loveseola / time-series-forecasting
本项目为时间序列预测项目，主要重点在于对预测项目整体流程的梳理总结，不同框架下如何进行简单数据处理和模型搭建。因此项目中 搭建的主要为一些常用模型（后续会不断修改完善）。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch 框架下的lstm相关模型。由于prophet模型和keras库的bp神经网络和lstm网络模型的构建、训练、测试整体代码量较少，将直接各自在一个脚本中完成。而pytorch框架下的模型将对代码块进行拆解。
☆18Updated last year
Related projects ⓘ
Alternatives and complementary repositories for time-series-forecasting
- 使用svr, mlp, rnn, lstm, am-lstm进行 多元时间序列回归预测☆50Updated last year
- Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测，注释拉满。☆175Updated 4 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆75Updated 2 years ago
- ☆24Updated 2 years ago
- 基于VMD-Attention-LSTM的时间序列预测模型（代码仅使用了一个较小数据集的训练及预测，内含使用使用逻辑，适合初学者观看，模型结构是可行的，有能力的请尝试使用更大的数据集训练）☆43Updated last year
- 使用多种算法（线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vecto…☆148Updated 4 years ago
- 利用时间序列预测汽车销量☆37Updated 5 years ago
- 基于pytorch搭建多特征LSTM时间序列预测☆147Updated 2 years ago
- ☆18Updated 3 years ago
- 使用卷积神经网络-长短期记忆网络（bi-LSTM）-注意力机制对股票收盘价进行回归预测。The convolution neural network, short-term memory network and attention mechanism are used to…☆226Updated 9 months ago
- ☆236Updated 8 months ago
- 客流量时间序列预测模型☆109Updated 2 years ago
- 时间序列ARIMA模型的销量预测☆60Updated 6 years ago
- used for Stock Prodiction&power prediction&Traffic prediction by ARIMA,xgboost,RNN,LSTM,TCN☆100Updated 4 years ago
- 使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测，除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…☆41Updated 4 years ago
- 使用PYTorch框架建立的一个简单的LSTM模型来进行电力负荷预测☆24Updated 7 months ago
- Load forecasting using LSTM and BP.使用LSTM、BP神经网络实现负荷预测☆15Updated 3 years ago
- ☆68Updated last year
- 基于统计学的时间序列预测(AR,ARM).☆238Updated 3 years ago
- 利用transformer进行时间序列预测☆20Updated 2 years ago
- This is a project for predicting air pollutants in London by time series model, including lstm, bilstm, Convlstm, attention lstm, lightGB…☆134Updated 4 years ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例，使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据，将数据按时间段划分，使用SARIMA过滤其线性趋势，再对过滤后的残差使用LSTM进行预测，最后对预测结果进行…☆64Updated 5 years ago
- (pytorch)time_series_data-prediction-with-gru-and-lstm☆42Updated 2 years ago
- Codes for time series forecast☆145Updated 3 years ago
- CNN+LSTM+Attention实现时间序列预测☆32Updated 5 months ago
- 比较 TCN、GRU、GCN、TGCN、 TCN+GCN 在 交通流量预测方面的准确率效果。☆112Updated 3 years ago
- 使用LSTM、GRU、BPNN进行时间序列预测。Using LSTM\GRU\BPNN for time series forecasting. (Pytorch Edition)☆53Updated 3 years ago
- PyTorch实现的Informer (Informer:用于长序列时间序列预测☆18Updated 2 years ago
- 一种有效的电力负荷预测方法☆56Updated 4 years ago
- Implementation of Electric Load Forecasting Based on LSTM(BiLSTM). Including Univariate-SingleStep forecasting, Multivariate-SingleStep f…☆211Updated 2 years ago