我已经使用图像时间序列和以下两种方法自动完成了随时间测量植物面积以推断生长速度的任务：（1）P
我已经将用于时间序列分析的张量流代码转换为pytorch，并且性能差异非常大，实际上pytorch层根本无法解
我的先知模型正在测试服务器上运行。但是同一型号在生产服务器中会出错。我使用的是Python 3.7.6，而
以下数据可以是<code>tibble</code>或<code>data.table</code>：
<pre><code> datetime volume
<dttm>
我最近从AlphaVantage.co获得了一个API密钥，以读取时间序列数据（股票）。我能够编写请求和将JSON文件存
我有以下时间序列：
<pre><code>data = data.frame(Date=c('2017-01-01', '2017-02-01', '2017-03-01', 
我正在使用Arima建立预测模型，该模型需要导出到数据库。我需要将预测转化为数据框。我这样做的方式
我有以下代码来绘制数据：
<pre><code>data$Date = as.POSIXct(strptime(data$Date, format="%Y-%m-%d"))
plot(data$Dat
我正在尝试在这个小型数据集中寻找周期性趋势，但为此，我需要为每个月创建一个虚拟变量。目的是
这是我的数据的可复制示例
<pre><code>dat<-data.frame(
prec<-rnorm(650,mean=300),
temp<-rnorm(650,mean = 22),
pet&
我正在尝试使用LSTM预测未来的冰厚值。我仅使用1个输入，即28年特定位置的冰厚。每个值之间的时间间
我有一个分组的数据框，需要使用<code>to_time_series_dataset</code>中的<code>tslearn</code>函数来整形。
一
首先，我创建了一个xts对象，其中包含36个时间序列，显示1980年1月2日至2020年10月6日的每日价格。
<pr
我们使用gluonts训练了多个时间序列的Deep AR模型。现在，我们要使用SHAP（或任何其他具有SHAPLEY值的库）
有人可以建议如何最好地在数据框中创建一个新列，其中每个观察值是前12个观察值（不包括当前观察值
我正在进行时间序列分析，需要计算随时间变化的多个属性。熊猫简化了这一过程。 .diff（periods = n）函
我正在尝试使用ARIMA进行时间序列预测。
因此，作为第一步，我要进行一些序列变换
<pre class="lang-py p
我已经在 Juno 中使用 timeseries.jl 成功创建，版本为 1.5.3 (2020-11-09)，与 JuliaPro 一起安装，代码如下</p
我想从 2016 年 1 月到 2019 年 1 月按季度（x 轴）对各个细分市场的房地产价格进行分析。
但是我想
假设我正在尝试拟合 auto.arima ARIMAX 模型
y = 每日时间序列中的给定比例
对于我的 xregs，我的
