awesome-time-series

专注于时间序列预测的最新论文、代码和其他资源列表。

目录

• M4竞赛
• Kaggle时间序列竞赛
• 论文
• 会议
• 理论资源
• 代码资源
• 数据集

M4竞赛

M4

论文

• M4竞赛:10万个时间序列和61种预测方法
• 指数平滑和循环神经网络的混合方法用于时间序列预测
• 统计模型的加权集成
• FFORMA:基于特征的预测模型平均

Kaggle时间序列竞赛

• 沃尔玛商店销售预测(2014)
• 沃尔玛暴风天气下的销售(2015)
• Rossmann商店销售(2015)
• 维基百科网络流量预测(2017)
• Corporación Favorita杂货销售预测(2018)
• Recruit餐厅访客预测(2018)
• COVID19全球预测(2020)
• Jane Street未来市场预测(2021)

论文

2024

• TimeMachine: 一个时间序列价值4个Mamba用于长期预测 Arxiv

  • [代码]

• UniTS: 构建统一的时间序列模型 Arxiv

  • [代码]

• 时间证据融合网络: 长期时间序列预测中的多源视角 Arxiv

  • [代码]

2023

• MICN: 长期序列预测的多尺度局部和全局上下文建模 ICLR 2023 口头报告

  • [代码]

• Crossformer: 利用跨维度依赖关系的Transformer用于多变量时间序列预测 ICLR 2023

  • [代码]

• Scaleformer: 用于时间序列预测的迭代多尺度细化Transformer ICLR 2023

  • [代码]

• SAITS: 基于自注意力的时间序列插补 Expert Systems with Applications

  • [代码]

• 一个时间序列价值64个词: 使用Transformer进行长期预测 ICLR 2023

  • [代码]

2022

• 深度学习用于时间序列异常检测: 一项综述 综述

• 时间序列预测中基于回归的损失函数综合调查 综述

  • [代码]

• 非平稳Transformer: 重新思考时间序列预测中的平稳性 NeurIPS 2022

• 基于扩散、去噪和解耦的生成式时间序列预测 NeurIPS 2022

• SCINet: 基于样本卷积和交互的时间序列建模和预测 NeurIPS 2022

• 学习用于时间序列预测的潜在季节性趋势表示 NeurIPS 2022

• GT-GAN: 使用生成对抗网络进行通用时间序列合成 NeurIPS 2022

• 时间序列的因果解耦 NeurIPS 2022

• 通过时频一致性实现时间序列的自监督对比预训练 NeurIPS 2022

• FiLM: 用于长期时间序列预测的频率改进勒让德记忆模型 NeurIPS 2022

• BILCO: 时间序列联合对齐的高效算法 NeurIPS 2022

• LSAR: 用于大型时间序列数据分析的高效杠杆分数采样算法 NeurIPS 2022

• 从平稳时间序列无监督学习代数结构 NeurIPS 2022

• 用于时间序列分类的动态稀疏网络: 学习"看"什么 NeurIPS 2022

• WaveBound: 动态界定误差以实现稳定的时间序列预测 NeurIPS 2022

• 用于时间序列生成的条件损失和深度欧拉方案 AAAI 2022

• I-SEA: 基于重要性采样和预期对齐的深度距离度量学习用于时间序列分析和嵌入 AAAI 2022

• TS2Vec: 面向时间序列的通用表示 AAAI 2022

• 基于强化学习的动态模型组合用于时间序列预测 AAAI 2022

• CATN: 用于多变量时间序列预测的交叉注意力树感知网络 AAAI 2022

• Transformer在时间序列中的应用:一项综述 综述

  • Wen等人
  • 代码

• Pyraformer: 用于长期时间序列建模和预测的低复杂度金字塔注意力 ICLR 2022 口头报告

  • Liu等人

2021

• 用于预测分层时间序列的机器学习方法

  • Mancuso等人

• 用于时间序列分析的概率Transformer NeuIPS 2021

  • Tang等人

• Autoformer: 用于长期序列预测的具有自相关的分解变换器 NeuIPS 2021

  • Wu等人

• CSDI: 用于概率时间序列插补的条件分数扩散模型 NeuIPS 2021

  • Yusuke等人

• 连续时间切换动力系统的变分推断 NeuIPS 2021

  • Lukas等人

• MixSeq: 连接宏观时间序列预测与微观时间序列数据 NeuIPS 2021

  • Zhu等人

• 时间序列聚类的核心集 NeuIPS 2021

  • Zhou等人

• 时间序列异常检测的在线错误发现率控制 NeuIPS 2021

  • Quentin等人

• 调整时间序列神经网络中的自相关误差 NeuIPS 2021

  • Sun等人

• 时间序列的深度显式持续时间切换模型 NeuIPS 2021

  • Zhou等人

• 时间序列预测的深度学习：一项调查 survey

  • Torres等人

• Whittle网络：时间序列的深度似然模型 ICML 2021

  • Yu等人
  • 代码

• Z-GCNETs: 用于时间序列预测的图卷积网络时间之字形 ICML 2021

  • Chen等人
  • 代码

• 使用时间点过程进行长期预测 WSDM 2021

  • Deshpande等人
  • 代码

• Informer: 超越高效变换器的长序列时间序列预测 AAAI 2021最佳论文

  • Zhou等人
  • 代码

• 用于交通需求预测的耦合层级图卷积 AAAI 2021

  • Ye等人
  • 代码

2020

• 用于多个短时间序列预测的块Hankel张量ARIMA AAAI 2020

  • Shi等人
  • 代码

• 用于时间序列预测的对抗性稀疏变换器 NeurIPS 2020

  • Wu等人
  • 代码尚未发布

• 时间序列预测中深度学习可解释性的基准测试 NeurIPS 2020

  • Ismail等人
  • 代码

• 从时间序列中重构奇异吸引子 NeurIPS 2020

  • Gilpin等人
  • 代码

• [重新思考用于时间序列分类的1D-CNN：一个更强的基线](https://github.com/cuge1995/awesome-time-series/blob/master/ https://arxiv.org/abs/2002.10061) classification

  • Tang等人
  • 代码

• 正向无标记时间序列分类的主动模型选择

  • Liang等人
  • 代码

• 从准周期多维时间序列数据中无监督相位学习和提取

  • Prayook等人
  • 代码

• 连接点：使用图神经网络进行多变量时间序列预测

  • Wu等人
  • 代码

• 使用sktime进行预测：设计sktime的新预测API并应用它来复制和扩展M4研究

  • Löning等人
  • 代码尚未发布

• RobustTAD: 通过分解和卷积神经网络进行鲁棒时间序列异常检测

  • Gao等人
  • 代码尚未发布

• 用于不规则时间序列的神经控制微分方程

  • Patrick Kidger等人
  • 牛津大学
  • 代码

• 深度学习时间序列预测：一项调查

  • Lim等人
  • 代码尚未发布

• 神经预测：介绍和文献综述

  • Benidis等人
  • 亚马逊研究院
  • 代码尚未发布

• 深度学习的时间序列数据增强：一项调查

  • Wen等人
  • 代码尚未发布

• 当部分观测值为零时的时间序列建模经济计量学杂志 2020

  • Andrew Harvey 和 Ryoko Ito.
  • 代码尚未发布

• 元学习框架及其在零样本时间序列预测中的应用

  • Oreshkin 等人
  • 代码尚未发布

• 用于时间序列预测的谐波循环过程

  • 张少群和周志华
  • 代码尚未发布

• 用于多个短时间序列预测的分块汉克尔张量 ARIMAAAAI 2020

  • 史琦全等人
  • 代码尚未发布

• 从 Kaggle 预测竞赛中学到的经验

  • Casper Solheim Bojer 等人
  • 代码尚未发布

• 大规模层次组件需求预测的行业案例

  • Rodrigo Rivera-Castro 等人
  • 代码尚未发布

• 基于条件归一化流的多变量概率时间序列预测

  • Kashif Rasul 等人
  • 代码尚未发布

• ForecastNet: 一种用于多步ahead时间序列预测的时变深度前馈神经网络架构

  • Joel Janek Dabrowski 等人
  • 代码尚未发布

• 网络安全异常检测：时间序列预测和深度学习预测相关的好综述

  • Giordano Colò
  • 代码尚未发布

• 事件驱动连续时间贝叶斯网络

  • Debarun Bhattacharjya 等人
  • IBM 研究院 AI
  • 代码尚未发布

会议

• ICLR
• AAAI
• IJCAI
• ISF
• NeurIPS
• ICML
• M5 竞赛

理论资源

• 时间序列分析，麻省理工学院

• 时间序列预测，Udacity

• 实用时间序列分析，Coursera

• 序列、时间序列和预测

• R 语言时间序列分析入门，Coursera

• 使用 Keras 进行时间序列数据异常检测，Coursera

• 在金融领域应用数据分析，Coursera

• 使用 Python 进行时间序列预测

• STAT 510: 应用时间序列分析，宾夕法尼亚州立大学

• 使用中断时间序列进行政策分析，edx

• Python 时间序列预测

• 时间序列 Transformer 综述

代码资源

• PyPOTS: 用于部分观测时间序列数据挖掘的 Python 工具箱

• 微软的 FOST

• pyWATTS: 时间序列的 Python 工作流自动化工具

• Seglearn: 用于序列和时间序列学习的 Python 包

• tsflex: 灵活的时间序列处理和特征提取

• cesium: 时间序列推理开源平台

• PyTorch Forecasting: 使用 PyTorch 进行时间序列预测的 Python 包

• 时间序列预测方法集合: rnn, seq2seq, cnn, wavenet, transformer, unet, n-beats, gan, kalman-filter

• 将 Transformer 模型（源自 Attention is All You Need）应用于时间序列的实现

• 预测/假设 M4 竞赛的结果

• PyFlux

• HyperTS: 全流程自动化时间序列分析工具包

• 时间序列预测最佳实践与示例

• 时间序列数据异常检测工具和数据集列表

• 用于时间序列分析的 python 包

• 用于时间序列机器学习的 scikit-learn 兼容 Python 工具箱

• plotly-resampler: 使用 plotly.py 可视化大型时间序列数据

• 时间序列可视化工具

• 旨在填补 Python 时间序列分析功能空白的统计库

• 基于 RNN 的时间序列异常检测模型，使用 Pytorch 实现

• Python 中的 ARCH 模型

• 用于时间序列基于规则/无监督异常检测的 Python 工具包

• 精选的优秀时间序列数据库、基准和论文列表

• Python中用于聚类、模式挖掘和异常检测的矩阵剖面分析方法

• Flow Forecast：基于PyTorch构建的深度学习框架，用于时间序列预测、分类和异常检测

数据集

• TSDB：一个Python工具箱，用于简化开源时间序列数据集的加载（支持119个数据集）

• SkyCam：天空图像及其辐照度值数据集

• 美国空气污染数据

• 美国慢性病数据

• UCI的空气质量数据

• 西雅图高速公路交通速度

• 青少年烟草调查数据

• 新加坡人口

• 航空公司延误

• 飞机失事

• UCI的电力数据集

• UCI的交通数据集

• 巴尔的摩市犯罪数据

• 发现菜单

• 全球气候变化数据

• 全球健康营养数据

• 北京PM2.5数据集

• 航空乘客数据集

• 政府财政统计

• 历史公共债务数据

• 堪萨斯市犯罪数据

• 纽约市犯罪数据

• Kaggle-网络流量时间序列预测