#time-series 仓库
共 143 个仓库
用一行代码自动构建时间序列数据集上的 ARIMA、SARIMAX、VAR、FB Prophet 和 XGBoost 模型。由 Ram Seshadri 创建。欢迎合作者。
开源、原生支持 SQL 的时序数据库,专为需要长期保存的遥测数据打造。每秒写入 3800 万条以上记录,每秒查询 2500 万行以上。兼容 InfluxDB Line Protocol 和 Telegraf。数据以开放的 Parquet 格式存储在您的存储设备上。单一二进制文件。原生支持 S3/Azure。可在隔离网络环境中部署。AGPL-3.0。
使用 TensorFlow LSTM(长短期记忆)神经网络进行时间序列预测以预测股票价格
TimeCopilot:智能体预测框架。它基于大语言模型(LLM)和时间序列基础模型构建,让您通过单一 API 使用多个基础模型进行预测、交叉验证和异常检测。从金融、能源到网站分析,TimeCopilot 可将自然语言查询转化为可用于生产环境的预测结果。
达拉然 — Apache-2.0,面向多模态时间序列的机器人优先可视化和数据基础设施。原生支持ROS 2,可读取现有的.rrd录音。是Rerun的一个硬分叉。
论文《A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series》的仓库。
“非平稳Transformer:探索时序预测中的平稳性”(NeurIPS 2022)代码发布,https://arxiv.org/abs/2205.14415
论文“SAITS: 基于自注意力的时间序列插补”的官方PyTorch实现。一个快速且最先进的(SOTA)深度学习神经网络模型,用于高效的时间序列插补(使用机器学习插补包含NaN缺失数据/值的多变量不完整时间序列)。https://arxiv.org/abs/2202.08516
SiriDB 是一个高度可扩展、健壮且超级快速的时间序列数据库。从头构建的 SiriDB 使用一种独特的机制运行,无需全局索引,并允许随时添加服务器资源。SiriDB 的独特查询语言包括时间序列的动态分组,便于对大量时间序列进行轻松分析。