time-series-forecasting

Chronos：用于时间序列预测的预训练模型

Python 中的概率时间序列建模

TimeGPT-1：可投入生产的预训练时间序列基础模型，用于预测与异常检测。生成式预训练变压器在超过 100B 个数据点上训练，能准确预测零售、电力、金融与 IoT 等多个领域，只需几行代码 🚀

本仓库包含关于时间序列预测/预测（TSF）和时空预测/预测（STF）的阅读清单，按模型类型分类

专业整理的时间序列 Transformer 相关优质资源（论文、代码、数据等）清单

使用深度学习进行时间序列预测的论文、代码与实验列表

[ICLR 2024] "🦙 Time-LLM: Time Series Forecasting by Reprogramming Large Language Models" 的官方实现

[AAAI-23 Oral] 论文“Are Transformers Effective for Time Series Forecasting?”的官方实现

使用 PyTorch 通过机器学习与深度学习解决实际问题的 Jupyter Notebook 教程。主题包含：使用 Detectron 2 进行人脸检测、使用 LSTM Autoencoders 进行时间序列异常检测、使用 YOLO v5 进行对象检测、建立你的第一个神经网络、针对冠状病毒每日确诊数的时间序列预测、使用 BERT 进行情感分析

用于时间序列预测、分类与异常侦测的深度学习 PyTorch 函数库（最初用于洪水预测）。

AssetOpsBench - 工业 4.0：针对工业 4.0 资产运营与维护构建、编排及评估领域专属 AI 代理的统一基准与框架，包含 460 多种情境、5 个专家代理（IoT、FMSR、TSFM、工单等），以及基于 MCP 的多代理编排蓝图（MetaAgent、AgentHive）。

“iTransformer: Inverted Transformers Are Effective for Time Series Forecasting” (ICLR 2024 Spotlight) 的官方实现。

[ICLR 2024] “TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting”官方实现

[PVLDB 2024 最佳论文提名] TFB：迈向全面且公平的时间序列预测方法基准测试

Lag-Llama：迈向概率时间序列预测的基础模型

通用时间序列预测 Transformer 的统一训练

使用兼容 scikit-learn 的模型、统计方法和基础模型进行时间序列预测的 Python 库

来自顶级 AI 会议的最新时间序列论文与代码精选列表。

论文、代码和其他资源清单

计算机科学顶级会议（NIPS、ICML、ICLR、KDD、AAAI、WWW、IJCAI、CIKM、ICDM、ICDE 等）的时间序列研究总结。

[ICLR 2025 Spotlight] “Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts”官方实现

tfts：TensorFlow 中的时间序列深度学习模型

[TPAMI 2024] 用于时间序列分析的 GNN 精选资源 (GNN4TS)

MOMENT：一系列开放的时间序列基础模型，ICML'24

关于时间序列预测与深度学习的资源。

结合统计与计量经济学方法的概率型阶层预测 👑。

用于处理时间序列与序列数据的资源

适用于 Elasticsearch 中 DataFrames、大数据、机器学习与 ETL 的 Python 客户端与工具包

使用 ARIMA、RNN、LSTM 及 GRU 模型预测德里电力负荷。

TimeCopilot：生成式 AI 预测代理。基于大语言模型与时间序列基础模型，通过单一 API 即可进行预测、交叉验证与异常检测。从金融、能源到网页分析，TimeCopilot 能将自然语言查询转化为生产级预测。