时间序列预测

TimeDistill：通过跨架构蒸馏的MLP高效长期时间序列预测原文地址：https://arxiv.org/abs/2502.15016发表会议：暂定（但是Star很高）

液体神经网络LNN-Attention创新结合——基于液体神经网络的时间序列预测（PyTorch框架）ETT(电变压器温度)：由两个小时级数据集（ETTh）和两个 15 分钟级数据集（ETTm）组成。它们中的每一个都包含 2016 年 7 月至 2018 年 7 月的七种石油和电力变压器的负载特征。

简简单单做算法

基于GA遗传优化TCN-BiGRU注意力机制网络模型的时间序列预测算法matlab仿真目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程(完整程序运行后无水印)

机器学习之心

时序预测 | Transformer-LSTM-SVM时间序列预测（Matlab完整源码和数据，适合基础小白研究）1.Matlab实现Transformer-LSTM-SVM时间序列预测，Transformer-长短期记忆神经网络-支持向量机时间序列预测；

Python数据分析案例70——基于神经网络的时间序列预测(滞后性的效果，预测中存在的问题)这篇文章可以说是基于现代的一些神经网络的方法去做时间序列预测的一个介绍科普，也可以说是一个各种模型对比的案例，但也会谈一谈自己做了这么久关于神经网络的时间序列预测的论文，其中一些常见的模式及它们存在的问题以及效果，还有在实际生产中去运用究竟会有什么问题？

简简单单做算法

基于GA遗传优化TCN时间卷积神经网络时间序列预测算法matlab仿真目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程(完整程序运行后无水印)

软件算法开发

基于遗传优化ELM网络的时间序列预测算法matlab仿真目录1.程序功能描述2.测试软件版本以及运行结果展示3.核心程序4.本算法原理5.完整程序基于遗传优化ELM网络的时间序列预测算法，分别对比ELM网络和GA-ELM网络对时间序列的预测精度进行对比。

机器学习之心

SABO-CNN-BiGRU-Attention减法优化器优化卷积神经网络结合双向门控循环单元时间序列预测，含优化前后对比1.Matlab实现SABO-CNN-BiGRU-Attention减法优化器优化卷积神经网络结合双向门控循环单元时间序列预测，含优化前后对比，含优化前后对比，含优化前后对比，要求Matlab2023版以上； 2.单变量时间序列预测； 3.data为数据集，main.m为主程序，运行即可,所有文件放在一个文件夹； 4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价； 5.算法优化学习率，神经元个数，注意力机制的键值, 卷积核个数。

时间序列预测——周期性解藕框架(PDF)@article{dai2024period, title={Periodicity Decoupling Framework for Long-term Series Forecasting}, author={Dai, Tao and Wu, Beiliang and Liu, Peiyuan and Li, Naiqi and Bao, Jigang and Jiang, Yong and Xia, Shu-Tao}, journal={International Conference on Lea

机器学习之心

时序预测 | 改进图卷积+informer时间序列预测，pytorch架构改进图卷积+informer时间序列预测代码 CTR-GC卷积,informer，CTR-GC 图卷积 GCN 中，图拓扑在特征聚合中占主导地位，提取代表性特征的关键。因此提出了一种改进GCN的新方法，叫通道拓扑细化图卷积（CTR-GC），以动态学习不同的拓扑结构，并有效地聚合不同通道中的特征。本代码尝试将它转移用到时间序列中，创新思维的三维转二维，利用部分卷积进行特征提取，将提取的结果放入informer进行预测，预测还不错，同时证实了引入图卷积的可行性。 python代码 pytorch架构适合

【深度学习】时间序列预测、分类、异常检测、概率预测项目实战案例说明：本专栏内容来自于个人学习笔记、以及相关项目的实践与总结。写作目的是为了让读者体会深度学习的独特魅力与无限潜力，以及在各行各业之中的应用与实践。因作者时间精力有限，难免有疏漏之处，期待与读者共同进步。

机器学习之心

时序预测 | Matlab基于TSA-LSTM-Attention被囊群优化算法优化长短期记忆网络融合注意力机制多变量多步时间序列预测时序预测 | Matlab基于TSA-LSTM-Attention被囊群优化算法优化长短期记忆网络融合注意力机制多变量多步时间序列预测 TSA-LSTM-Attention超前24步多变量回归预测算法。程序平台：无Attention适用于MATLAB+2023版及以上版本；融合Attention要求Matlab2023版以上代码说明：基于被囊群优化算法（TSA）、长短期记忆网络（LSTM）融合注意力机制的超前24步多变量时间序列回归预测算法。多变量特征输入，单序列变量输出，输入前一天的特征，实现后

Python数据分析案例62——基于MAGU-LSTM的时间序列预测(记忆增强门控单元)时间序列lstm系列预测在学术界发论文都被做烂了，现在有一个新的MAGU-LSTM层的代码，并且效果还可以，非常少见我觉得还比较创新，然后我就分享一下它的代码演示一下，并且结合模态分解等方法做一次全面的深度学习的时间序列模型对比。并且这次代码都把我的看家绝学——分位数神经网络都掏出来了。

PyTorch搭建GNN(GCN、GraphSAGE和GAT)实现多节点、单节点内多变量输入多变量输出时空预测前面已经写了很多关于时间序列预测的文章：前边已经有两篇文章讲解了如何利用PyG搭建GNN以及GNN-LSTM进行时间序列预测，这两部分内容都只是针对多变量进行预测，即将每个变量当成一个节点，然后利用皮尔逊相关系数构建变量间的邻接矩阵。

机器学习之心

时序预测 | Matlab实现GA-CNN遗传算法优化卷积神经网络时间序列预测时序预测 | Matlab实现GA-CNN遗传算法优化卷积神经网络时间序列预测（完整源码和数据）1.data为数据集，单变量一维数据。

机器学习之心

时序预测 | Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测（完整源码和数据）1.data为数据集，单变量一维数据。

机器学习之心

多维时序 | Matlab基于TCN-Transformer+LSTM双输入神经网络时间序列预测1.Matlab基于TCN-Transformer+LSTM双输入神经网络时间序列预测（完整源码和数据） 2.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测；程序内注释详细，excel数据，直接替换数据就可以用。 3.程序语言为matlab，程序可出预测效果图，迭代优化图，相关分析图，运行环境matlab2020b及以上。评价指标包括:R2、RPD、MSE、RMSE、MAE、MAPE等。 4.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

少喝冰美式

时间序列预测+NLP大模型新作：为时序预测自动生成隐式Prompt今天给大家介绍一篇最新的大模型+时间序列预测工作，由康涅狄格大学发表，提出了一种将时间序列在隐空间和NLP大模型对齐，并利用隐空间prompt提升时间序列预测效果的方法。

顶呱呱程序

2-34 小波神经网络采用传统 BP 算法小波神经网络采用传统 BP 算法，存在收敛速度慢和易陷入局部极小值两个突出弱点。建立了基于遗传算法的小波神经网络股票预测模型 GA-WNN。该模型结合了遗传算法的全局优化搜索能力以及小波神经网络良好的时频局部特性。运用 MATLAB 对拟合和预测过程进行仿真。结果表明，该模型能有效地提高预测精度，避免了 BP 算法固有缺陷。程序已调通，可直接运行。

机器学习之心

Transformer-LSTM预测 | Matlab实现Transformer-LSTM时间序列预测1.Matlab实现Transformer-LSTM时间序列预测，Transformer-LSTM；2.运行环境为Matlab2023b及以上；