【LSTM时间序列预测】深度学习的长短期记忆网络LSTM时间序列预测未来【含Matlab源码 2345期】

⛄一、时间序列简介

1 时间序列模型概述
1.1 时间序列的不同分类
时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序 列的方法构成数据分析的一个重要领域，即时间序列分析。 时间序列根据所研究的依据不同，可有不同的分类。
（1）按所研究的对象的多少分，有一元时间序列和多元时间序列。
（2）按时间的连续性可将时间序列分为离散时间序列和连续时间序列两种。
（3）按序列的统计特性分，有平稳时间序列和非平稳时间序列。如果一个时间序列的概率分布与时间t无关，则称该序列为严格的（狭义的）平稳时间序列。如果序列的 一、二阶矩存在，而且对任意时刻t满足：
①均值为常数
②协方差为时间间隔 的函数。 则称该序列为宽平稳时间序列，也叫广义平稳时间序列。我们以后所研究的时间序列主 要是宽平稳时间序列。
（3）按时间序列的分布规律来分，有高斯型时间序列和非高斯型时间序列。

确定性时间序列分析方法概述
时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势 的。一个时间序列往往是以下几类变化形式的叠加或耦合。 我们常认为一个时间序列可以分解为以下四大部分：
（1）长期趋势变动。它是指时间序列朝着一定的方向持续上升或下降，或停留在 某一水平上的倾向，它反映了客观事物的主要变化趋势。