deep learning time series

深度学习时间序列预测

艺术论文的清单着眼于深度学习和资源，代码和实验，使用深度学习时间序列预测。经典方法与深度学习方法，竞争...

目录

• 文件
• 会议
• 比赛
• 代码
• 理论资源
• 代码资源
• 数据集

文件

2021

• 自动构造：长期序列的自动相关的分解变压器预测

  • Haixu Wu等。
  • [代码]

• 使用高级统计数据在时间序列中的远距离概率预测

  • Prathamesh Deshpande等。
  • [代码]

• 在线多代理预测与可解释的协作图神经网络

  • Maosen Li等。
  • 代码尚未。

• 对层次时间序列的相干概率预测的端到端学习

  • Syama Sundar Rangapuram等。
  • 代码尚未。

• 神经基础扩展分析与外源变量：NBEATSX的预测电价

  • Kin G. Olivares等。
  • [代码]

• 多元概率时间序列预测参考的自回归降级扩散模型

  • Kashif Rasul等。
  • [代码]

• 关于时间序列的深度学习体系结构预测的实验评论

  • Pedro Lara-Benítez等。
  • [代码]

• 长时间预测时间点过程

  • Prathamesh Deshpande等。
  • [代码]

• 告密者：长序列时间序列的高效变压器预测AAAI 2021

  • Haoyi Zhou等。
  • [代码]

2020

• 数据中心遥测中预测时间表的挑战和方法：一项调查

  • Shruti Jadon等。
  • 代码尚未。

• 使用LSTM和LSTM自动编码器技术的预测和异常检测方法以及供应链管理中的应用

  • HD Nguyen等。
  • 代码尚未。

• 物理受限的深层复发神经模型的建筑热动力学

  • JánDrgona等。
  • 代码尚未。

• Minirocket：时间序列分类非常快（几乎）确定性转换

  • Angus Dempster等。
  • [代码]

• 学习为临床结果预测选择最佳预测任务

  • Yuan Xue等。
  • 代码尚未。

• 通过使用数字双胞胎系统和弱监督的学习，现实世界的异常检测

  • Castellani Andrea等。
  • Honda Research Institute Europe GmbH
  • 代码尚未。

• COVID-19预测良好参考的序列间注意模型

  • 肖元金等人。
  • [代码]

• 核对层次结构时间序列中的模型选择

  • M. Abolghasemi等。
  • [代码]

• 每周时间序列预测的强大基准

  • Rakshitha Godahewa等。
  • [代码]

• 热带气旋强度预测的结构预测：通过深度学习提供见解

  • Trey McNeely等。
  • 代码尚未。

• 使用IoT时间序列数据进行解冻检测和异常分析，通过复发性神经网络对异质季节进行建模

  • Khetarpal，Suraj。
  • 代码尚未。

• 对多元时间序列分类的最新研究检查

  • Bhaskar Dhariyal等。
  • 代码noy。

• 等级位置预测赛车

  • Bo Peng等。
  • 代码尚未。

• 混合会员恢复的神经网络，用于建模客户购买

  • Ghazal Fazelnia等。
  • 代码尚未。

• 对预测时间序列数据趋势的深神经网络的分析

  • Kouame Kouassi和Deshendran Moodley。
  • 代码尚未。

• 使用高斯流程的自动预测

  • G. Corani
  • 代码尚未。

• 基于注意的多模式新产品销售时间序列预测

  • Vijay Ekambaram
  • 代码尚未。

• 通过机器学习对个人概率密度功能的需求预测

  • Felix Wick等。
  • 代码尚未。

• 具有状态空间和Arima模型的神经网络的时间序列预测性能比较

  • Milton Soto-Ferrari
  • 代码尚未。

• 混凝土下水道表面温度的短期时间序列预测

  • Karthick Thiyagarajan等。
  • 代码尚未。

• 通过图形网络的多元时间序列异常检测

  • Hang Zhao等。
  • 代码尚未。

• 使用时间序列数据的图形神经网络用于模型推荐

  • Aleksandr Pletnev等。
  • 代码尚未。

• Kaggle预测比赛：一个被忽视的学习机会

  • Casper Solheim Bojer和Jens Peder Meldgaard。
  • [代码]

• 预测多个季节性

  • Tianyang Xie和Jie ding。
  • 代码尚未。

• Lavarnet：多元时间序列的因果关系关系的神经网络建模预测

  • Christos Koutlis等。
  • 代码尚未。

• 预测带有正则嵌入空间的分层时间序列

  • 杰弗里·L·格里森（Jeffrey L. Gleason）。
  • [代码]

• 预测水力发电的演变

  • Fan Zhou等。
  • [代码]

• 深层状态空间生成模型，用于相关的事件时间预测

  • Yuan Xue等。
  • 代码尚未。

• 使用Google趋势数据对COVID-19大流行的短期预测：158个国家的证据

  • Fantazzini，Dean。
  • 代码尚未。

• 可扩展的低级别自动回旋张量学习，用于时空交通数据

  • Xinyu Chen等。
  • [代码]

• 千里眼：医疗时间序列的统一，端到端的汽车管道

  • 丹尼尔·贾瑞特（Daniel Jarrett）等。
  • 代码尚未。

• 加快异常和安全离开时间的安全时间

  • Nabil Al Nahin CH等。
  • 代码尚未。

• 预测AI进度：研究议程

  • Ross Gruetzemacher等。
  • 审查

• 使用时间序列数据扩展提高全局预测模型的准确性

  • Kasun Bandara等。
  • 代码尚未。

• COVID-19的可解释序列学习预测

  • SercanO.Arık等。
  • [代码]

• 通过有限的记录元学习，对市场细分市场需求预测的关系元学习预测

  • Jiatu Shi等。
  • 代码尚未。

• 通过人工智能（AI），通过物流行业的股价预测经济衰退

  • YM Tang等。
  • 代码尚未。

• 预测时间序列的原理和算法：局部和全球性

  • Pablo Montero-Manso和Rob J Hyndman
  • 代码尚未。

• 商户交易预测的多流RNN

  • 中冯Zhuang等。
  • KDD 2020 Workshop on Machine Learning in Finance
  • 代码尚未。

• 使用结构化正则化及其应用于人工神经网络的分层时间序列的预测

  • Tomokaze Shiratori等。
  • 代码尚未。

• 通过基于梯度增强的对比解释，冷启动促销销售预测

  • Carlos Aguilar-Palacios等。
  • [代码]

• 大规模检测的异常检测：深度分布时间序列模型的情况

  • Fadhel Ayed等。
  • Amazon Research
  • [代码]

• 在有特权信息的情况下，需求预测

  • Mozhdeh Ariannezhad等。
  • [代码]

• 季节性自我发展的神经网络基于短期风电场的生成预测

  • Yunchuan Liu等。
  • 代码尚未。

• 超长时间时间序列的分布式Arima模型火花

  • 小王等。
  • [代码]

• 对概率自回归预测模型的对抗性攻击

  • RaphaëlDang-nhu等。
  • [代码]

• 简单性的优势：网络设备工作负载预测LSTM应用程序的轻巧模型

  • 亚历山大·阿克（Alexander Acker）等。
  • [代码]

• 自适应图卷积卷积网络用于流量预测

  • Lei Bai等。
  • [代码]

• 时间序列分类的动态多尺度卷积神经网络

  • Bin Qian等。
  • 代码尚未。

• 神经架构搜索时间序列分类

  • Hojjat Rakhshani等。
  • [代码]

• 通过阻滞影响功能，复发性神经网络中常见的不确定性

  • Ahmed M. Alaa和Mihaela van der Schaar。
  • 代码尚未。

• 时间序列回归

  • Chang Wei Tan等。
  • [代码]

• 通过复发性神经网络的预测供应商交付性能

  • 约翰·拉姆（Johan Ramne）
  • 主论文。

• Markovian RNN：一个自适应时间序列预测网络，基于HMM的开关针对非组织环境

  • Fatih Ilhan等。
  • 代码尚未。

• 弹性神经预测系统

  • Michael Bohlke-Schneider等。
  • Amazon Research
  • 代码尚未。

• 预测轨迹的动态神经关系推断

  • Colin Graber和Alexander Schwing
  • CVPR 2020
  • [代码]

• 交通变压器：捕获流量预测时间序列的连续性和周期性

  • Ling Cai等。
  • 代码尚未。

• 节：非平稳时间序列中概率推断的非线性状态空间模型

  • Anna K. Yanchenko和Sayan Mukherjee。
  • 代码尚未。

• 时间序列预测的神经进化策略

  • 乔治·纳斯科斯（George Naskos）等。
  • 代码尚未。

• COVID-19：时间序列方法与预测每个人群的活动案例百分比的比较

  • Vasilis Papastefanopoulos等。
  • [代码]

• 用于预测层次时间序列的机器学习方法

  • Paolo Mancuso等。
  • 代码尚未。

• 探针：概率预测的开源生产，评估和可视化

  • Jethro Browell和Ciaran Gilbert。
  • [代码]

• 探索临床时间序列预测在变化复发模型中的元功能meta学习中

  • Sibghat Ullah等。
  • [代码]

• 半监督植物生长建模的深层状态空间模型

  • S. Shibata等。
  • 代码尚未。

• 通过多次尖峰复发神经网络有效而有效的计算

  • Bojian Yin等。
  • 代码尚未。

• 多元时间序列通过基于注意的编码器– decoder框架进行预测

  • Shengdong DU等。
  • Neurocomputing
  • 代码尚未。

• 多元时间序列的新型LSTM，具有巨大的缺失

  • 纳扎宁fuladgar和KaryFrämling。
  • 代码尚未。

• N-Beats：可解释时间序列的神经基础扩展分析预测ICLR 2020

  • Boris N. Oreshkin等。
  • 代码尚未。

• 如何向他人学习：使用加性回归模型转移机器学习以改善销售预测良好的新方法

  • Robin Hirt等。
  • 代码尚未。

• COVID-19的混合预测方法SVR-ESAR

  • Juan Frausto Solis等。
  • 代码尚未。

• 使用Loess和LSTM神经网络预测以季节性和趋势分解的季节性和趋势分解来预测短期地铁的乘客

  • Dewang Chen等。
  • 代码尚未。

• 离散化在预测中的有效性：神经时间序列模型的实证研究

  • Stephan Rabanser等。
  • AWS AI Labs
  • 代码尚未。

• 使用SKTIME进行预测：设计SKTITE的新预测API并应用其复制和扩展M4研究

  • MarkusLöning和Franz J.Király。
  • [代码]

• LSTM-MSNET：利用多个季节性模式的相关时间序列的预测

  • Kasun Bandara等。
  • [代码]

• 一种基于网络的转移学习方法，以改善新产品的销售预测

  • Karb，Tristan等。
  • 代码尚未。

• DSANET：多元时间序列的双重自我注意力网络预测良好的新方法

  • Siteng Huang等。
  • [代码]

• 复杂事件流处理和预测的方法

  • 维克多·莫罗佐夫（Mikhail Petrovskiy）。
  • 代码尚未。

• 知识增强了神经时尚趋势预测

  • Yunshan MA等。
  • 代码尚未。

• 增强样本外比较方法的时间序列预测技术

  • Igor Ilic等。
  • 代码尚未。

• 使用缩小的深神经网络ICIM 2020增强高频技术指标预测

  • Xiaoyu Tan等。
  • 代码尚未。

• 时间序列预测深度学习：调查好的摘要

  • 布莱恩·林（Bryan Lim）和斯特凡·佐伦（Stefan Zohren）
  • 民意调查

• 神经预测：介绍和文学概述

  • Konstantinos Benidis等。
  • 不是概述。

• 小睡：行人轨迹的非自动回归预测

  • Hao Xue等。
  • 代码尚未。

• 轨道：概率预测，指数平滑

  • Edwin Ng等。
  • 可应要求提供代码。

• 使用机器学习的日常零售需求预测，重点是日历特殊日子

  • Jakob Huber和Heiner Stuckenschmidt。
  • 代码尚未。

• 在多元不规则采样时间序列中预测，值缺失

  • Shivam Srivastava等。
  • 代码尚未。
  • IBM Almaden研究中心。

• 使用深神经网络的时间序列数据中的多标签预测

  • Wenyu Zhang等。
  • 代码尚未。

• 贸易：密度估计的变压器

  • Rasool Fakoor等。
  • 代码尚未。

• 高频交易价格变动的深度概率建模

  • Ye Sheen Lim和Denise Gorse。
  • 代码尚未。

• 非线性系统标识的深度状态空间模型

  • 丹尼尔·盖顿（Daniel Gedon）等。
  • 代码尚未。

• 零射击和少量时间的时间序列预测，序列回归复发性神经网络

  • Bernardo Perez Orozco和Stephen J. Roberts。
  • [代码]

• 财务时间序列表示学习

  • Philippe Chatigny等。
  • 代码尚未。

• G-NET：一种在动态治疗方面的反事实结果预测的深度学习方法

  • Rui Li等。
  • • IBM research and MIT
  • 代码尚未。

• 深马尔可夫时空分解

  • Amirreza Farnoosh等。
  • 代码尚未。

• 时间序列预测的谐波经常性过程

  • Shao-Qun Zhang和Zhi-hua Zhou。
  • 代码尚未。

• 弹性机器学习算法中的亚马逊萨吉式制造商

  • Edo Liberty等。
  • 代码尚未。

• 深度学习时间序列数据的增强：调查

  • 年轻的Wen等。
  • 代码尚未。

• hankel张量Arima用于多个短期序列预测AAAI 2020 Meta-Learning

  • Qiquan Shi等。
  • [代码]

• 从Kaggle的预测比赛中学习

  • Casper Solheim Bojer等。
  • 代码尚未。

• 层次组件的大规模需求预测的行业案例

  • Rodrigo Rivera-Castro等。
  • 代码尚未。

• 多变量概率时间序列序列预测通过条件归一化流量

  • Kashif Rasul等。
  • [代码]。

• 预测：一个时间变化的深层馈送前馈神经网络体系结构，用于多步预测预测

  • Joel Janek Dabrowski等。
  • 代码尚未。

• 网络安全的异常检测：时间序列预测和深度学习Good review about forecasting

  • 佐丹奴Colò。
  • 代码尚未。

• 事件驱动的连续时间贝叶斯网络

  • Debarun Bhattacharjya等。
  • Research AI, IBM
  • 代码尚未。

• 多元时间序列的本地和全球时间动力学的联合建模预测与缺失值AAAI 2020

  • Xianfeng Tang等。
  • IBM Research, NY
  • 代码尚未。

• 基于拓扑的聚类回归用于用户细分和需求预测

  • Rodrigo Rivera-Castro等。
  • 代码尚未。

• 用于工业流程中模式分类的进化LSTM-FCN网络

  • Patxi Ortego等。
  • 代码尚未。

• 使用LSTM和微型批次预测多元时间序列数据

  • Athar Khodabakhsh等。
  • 代码尚未。

• 具有自适应共享记忆的张力LSTM，用于多元时间序列的学习趋势AAAI 2020

  • Dongkuan Xu等。
  • [代码]

• 随机多对象系统ICLR 2020关系状态空间模型

  • Fan Yang等。
  • 代码尚未。

• for2for：学习从预测中进行预测

  • Zhao，Shi等。
  • 代码尚未。

• 通过多任务和多视图学习AAAI 2020自我增强时间序列预测

  • Long H. Nguyen等。
  • 代码尚未

2019

• 增强局部性并破坏变压器的内存瓶颈，预测参考

  • Shiyang Li等。
  • [代码]

• 预测大时间系列：理论与实践KDD 2019相关教程

  • 克里斯托斯·法属（Christos Faloutsos）等。
  • [代码]

• 深度不确定性量化：天气预报的机器学习方法

  • 本·王等。
  • [代码]

• 时间序列预测的指数平滑和复发性神经网络的混合方法

  • Slawek Smyl
  • Winning submission of the M4 forecasting competition
  • [代码]

• 全球思考，在本地行动：高维时间序列的深度神经网络方法预测NeurIPS 2019

  • Rajat Sen等。
  • Amazon
  • [代码]

• 深度景观预测实时出价广告KDD 2019

  • Kan Ren等。
  • [代码]

• 相似性保留表示时间序列集群的代表性学习

  • 齐雷等。
  • IBM research
  • [代码]

• DSANET：多元时间序列的双重自我注意力网络预测

  • Siteng Huang等。
  • 代码尚未。

• 使用深层神经网络增强时间序列势头策略

  • Bryan Lim等。
  • 代码尚未。

• 动态时间滞后回归：预测什么和何时

  • 曼达·钱德卡尔（Mandar Chandorkar）等。
  • 代码尚未。

• 时间序列生成的对抗网络NeurIPS 2019

  • 金因元。等。
  • 代码尚未。

• 临时融合变压器，用于可解释的多晶时间序列预测

  • Bryan Lim等。
  • Google Research
  • [代码]

• 深层摊销的变异推断对多变量时间序列的归类用于潜在高斯工艺模型

  • Vincent Fortuin等。
  • 代码尚未。

• 临床预测的深层生理状态空间模型

  • Yuan Xue等。
  • 还没有

• AR-NET：时间序列的简单自动回归神经网络

  • Oskar Triebe等。
  • Facebook Research
  • 代码尚未。

• 使用经常性神经网络学习工业设计优化的时间序列数据

  • Sneha Saha等。
  • Honda Research Institute Europe GmbH
  • 代码尚未。

• 鲁棒：长期系列的强大季节性趋势分解算法

  • 年轻的Wen等。
  • [代码]

• 使用哈密顿动力学构建梯度可控的复发性神经网络

  • Konstantin Rusch等。
  • 代码尚未。

• SOM-VAE：可解释的离散表示学习时间序列ICLR 2019

  • Vincent Fortuin等。
  • [代码]

• 多元时间序列NeurIPS 2019在应用中无监督的可伸缩表示学习 - 时间序列分析

  • Jean-Yves Franceschi等。
  • [代码]

• 对不完整的多模式时间序列的深度马尔可夫模型中的推断进行分级推断

  • Zhi-Xuan Tan等。
  • 代码尚未。

• 您可能不需要时间序列的订单预测

  • Yunkai Zhang等。
  • 代码尚未

  

• 训练的形状和时间失真损失深度时间序列预测模型NeurIPS2019

  • Vincent Le Guen和Nicolas Thome。
  • [代码]

• 非凸线在线预测NeurIPS 2019动态本地遗憾

  • Sergul Aydore等。
  • [代码]

• 多维时间序列预测的贝叶斯时间分解

  • Xinyu Chen和Lijun Sun
  • [代码和数据]

• 概率顺序基质分解

  • ÖmerDeniz Akyildiz等。
  • 代码尚未

• 时间序列的顺序VAE-LSTM用于异常检测

  • Run-Qing Chen等。
  • 代码尚未

• 高维多元预测与低级高斯副库过程NeurIPS 2019

  • 大卫·萨利纳斯（David Salinas）等。
  • 代码尚未

• 经常性神经过滤器：学习独立的贝叶斯过滤步骤，用于时间序列预测

  • Bryan Lim等。
  • 代码尚未

• LHCNN：一种利用卷积神经网络的新型高效多元时间序列预测框架

  • Chengxi Liu等。
  • 代码尚未

• Sktime：随时间连续的机器学习统一接口

  • [代码]

• 时间序列预测的循环神经网络：当前状态和未来方向

  • [代码]

• 评估时间序列预测的统计和机器学习模型：确定使用每个模型的最新和最佳条件

  • Antonio Rafael Sabino Parmezan，Vinicius Ma Souza和Gustavo EAPA Batista。 USP

• 可解释的多变量时间序列预测IJCAI 2019可解释的深神经网络

  • 罗伊·阿萨夫（Roy Assaf）和阿尼卡·舒曼（Anika Schumann）。
  • IBM Research, Zurich
  • 代码尚未

• 带有反复自动编码器合奏的时间序列的离群值检测IJCAI 2019

  • [代码]

• 学习概率时间序列的可解释的深层空间模型预测IJCAI 2019

  • 代码尚未

• 预测ICML 2019深度因素

  • Yuyang Wang等。
  • 代码尚未

• 概率预测带有样条分位数函数RNN

  • 代码尚未

• 深度学习时间序列分类：评论

  • 代码尚未

• 时间序列分类的多元LSTM-FCN

  • 代码尚未

• 分类预测方法的标准

  • 代码尚未

• Gluonts：Python中的概率时间序列模型

  • [代码]

• Deepar：具有自回旋复发网络的概率预测

  • 大卫·萨利纳斯（David Salinas）等。
  • 代码尚未

2018

• 对短期负载预测的复发神经网络的概述和比较分析

  • Filippo Maria Bianchi等。
  • 代码尚未。

• 统计和机器学习预测方法：疑虑和前进的方向

  • Spyros Makridakis等。
  • 代码尚未。

• 参加和诊断：使用注意模型AAAI 2018临床时间序列分析

  • Huan Song，Deepta Rajan等。
  • 还没有。

• 精确和回忆时间序列NeurIPS2018

  • Nesime Tatbul等。
  • 代码尚未。

• 时间序列的深度状态空间模型预测NeurIPS2018

  • 代码尚未

• 高斯流程的深度因素用于预测

  • Third workshop on Bayesian Deep Learning (NeurIPS 2018)
  • [代码]

• 扩散卷积复发性神经网络：数据驱动流量预测ICLR 2018

  • Yaguang Li等。
  • [代码]

• 深度时间聚类：完全无监督的时间域特征

  • Naveen Sai Madiraju等。
  • [代码 - 非官方实施]

• 用深层神经网络对长期和短期时间模式进行建模

  • Guokun Lai，Wei-Cheng Chang，Yiming Yang，Hanxiao Liu
  • [代码]

• 使用经常性边际结构网络NeurIPS 2018预测治疗反应随着时间的流逝

  • 布莱恩·林。等。
  • 代码

• 用于多元时间序列预测的基于内存网络的解决方案

  • Yen-Yu Chang等。
  • 代码 - 非官方实施]

2017

• 通过长期的短期记忆网络进行深入学习，用于金融市场预测

  • 菲舍尔，托马斯和克劳斯，克里斯托弗。
  • 代码尚未。

• 判别状态空间模型NIPS 2017

  • Vitaly Kuznetsov和Mehryar Mohri。
  • 代码尚未。

• 混合神经网络学习时间序列的趋势评论趋势

  • Tao Lin等。
  • 代码尚未。

2016

• 通过复发性神经网络预测多个短时间序列的数据预处理和增强

  • Slawek Smyl和Karthik Kuber
  • 代码尚未。

• 高维时间序列预测NIPS 2016

  • Hsiang-Fu Yu等。
  • [代码]

• 时间序列预测和在线学习JMLR 2016

  • Vitaly Kuznetsov和Mehryar Mohri。
  • 代码尚未。

• 深神经网络，梯度增强的树木，随机森林：标准普尔500指数的统计套利

  • Krauss，Christopher等。
  • 代码尚未。

比较：经典方法与深度学习方法

• 预测经济和金融时间序列：Arima vs。 LSTM

• LSTM和Arima之间的比较研究，用于零售的销售预测

• Arima/Sarima vs LSTM具有时间序列数据的合奏学习见解

会议

• 机器学习

  • 神经
  • ICML
  • ICLR

• 人工智能

  • AAAI
  • aistats
  • ICANN
  • ijcai
  • UAI

比赛

• M5比赛
• M4比赛

代码

• 笔记本
• 代码

理论资源

• 时间序列预测微软的最佳实践和示例

• 注意时间序列分类和重新构成

• 高维时间系列的深度学习

• 深入学习AI优化

• LSTM的反向传播

• LSTM模型上通过复发神经网络进行股票市场预测

• 与本地可计算损失的分层层次复发性神经网络

• 深度学习的时间序列分析：简化

• ML技术适用于股票价格

• 预测：原理和实践：滑动良好的材料

代码资源

• 变压器时间序列预测

• 深层：时间序列预测的深度学习模型。

• VARSTAN：带有Stan结构化时间序列模型的贝叶斯分析的R包装

• 时间序列生成的对抗网络：TSGAN

• Deep4cast：不确定性下的决策预测

• 火灾：用于多变量时间序列预测的Sklean样式软件包。

• 次会：预测在短时间内的有效繁殖数

• 电力载荷预测：使用Arima，RNN，LSTM和GRU模型对德里地区电力负载进行预测。

• 时间序列和R中的预测

• LIMESERIESAI：使用FastAi / Pytorch的时间序列 /顺序数据实用的深度学习。

• TimeScaledB：为快速摄入和复杂查询而优化的开源时间序列SQL数据库。包装为后Gresql扩展名。

• TSSTUDIO：时间序列分析和预测工具

• 先知：自动预测程序

• PYTS：时间序列分类的Python软件包

• 使用细心的神经过程预测功率使用

• 使用寓言-r的非高斯预测

• Sktime

• 具有代码的论文 - 多元时间序列预测

• 亚马逊的Deepar

• Amazon的DFGP

• https://www.kaggle.com/c/demand-forecasting-kernels-ly

• https://www.kaggle.com/c/favorita-grocery-sales-forecasting

• https://www.kaggle.com/c/grupo-bimbo-inventory-demand

• https://www.kaggle.com/c/recruit-restaurant-visitor-forecasting

• 预测/假设M4竞争的发现

• Pytorch-Forecasting：与Pytorch预测时间序列的Python软件包。它包括最先进的网络体系结构

数据集

• 精彩的时间序列数据库列表

• UCI的电力数据集

• UCI的流量数据集

• UCI的空气质量

• 西雅图高速公路交通速度

• kaggle-web流量时间序列预测