM(1,1)文章目录一、GM(1,n)算法二、示例2.1 数据:2.2 代码_使用GM(1,n)城市用水总量2.3 结果分析一、GM(1,n)算法二、示例注:数据均来自论文《基于灰色系统理论的贵阳市城市用水总量预测》2.1 数据:data.csv年份,城区人口,建成区面积,供水总量,用水人口,人口综合用水指标,城市用水总量2002, 191.85, 98.00, 26396.00,原创 2022-03-24 11:01:50 · 13434 阅读 · 23 评论 -
灰色预测改进—三角残差拟合_python
😊四月的第一篇博客,希望一整个四月都可以开开心心、顺顺利利呀。好运发射给读到这篇博客的每个人。biu,biu,biu~~~02/04/2022 16:00灰色系统理论及其应用系列博文:一、灰色关联度分析法(GRA)_python二、灰色预测模型GM(1,1)三、灰色预测模型GM(1,n)四、灰色预测算法改进1_背景值Z的改进文章目录一、修改背景值的参数设定1、算法算法扩展到区间预测实例参考文献:[1] A trigonometric grey prediction approach.原创 2022-04-06 15:01:03 · 3188 阅读 · 46 评论 -
python_傅里叶变换(DFT、FFT、STFT)
文章目录一、傅里叶变换1、傅里叶变换基础2、傅里叶变换形式规律3、一些关键概念3、python 实现傅里叶变换二、短时傅里叶变换(STFT)一、傅里叶变换1、傅里叶变换基础参考:深入浅出的讲解傅里叶变换傅里叶变换:一段信号可以由若干频率不同的正弦信号叠加构成,DFT将将信号从时域变换到频域用途:滤波:从一个时域图里剔除组成它的某个频域成分很不容易;但是从频域图里剔除这个成分很容易求解微分方程故障诊断:健康的设备的时域曲线图是相似的,异常设备的是不同的,但这一点在时域图种不易被发现,转换到频原创 2022-03-11 09:43:44 · 19470 阅读 · 7 评论 -
灰色预测算法改进_改进背景值Z_python
文章目录一、修改背景值的参数设定1、算法2、 案例及代码2.1 数据2.2 代码2.3 效果对比😊😨😱😡:我的心路历程,妈耶,妥妥的翻车了,论文【1】里改进后效果明显变好了,采用了新的数据集,效果反而变差了,但仁者见仁吧,可能真的在别的数据集上效果就会好呢。后续会阅读别的论文,持续更新新的改进方法。29/03/2022 10:44灰色系统理论及其应用系列博文:一、灰色关联度分析法(GRA)_python二、灰色预测模型GM(1,1)三、灰色预测模型GM(1,n)参考文献:[1] 改原创 2022-03-29 10:55:05 · 3587 阅读 · 26 评论 -
梯度优化方法:BGD,SGD,mini_batch, Momentum,AdaGrad,RMSProp,Adam
文章目录目标函数三种梯度下降优化框架1、BGD、SGD、mini_batch2、**优缺点对比:**3、**问题与挑战:**优化梯度下降法1、动量梯度下降法(Momentum)2、Nesterov Accelarated Gradient(NAG)3、Adagrad4、RMSprop5、Adaptive momentum estimation(Adam)目标函数最优化:得到使目标函数J(θ)J(\theta)J(θ)最小的θ\thetaθ的值。三种梯度下降优化框架1、BGD、SGD、mini原创 2022-03-25 16:05:50 · 1552 阅读 · 15 评论 -
时间序列平稳性分析和白噪声检验
文章目录一、ADF检验1、ADF检验原理2、ADF的python实现二、肉眼观察自相关图和偏相关图原始的负荷时间序列曲线一、ADF检验在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了用肉眼检测的方法,另外比较常用的严格的统计检验方法就是ADF检验,也叫做单位根检验。1、ADF检验原理ADF检验就是判断序列是否存在单位根:如果序列平稳,就不存在单位根;否则,就会存在单位根。所以,ADF检验的 H0原创 2021-05-20 10:42:27 · 14533 阅读 · 1 评论 -
灰色预测模型_python
灰色预测法灰色预测模型是通过少量的、不完全的信息,建立数学模型并做出预测的一种预测方法。是处理小样本(4个就可以)预测问题的有效工具,而对于小样本预测问题回归和神经网络的效果都不太理想。最简单的模型是GM(1,1),G:Grey(灰色);M:模型;(1,1):只含有一个变量的一阶微分方程模型。算法(1)输入原始电力负荷特性数据序列X(0)X^{(0)}X(0)判断是否适用GM(1,1)。 定义覆盖区间Θ=(e−2k+1,e2k+2)\Theta = (e^{\frac{-2}{k+1}},e^{\原创 2022-03-18 18:21:06 · 19487 阅读 · 32 评论 -
灰色关联度分析法(GRA)_python
灰色关联度分析法(GRA)参考博客:GRA定义灰色关联度分析,是一种多因素统计分析的方法。简单来讲,就是在一个灰色系统中,我们想要了解其中某个我们所关注的某个项目受其他的因素影响的相对强弱,再直白一点,就是说:我们假设以及知道某一个指标可能是与其他的某几个因素相关的,那么我们想知道这个指标与其他哪个因素相对来说更有关系,而哪个因素相对关系弱一点,依次类推,把这些因素排个序,得到一个分析结果,我们就可以知道我们关注的这个指标,与因素中的哪些更相关。算法灰色关联度分析属于灰色系统的应用范畴分支,相比于原创 2022-03-18 10:06:15 · 10209 阅读 · 9 评论 -
时间序列预测_混合模型
文章目录权重融合学习法示例基于bagging的方式构建混合模型。权重融合学习法该方法拥有多个学习器,初始数据利用多个模型作为初始学习器进行学习,得到的结果进行整合作为次级学习器的数据进行学习,需要预测的数据也进行一系列类似处理后,再经过次机学习器得到的模型进行预测。示例...原创 2022-03-02 18:32:12 · 501 阅读 · 0 评论