时间序列预测

简简单单做算法

基于GA遗传优化双BP神经网络的时间序列预测算法matlab仿真目录✨1.前言📡2.算法测试效果图预览🔍3.算法运行软件版本✅4.部分核心程序🚀5.算法理论概述

Transformer实战（40）——Transformer时间序列数据建模Transformer 因其在自然语言处理 (Natural Language Processing, NLP) 任务中的优异表现而被广泛应用，其主要优势在于能够有效建模时间序列数据。这些数据可以是文本，也可以是非文本。本节将介绍如何使用 Transformer 进行时间序列数据建模和预测，将学习时间序列的基本概念，并在此基础上使用一个简单的模型，用以初步了解时间序列数据，并为各种预测任务奠定基础。同时，还将学习 Transformer 与传统方法的不同之处，以及如何将 Transformer 模型应用于

简简单单做算法

基于PSO粒子群优化的Transformer-BiLSTM网络模型的时间序列预测算法matlab性能仿真目录1.前言2.算法测试效果图预览3.算法运行软件版本4.部分核心程序5.算法理论概述6.算法完整程序工程

简简单单做算法

基于GA遗传优化的Transformer-LSTM网络模型的时间序列预测算法matlab性能仿真目录1.前言2.算法测试效果图预览3.算法运行软件版本4.部分核心程序5.算法理论概述5.1 各模块核心原理

软件算法开发

基于边境牧羊犬优化算法的LSTM网络模型(BCO-LSTM)的一维时间序列预测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.部分程序4.算法理论概述4.1 BCO算法原理

软件算法开发

基于莱维飞行和混沌映射PSO优化的LSTM网络模型的一维时间序列预测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.部分程序4.算法理论概述4.1 混沌映射原理4.2 莱维飞行原理

使用深度神经网络进行时间序列分析之数据窗口上篇文章准备好了数据，本章介绍使用深度神经网络进行时间序列分析中的重要概念数据窗口。在使用神经网络进行回归分析，如图像识别，输入是一系列像素点的RGB，对应输出结果为是否是某个图像。在数据序列分析中，输入和输出是同一个变量：输入是某段时间的数据值，比如某段时间内的PM2.5数值，对应输出的结果则是未来一段时间内的PM2.5数值。如何使用时间连续的数据进行训练呢？答案就是数据窗口:数据窗口（或称滑动窗口）是一种将连续时间序列数据转换为多个连续子样本的关键技术，目的是为了适应模型的输入要求并捕捉时间依赖性。简

软件算法开发

基于蘑菇繁殖优化的LSTM深度学习网络模型(MRO-LSTM)的一维时间序列预测算法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.部分程序4.算法理论概述1. 优化参数与MRO超参数初始化

山科智能信息处理实验室

（ICLR-2024）TIME‑LLM：基于大语言模型重编程的时间序列预测论文内容：TIME-LLM 提出了一种无需微调大语言模型主体、即可用于时间序列预测的全新框架。通过将时间序列片段重编程为一组可被 LLM 理解的“文本原型”，并结合包含数据背景、任务指令与统计特征的 Prompt-as-Prefix 提示结构，模型成功激活了 LLM 的跨模态推理能力。实验表明，TIME-LLM 在长期、短期、少样本与零样本预测任务中均显著超越现有专用时间序列模型，在效率上又极其轻量，为构建通用、跨领域的时序预测模型提供了新的范式。

软件算法开发

基于秃鹰搜索优化的LSTM深度学习网络模型(BES-LSTM)的一维时间序列预测算法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.部分程序4.算法理论概述5.完整程序LSTM网络的性能高度依赖于超参数配置，其中隐含层个数是影响模型性能的关键超参数之一。传统的超参数优化方法如网格搜索、随机搜索存在效率低、易陷入局部最优等问题。秃鹰搜索优化算法(Bald Eagle Search, BES)是一种新型元启发式优化算法，模拟秃鹰在捕食过程中的搜索行为，具有收敛速度快、全局搜索能力强等优点。

时序大模型

KDD2025 |DUET：时间 - 通道双聚类框架，多变量时序预测的 “全能选手”出现！本篇论文来自KDD2025，最新前沿时序技术，针对多变量时间序列预测的实际应用，提出了DUET 框架，首次在时间与通道维度同时引入聚类，分别解决 TDS 异质性与通道关联复杂性，突破传统单维度优化的局限。

2023 美赛C Predicting Wordle Results（上）Wordle规则猜一个五个字母的单词六次以内机会：灰色代表正确单词里没有这个字母，黄色代表有这个字母但位置不对，绿色代表位置对。

软件算法开发

基于黑翅鸢优化的LSTM深度学习网络模型(BKA-LSTM)的一维时间序列预测算法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.部分程序4.算法理论概述5.完整程序传统LSTM模型的网络层数量依赖人工经验选择，易导致过拟合或欠拟合问题。黑翅鸢优化算法（Black Kite Algorithm, BKA）是模拟黑翅鸢捕食行为的新型群智能优化算法，具有收敛速度快、全局搜索能力强的特点。将BKA用于优化LSTM的网络层数量，构建BKA-LSTM模型，可实现时间序列预测精度与模型泛化能力的提升。

简简单单做算法

基于遗传优化的LSTM-Attention一维时间序列预测算法matlab仿真目录1.前言2.算法运行效果图预览3.算法运行软件版本4.部分核心程序5.算法仿真参数6.算法理论概述

简简单单做算法

基于GA遗传优化的双向LSTM融合多头注意力(BiLSTM-MATT)时间序列预测算法matlab仿真目录1.前言2.算法运行效果图预览3.算法运行软件版本4.部分核心程序5.算法仿真参数6.算法理论概述

简简单单做算法

基于WOA鲸鱼优化的VMD-GRU时间序列预测算法matlab仿真目录1.前言2.算法运行效果图预览3.算法运行软件版本4.部分核心程序5.算法仿真参数6.算法理论概述

简简单单做算法

基于PSO粒子群优化的VMD-LSTM时间序列预测算法matlab仿真目录1.前言2.算法运行效果图预览3.算法运行软件版本4.部分核心程序5.算法仿真参数6.算法理论概述

机器学习之心

Matlab实现LSTM-SVM时间序列预测，作者：机器学习之心该代码实现了一个结合LSTM和SVM的混合模型，用于时间序列数据的回归预测。具体功能包括：数据预处理：划分时间窗口、归一化、划分训练集和测试集。

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。