科研级时间序列解析：从 ARIMA 到 Mamba，深度学习与频域分析的全栈技术方案

张开发
• 2026/4/9 16:47:57 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

科研级时间序列解析：从 ARIMA 到 Mamba，深度学习与频域分析的全栈技术方案
时间序列是水文、气象等领域中最为常见的数据类型对时间序列数据的预测、分类以及异常值检测等也是这些领域最常见的任务但是时间序列分析技术从二十世纪二十年代兴起一百年以来已经变的非常繁杂。以实践序列分析为主线系统讲述了传统的时间序列分析技术、机器学习以及深度学习等模型。专题一、Pytorch以及R语言编程1.Pytorch及R的安装2.Python编程语法及主要的科学计算包3.Pytorch编程中涉及的概念4.Pytorch使用方法5.现代R语言的使用方法6.时间序列建模的流程及注意点专题二、传统的时间序列模型1.AR,MA,ARMA模型2.ARIMA以及季节分解模型3.GARCH模型及其扩展4.分数阶差分时间序列模型案例一基于季节分解的水质参照状态确定案例二太湖叶绿素A的预测案例三基于GARCH的气温波动估计专题三、频域分析及多元时间序列1.小波变换、离散傅里叶分析及谱密度估计2.ARIMAX模型3.向量自回归模型及其贝叶斯版本4.格兰特因果模型案例四基于VAR以及Bayesian VAR的气温回归案例五水质的格兰特因果检验专题四、隐状态及时空数据分析1.Markov以及隐Markov时间序列模型2.带有状态转换的GARCH模型3.基于模态分解的时间序列模型4.经验函数分解模型5.连续时间的结构方程模型案例六基于隐Markov模型的降雨数据分析案例七气压及水质的经验函数分解案例八基于模态分解的时间序列预测案例九MSGARCH模型的风险估计专题五、时间序列中机器学习1.支持向量机回归2.树模型及其堆叠Randomforest,孤立随机森林等3.XGBoost模型及其变种4.高斯过程模型5.模型的可解释性夏普利值及其推广案例十基于XGBoost模型及夏普利值的归因分析案例十一基于高斯过程的时间序列预测专题六、前大语言模型的深度学习技术1.前馈神经网络2.RNN及其在时间序列中的应用3.CNN及其在时间序列中的应用4.LSTM,GRU模型5.基于概率的LSTM模型6.对抗神经网络7.共形预测及置信区间案例十二前馈神经网络的搭建及优化案例十三基于CNN的时间序列分类案例十四基于LSTM的水位预测案例十五如何估计LSTM预测的置信区间案例十六基于GAN的异常值检测专题七、Transformers及其它1.Transformers原理及其优化2.时间序列的状态空间3.Mamba模型原理及其优化案例十七模态分解与Transformers联合预测案例十八基于Mamba的序列预测点赞关注 私信

更多文章