# DeepLearningForTimeSeriesForecasting
通过深度学习技术以进行时间序列预测
## 序言
+ ***7天迷你课***
```
3.用于时间序列预测的MLP
4.用于时间序列预测的CNN
5.用于时间序列预测的LSTM
6.编码器-解码器LSTM多步预测
7.用于时间序列预测的CNN-LSTM
```
## 一、预测趋势和季节性(单变量)
### 1.基于SARIMA预测的网格搜索超参数优化
```
1.网格搜索框架
2.无趋势和季节性研究
3.趋势性研究
4.季节性研究
5.趋势和季节性研究
```
+ ***1_1.为时间序列预测创建ARIMA模型***
```
1.数据预览
2.预览一下数据的自相关图
3.预览残差图和残差的密度分布图
4.滑动窗口预测ARIMA模型
```
+ ***1_2.如何网格搜索ARIMA超参数***
```
每日女性出生研究
洗发水销售研究
```
+ ***1_3.自相关和篇自相关介绍***
```
1.自相关ACF图
2.偏自相关PACF图
```
### 2.基于三重指数平滑预测的网格搜索超参数优化
```
1.网格搜索框架
2.无趋势和季节性研究
3.趋势性研究
4.季节性研究
5.趋势和季节性研究
```
### 3.单变量时间序列预测开发深度学习模型
```
2.多层感知器模型
3.卷积神经网络模型_CNN
4.递归神经网络模型_LSTM
5.递归神经网络模型_CNN+LSTM
6.递归神经网络模型_ConvLSTM2D
```
## 二、几种模型类型
### 1.用于时间序列预测的MLP
```
01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据
02.(多步+单变量输入)_(单步+单变量输出)_MLP模型
03.(多步+多变量输入)_(单步+单变量输出)_监督学习数据
04.(多步+多变量输入)_(单步+单变量输出)_MLP模型
05.(多步+多变量输入)_(单步+多变量输出)_监督学习数据
06.(多步+多变量输入)_(单步+多变量输出)_MLP模型
07.多路输入_(多步+多变量输入)_(单步+单变量输出)_MLP模型
08.多路输出_(多步+多变量输入)_(单步+多变量输出)_MLP模型
09.(多步+单变量输入)_(多步+单变量输出)_监督学习数据
10.(多步+单变量输入)_(多步+单变量输出)_MLP模型
11.(多步+多变量输入)_(多步+单变量输出)_监督学习数据
12.(多步+多变量输入)_(多步+单变量输出)_MLP模型
13.(多步+多变量输入)_(多步+多变量输出)_监督学习数据
14.(多步+多变量输入)_(多步+多变量输出)_MLP模型
```
### 2.用于时间序列预测的CNN
```
01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据
02.(多步+单变量输入)_(单步+单变量输出)_CNN模型
03.(多步+多变量输入)_(单步+单变量输出)_监督学习数据
04.(多步+多变量输入)_(单步+单变量输出)_CNN模型
05.(多步+多变量输入)_(单步+多变量输出)_监督学习数据
06.(多步+多变量输入)_(单步+多变量输出)_CNN模型
07.多路输入_(多步+多变量输入)_(单步+单变量输出)_CNN模型
08.多路输出_(多步+多变量输入)_(单步+多变量输出)_CNN模型
09.(多步+单变量输入)_(多步+单变量输出)_监督学习数据
10.(多步+单变量输入)_(多步+单变量输出)_CNN模型
11.(多步+多变量输入)_(多步+单变量输出)_监督学习数据
12.(多步+多变量输入)_(多步+单变量输出)_CNN模型
13.(多步+多变量输入)_(多步+多变量输出)_监督学习数据
14.(多步+多变量输入)_(多步+多变量输出)_CNN模型
```
### 3.用于时间序列预测的LSTM
```
01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据
02.(多步+单变量输入)_(单步+单变量输出)_LSTM模型
03.堆叠式LSTM+LSTM网络
04.双向LSTM网络
05.CNN+LSTM网络
06.ConvLSTM网络
07.(多步+多变量输入)_(单步+单变量输出)_LSTM模型
08.(多步+多变量输入)_(单步+多变量输出)_LSTM模型
09.(多步+单变量输入)_(多步+单变量输出)_LSTM模型
10.Encoder-Decoder LSTM模型
11.(多步+多变量输入)_(多步+单变量输出)_LSTM模型
12.(多步+多变量输入)_(多步+多变量输出)_LSTM模型
```
## 三、人类活动识别(多变量分类)
### 1.如何根据智能手机数据对人类活动进行建模
```
01.
```
## 四、时间序列案例研究
### 1.室内运动时间序列分类(KNN)
```
01.加载数据集
02.基本信息直方图
03.画数据折线图,画数据最小二乘法线性拟合图
04.将文件按照关联关系拼成train和test集合,每个文件取最后19条
05.维度为19的数据分别代入7种模型进行评估准确性
06.将文件按照关联关系拼成train和test集合,每个文件默认取25条,数据不足25则补0
07.维度为25的数据分别代入7种模型进行评估准确性
08.19和25维对比,KNN模型提升最显著,对KNN的k值网格搜索
09.将08中效果最好的k=7的KNN模型加入评估列表
```
### 2.预测大气污染日的概率模型(决策树)
```
1.数据特征预览
2.将数据集中异常数据替换为0
3.朴素的基线预测
4.集成决策树预测模型(四种决策树对比)
5.调整梯度提升模型的参数来提高性能
```
### 3.根据环境因素预测房间入住率(逻辑回归)
```
01.画数据折线图观察数据
02.将3个txt文件合并成一个
03.制造假数据预测,作为参考系
04.用多变量进行逻辑回归预测
05.用单变量进行逻辑回归预测
```
### 4.使用脑电波预测眼睛睁闭(KNN)
```
01.画出数据的折线图
02.删除波动大于三倍标准差的异常值
03.用KNN模型预测眼睛睁闭
04.打乱数据顺序的预测
05.不打乱数据顺序的预测
```
## 五、预测用电量(多变量,多步骤)
### 1.如何加载和探索家庭用电量数据
```
01.替换文件中分号,转成csv格式
02.8列数据的折线图
03.将某一列数据按年分开显示
04.2007年12个月功率的折线图
05.2007年1月前20天功率的折线图
06.8列数据的直方图
07.2007-2010功率的直方图
08.2007年12个月功率的直方图
```
### 2.机器学习的多步时间序列预测
```
01.填充缺失数据,转换成csv
02.将分钟级别数据合并成日级别
03.以周为尺度,将数据分割成组
04.用10个模型分别进行‘单变入_单变出’,前7天预测后1天
05.使用7个模型分别对一周7天中的指定天进行预测(参考04解析)
06.同04,可自定义输出数据是一周中的第几天,进行预测(参考04解析)
```
### 3.CNN网络的多步时间序列预测
```
01.填充缺失数据,转换成csv
02.将分钟级别数据合并成日级别
03.以周为尺度,将数据分割成组
04.CNN‘单变入_单变出’,前7天预测后7天
05.CNN‘多变入_单变出’,前14天预测后7天
06.CNN多路输入,‘多变入_单变出’,前14天预测后7天
```
## 六、6.预测空气污染(多变量,多步骤)
### 1.可视化和探索空气污染数据
```
01.统计数据中的NaN值
02.将数据按照标签分块
03.画出数据连续图,看数据缺失情况
04.判断每个数据块的起始时间(24小时中第几小时开始统计)分布图
05.每个块的时间结构
06.数据变量的分布
07.目标块的时间结构
08.目标变量的箱线图
09.目标块通过柱状图看空值比例
10.目标变量的直方图分布
```
### 2.空气污染预测的BaseLine模型
```
01.将数据拆分成训练集和测试集
02.用每个数据块整体的均值作为预测值
03.用每一天中每小时的均值作为预测值
04.用每个块的最后观察值作为预测值
05.用每个数据块整体的中值作为预测值
06.用每一天中每小时的中值作为预测值
```
### 3.空气污染预测的自回归模型
```
01.将数据拆分成训练集和测试集
02.缺失数据展示
03.估算缺失数据(使用�
没有合适的资源?快使用搜索试试~ 我知道了~
深度学习以进行时间序列预测.zip
共537个文件
csv:342个
py:142个
txt:27个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 88 浏览量
2023-10-29
09:20:43
上传
评论
收藏 103.2MB ZIP 举报
温馨提示
深度学习以进行时间序列预测.zip
资源推荐
资源详情
资源评论
收起资源包目录
深度学习以进行时间序列预测.zip (537个子文件)
EEG Eye State.arff 1.6MB
EEG_Eye_State_no_outliers.csv 5.12MB
train.csv 3.14MB
EEG_Eye_State.csv 1.6MB
combined.csv 1.34MB
test.csv 1.27MB
25_es2_train.csv 529KB
es2_train.csv 404KB
25_es2_test.csv 262KB
es2_test.csv 200KB
household_power_consumption_days.csv 171KB
household_power_consumption_days.csv 171KB
daily-min-temperatures.csv 63KB
daily-min-temperatures.csv 63KB
daily-total-female-births.csv 6KB
daily-total-female-births.csv 6KB
daily-total-female-births.csv 6KB
MovementAAL_RSS_221.csv 4KB
MovementAAL_RSS_197.csv 4KB
MovementAAL_RSS_114.csv 4KB
monthly-mean-temp.csv 4KB
monthly-mean-temp.csv 4KB
MovementAAL_RSS_131.csv 2KB
MovementAAL_RSS_278.csv 2KB
MovementAAL_RSS_299.csv 2KB
MovementAAL_RSS_283.csv 2KB
MovementAAL_RSS_232.csv 2KB
MovementAAL_RSS_285.csv 2KB
MovementAAL_RSS_282.csv 2KB
MovementAAL_RSS_230.csv 2KB
MovementAAL_RSS_279.csv 2KB
MovementAAL_RSS_235.csv 2KB
MovementAAL_RSS_218.csv 2KB
MovementAAL_RSS_211.csv 2KB
MovementAAL_RSS_290.csv 2KB
MovementAAL_RSS_215.csv 2KB
MovementAAL_RSS_295.csv 2KB
MovementAAL_RSS_292.csv 2KB
MovementAAL_RSS_293.csv 2KB
MovementAAL_RSS_284.csv 2KB
MovementAAL_RSS_159.csv 2KB
MovementAAL_RSS_277.csv 2KB
MovementAAL_RSS_296.csv 2KB
MovementAAL_RSS_301.csv 2KB
MovementAAL_RSS_194.csv 2KB
MovementAAL_RSS_175.csv 2KB
MovementAAL_RSS_294.csv 2KB
MovementAAL_RSS_289.csv 2KB
MovementAAL_RSS_276.csv 2KB
MovementAAL_RSS_214.csv 2KB
MovementAAL_RSS_298.csv 2KB
MovementAAL_RSS_213.csv 2KB
MovementAAL_RSS_229.csv 2KB
MovementAAL_RSS_275.csv 2KB
MovementAAL_RSS_212.csv 2KB
MovementAAL_RSS_174.csv 2KB
MovementAAL_RSS_190.csv 2KB
MovementAAL_RSS_219.csv 2KB
MovementAAL_RSS_179.csv 2KB
MovementAAL_RSS_216.csv 2KB
MovementAAL_RSS_281.csv 2KB
MovementAAL_RSS_297.csv 2KB
MovementAAL_RSS_177.csv 2KB
MovementAAL_RSS_178.csv 2KB
MovementAAL_RSS_237.csv 2KB
MovementAAL_RSS_234.csv 2KB
MovementAAL_RSS_224.csv 2KB
MovementAAL_RSS_228.csv 2KB
MovementAAL_RSS_288.csv 2KB
MovementAAL_RSS_231.csv 2KB
MovementAAL_RSS_180.csv 2KB
MovementAAL_RSS_217.csv 2KB
MovementAAL_RSS_225.csv 2KB
MovementAAL_RSS_291.csv 2KB
MovementAAL_RSS_220.csv 2KB
MovementAAL_RSS_188.csv 2KB
MovementAAL_target.csv 2KB
MovementAAL_RSS_105.csv 2KB
MovementAAL_RSS_233.csv 2KB
MovementAAL_RSS_113.csv 2KB
MovementAAL_RSS_287.csv 2KB
MovementAAL_RSS_227.csv 2KB
MovementAAL_RSS_193.csv 2KB
MovementAAL_RSS_191.csv 2KB
MovementAAL_RSS_185.csv 2KB
MovementAAL_RSS_280.csv 2KB
MovementAAL_RSS_121.csv 2KB
MovementAAL_RSS_300.csv 2KB
MovementAAL_RSS_286.csv 2KB
MovementAAL_RSS_206.csv 2KB
MovementAAL_RSS_186.csv 2KB
MovementAAL_RSS_184.csv 2KB
MovementAAL_RSS_226.csv 2KB
MovementAAL_RSS_109.csv 2KB
MovementAAL_RSS_124.csv 2KB
MovementAAL_RSS_222.csv 2KB
MovementAAL_RSS_183.csv 2KB
MovementAAL_RSS_192.csv 2KB
MovementAAL_RSS_171.csv 2KB
MovementAAL_RSS_111.csv 2KB
共 537 条
- 1
- 2
- 3
- 4
- 5
- 6
资源评论
xiaoshun007~
- 粉丝: 3853
- 资源: 3130
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 萤石云固件CS-XP1-8B4WF
- HTML5小游戏【农场连连看-优秀H5小游戏合集】游戏源码分享下载 - farm.zip
- 基于Python的酒店评论情感分析源码+文档(高分项目).zip
- meta-llama-3-8b-instruct 的 model-00003-of-00004.safetensors 的3/3
- nginx配置文件,注意其中需要对应宿主机的路径
- 自用数据集自用数据集自用数据集
- HTML5小游戏【堆雪人-优秀H5小游戏合集】游戏源码分享下载 - epicsnowman.zip
- SNMP Client 是SNMP测试工具
- Android Camera内存统计脚本
- AD9220高速数据芯片硬件参考设计原理图+STM32F103单片机驱动程序代码+芯片技术手册资料.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功