东南大学申请基于深度时间序列模型的车辆-桥梁参数同步反演识别方法专利，实现对桥梁结构损伤的准确高效检测
金融界 2025 年 5 月 16 日消息，国家知识产权局信息显示，东南大学;中国建筑一局(集团)有限公司;中建一局集团总承包建设有限公司申请一项名为“一种基于深度时间序列模型的车辆‑桥梁参数同步反演识别方法”的专利，公开号 CN119989456A，申请日期
时间序列
可观测性2.0？还是又回到日志的老路？
可观测性2.0回归日志本质，需解决高基数和高维度挑战。传统MELT三大支柱通过丢弃数据应对，已不适用云原生架构。未来需AI赋能，构建支持高容量、高维度日志的实时分析方案，利用OLAP和数据湖等技术，赋能AIOps和安全等场景，释放日志数据价值。
中国电信申请动态阈值确定方法专利，提升阈值配置效率
金融界2025 年 5 月 10 日消息，国家知识产权局信息显示，中国电信股份有限公司申请一项名为“动态阈值的确定方法、装置、电子设备及计算机程序产品”的专利，公开号 CN119941016A，申请日期为 2024 年 12 月。
基于大型语言模型的高效时间序列预测模型选择
时间序列预测在金融、医疗、能源等多个领域具有重要意义，其结果对于决策和规划起到关键作用。然而，选择合适的预测模型往往需要丰富的领域知识和大量计算资源。Abdallah等（2022）的研究表明，没有单一算法能在所有预测任务中一统天下，这使得对每个数据集暴力遍历所
中电信数智科技申请基于时间序列的私有云资源需求预测专利，可对私有云资源进行优化调整
国家知识产权局信息显示，中电信数智科技有限公司申请一项名为“基于时间序列的私有云资源需求预测方法及系统”的专利，公开号CN119917264A，申请日期为2024年12月。
论文结论难产？费力收集的数据用不了，这些“自救”技巧收藏好
写论文不怕花时间，最怕浪费时间，好不容易把数据收集了，却发现，代入模型根本分析出预期结论，总觉得是不是自己操作步骤弄错了，却很难去怀疑整篇论文围绕的结论根本做不出来。将近一半的内容，都得全部调整，有时候被逼得去调整数据，让它去跟结论符合。但又会被涉嫌学术不端，
数据趋势如何判断-时间序列预测
无论是制定预算、优化库存管理，还是探索新业务的潜力，时间序列预测都扮演着关键角色。本文将深入探讨时间序列预测的常见应用场景，介绍几种经典的时间序列模型（如移动平均、指数平滑、Holt-Winters、ARIMA和Prophet），并讲解如何评估模型效果，希望可
网络舆情图谱分析
舆情图谱的类型丰富多样。其中，时间序列图谱是较为常见的一种。它按照时间顺序对舆情事件的发生、发展过程进行呈现，清晰地展示出舆情在不同阶段的热度变化、话题演变等情况。例如，在某个重大社会事件发生后，时间序列图谱能够让我们一目了然地看到事件从爆发到平息过程中，公众
量化交易相关论文
ACM ICAIF（ International Conference on AI in Finance ）是由美国计算机学会（ACM）和 J.P. Morgan联手创办，金融和人工智能交叉领域的学术会议。本文介绍了ICAIF 2024 中收录的几篇量化交易相
基于Transformer架构的时间序列数据去噪技术研究
Transformer是一种专为处理序列数据而设计的高效神经网络架构。自2017年问世以来，Transformer已在自然语言处理(NLP)领域取得显著成就，并成为现代人工智能平台的核心组件，如OpenAI的ChatGPT[1]、Anthropic的Claud
transformer 时间序列 时间序列数据 transf 2025-04-06 17:11 5
【数据分享】1806—2022年全球41263条河流的径流指数时间序列数据集
水文过程的时空变化对全球生态系统、社会经济发展以及水资源管理至关重要。特别是在气候变化和人类活动加剧的背景下，深入理解河流径流的动态特征，不仅有助于揭示水循环的变化规律，也为防洪减灾、水资源调配和生态保护提供了科学依据。
论文速递|Graph-MoE模型让多元时间序列异常检测更精准
在工业物联网和智能运维领域，多元时间序列数据（如服务器传感器数据、设备运行状态）的异常检测至关重要。传统的异常检测方法往往难以捕捉变量间的复杂依赖关系，导致漏检或误检。近日，中国科学技术大学团队提出Graph-MoE模型，结合图神经网络与混合专家框架，在多个公
论文速度|Graph-MoE模型让多元时间序列异常检测更精准
在工业物联网和智能运维领域，多元时间序列数据（如服务器传感器数据、设备运行状态）的异常检测至关重要。传统的异常检测方法往往难以捕捉变量间的复杂依赖关系，导致漏检或误检。近日，中国科学技术大学团队提出Graph-MoE模型，结合图神经网络与混合专家框架，在多个公
时间序列异常检测：MSET-SPRT组合方法的原理和Python代码实现
在异常检测领域，尤其针对工业机械、核反应堆和网络安全等复杂系统，传统方法往往难以有效处理高维度且相互关联的数据流。多元状态估计技术(MSET)与序贯概率比检验(SPRT)的组合方法在此类场景中展现出显著优势。
TimeDP：创新时间序列生成模型，突破跨领域应用局限性
随着人工智能技术的飞速发展，时间序列数据的应用价值在众多领域崭露头角。然而，现有方法往往难以有效应对不同领域之间的差异性，这在很大程度上限制了其广泛应用。在此背景下，微软亚洲研究院提出了一种创新的时间序列扩散生成模型 TimeDP。该模型通过引入时间序列原型和
罗伯特·博世有限公司申请构建微分方程的设备和方法专利，迭代构建微分方程
国家知识产权局信息显示，罗伯特·博世有限公司申请一项名为“构建微分方程的设备和方法”的专利，公开号CN 119669618 A，申请日期为2024年9月。
Deepseek帮我生成了分析预测报告
随着人工智能技术的飞速发展，AI工具在数据分析和预测领域的应用越来越广泛。本文作者通过实际操作，展示了如何利用DeepSeek这一AI工具，仅用31天的假订单量数据，成功预测未来7天的订单量。
一文搞懂“预测模型”：原理、模型、流程
“到底怎么预测才准？”是数据领域终极难题。太多文章，在介绍预测方法本身，而具体到实际中：
中控技术：2024年6月发布流程工业时间序列大模型TPT并在百余套装置上应用
投资者：近期友商发布了物理ai系列软件，应用场景是各类工业场景，请问公司怎么看，公司有类似的产品么中控技术董秘：尊敬的投资者，您好。2024年6月，公司已在新加坡面向全球发布了自主研发的流程工业时间序列大模型TPT（Time-seriesPre-trained
时间序列特征提取：18 种高效工具库及其应用分析
时间序列特征提取是数据科学工作流程中的关键环节，能够将原始时间序列数据转化为具有分析价值的特征表示。本文详细介绍 18 种专业的 Python 库，这些库可用于从时间序列数据中提取关键特征，支持数据科学家进行更深入的分析与建模。