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。

河流 数据集 时间序列 径流 时间序列数据集 2025-04-03 22:31  1

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

模型 论文 速递 时间序列 多元时间序列 2025-04-03 11:56  2

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

模型 论文 gnn 时间序列 多元时间序列 2025-04-03 11:55  2

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。

组合 python 时间序列 python代码 sprt 2025-03-27 10:06  4

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

模型 应用 时间序列 时间序列数据 timedp 2025-03-26 10:47  3

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。

方法 解码器 专利 微分方程 时间序列 2025-03-25 21:00  4

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。

预测 deepseek 时间序列 时间序列模型 arima 2025-03-19 15:26  5

“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：

模型 预测 先付 时间序列 赌命 2025-03-19 08:09  4

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

中控 时间序列 tpt 模型tpt 工业时间序列 2025-03-18 00:00  6

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。

应用 时间序列 特征提取 时间序列数据 时间序列特征提取 2025-03-13 14:27  5

国家知识产权局信息显示，中国电建集团北京勘测设计研究院有限公司申请一项名为“一种基于独立分量的含缺值时间序列分析方法”的专利，公开号 CN 119377595 A，申请日期为2024年10月。

电建 时间序列 时间序列分析方法 2025-01-30 20:53  8

import stumpy as spimport pandas as pdimport numpy as npimport scipy.signal as signalimport matplotlib.pyplot as pltfrom ts_transf

python bert 时间序列 2025-01-30 14:23  8

数据泄露是指在预测时理论上无法获取的信息，通过某种方式影响了模型的训练过程。在时间序列分析中，由于数据的时序特性，这种问题尤为隐蔽。数据泄露会导致模型在训练阶段表现出远超其在实际生产环境中的准确性。

模型 时间序列 时间序列预测 2025-01-28 09:42  9

您可能没有这样想过，但请查看我们的示例列表——您可能会感到惊讶。从优化数据库性能、与第三方工具集成，到评估时间序列数据库时需要考虑的因素，涵盖的主题丰富多样，无论您是时间序列新手还是经验丰富的数据库管理员，都能从中受益。

时间序列 postgresql 时间序列数据 2025-01-22 10:43  9

在进行时间序列分析之前，确定序列的平稳性是一个关键步骤。平稳性指的是时间序列的统计特性（如均值和方差）在时间维度上保持不变。本文将详细介绍如何运用KPSS 检验和Dickey-Fuller 检验来验证序列的平稳性。这两种检验方法基于不同的统计假设：KPSS 检

adf 时间序列 假设检验 2025-01-22 11:01  9

状态空间模型通过构建生成可观测数据的潜在未观测状态模型来进行时间序列分析。作为该方法论的核心，卡尔曼滤波为实时估计这些隐状态提供了一个理论完备的解决方案。本文深入探讨这些方法的理论基础和实践应用，阐述其在多领域的适用性。

时间序列 时间序列分析 卡尔曼滤波 2025-01-20 10:50  9

状态空间模型通过构建生成可观测数据的潜在未观测状态模型来进行时间序列分析。作为该方法论的核心，卡尔曼滤波为实时估计这些隐状态提供了一个理论完备的解决方案。本文深入探讨这些方法的理论基础和实践应用，阐述其在多领域的适用性。

时间序列 时间序列分析 卡尔曼滤波 2025-01-20 11:01  9

标题Utilizing Image Transforms and Diffusion Models for Generative Modeling of Short and Long Time Series作者Ilan Naiman，Nimrod Berman

图像 neurips 时间序列 2025-01-20 07:08  9

TSFresh（基于可扩展假设检验的时间序列特征提取）是一个专门用于时间序列数据特征自动提取的框架。该框架提取的特征可直接应用于分类、回归和异常检测等机器学习任务。TSFresh通过自动化特征工程流程，显著提升了时间序列分析的效率。

时间序列 特征提取 tsfresh 2025-01-16 17:54  8

在现代数据分析领域，时间序列数据的处理和预测一直是一个具有挑战性的问题。随着物联网设备、金融交易系统和工业传感器的普及，我们面临着越来越多的高维时间序列数据。这些数据不仅维度高，而且往往包含复杂的时间依赖关系和潜在模式。传统的时间序列分析方法如移动平均等，在处

python 时间序列 mfles 2025-01-14 09:22  10