时间序列分析是数据科学和机器学习领域最广泛的主题之一:无论是预测金融事件、能源消耗、产品销售还是股票市场趋势，这一领域一直是企业非常感兴趣的领域。 随着机器学习模型的不断 ...

时间序列数据表示了一个随时间记录的值的序列。理解这些序列内部的关系,尤其是在多元或复杂的时间序列数据中,不仅仅局限于随时间绘制数据点(这并不是说这种做法不好)。通过将时间序列 ...

时间序列分析是现代计量经济学的重要内容，广泛应用于经济、商业、社会问题研究中，在指标预测中具有重要地位，是研究统计指标动态特征和周期特征及相关关系的重要方法。 一、基本概念 ...

随着近年来大型语言模型（LLMs）的迅速发展，学术界对将其应用于时间序列分析领域表现出浓厚的兴趣。 时间序列分析在金融、能源管理、气候科学、自然科学和社会科学等众多关键领域中 ...

多模态时间序列模型在复杂推理任务中面临数据标注粗放和时序分词不精确的双重挑战。本文提出基于白盒系统的多模态数据构建方法，并设计TempoGPT模型：通过量化时间嵌入为离散token，利用 ...

通过结合去噪扩散模型和Transformer架构，TimeDiT可以有效处理时间序列的多通道、多分辨率和缺失值问题，并能整合物理知识，提高时间序列分析的准确性和适用性。 随着近年来在文本和视频数据 ...

大模型在语言、图像领域取得了巨大成功，时间序列作为多个行业的重要数据类型，时序领域的大模型构建尚处于起步阶段。近期，清华大学的研究团队基于Transformer在大规模时间序列上进行 ...

本刊推荐一项关于动态时间规整(DTW)方法在精神障碍研究中应用的方法学教程。针对传统网络模型需要密集时间序列数据、线性假设等局限，研究人员开发了基于DTW的新型分析方法，可有效分析 ...

华中科技大学陆枫团队联合悉尼大学 Zomaya 院士团队、同济医院，提出了一种新的方法——CGS-Mask，通过将时间序列预测与可解释性结合，该方法既能提高模型预测精度，又能增加预测结果的可 ...

时间序列分析就是深入研究随时间变化的数据世界。 在当今数据驱动的世界中，获得差异化竞争优势对于成功至关重要。为了实现这一目标，企业和个人都在转向时间序列分析——这是一门变革 ...

空间和时间自相关是数据分析中的两个基本概念,它们揭示了现象在空间和时间维度上的相互依赖关系。这些概念在各个领域都有广泛应用,从环境科学到城市规划,从流行病学到经济学。本文将 ...