Python 时间序列中的模式预测

有人试图预测时间序列数据中的特定模式吗

示例：在特定时间内，时间序列中的某些变量会出现一个巨大的上升峰值。。。 我如何建立一个模型来预测下一次出现的峰值

如果有人在该区域工作，请务必回复

我试着在一个NumPy数组中转换那个特定的数据序列，并尝试输入模型，但这不允许我

这是数据看起来像

---

这些数据是以受控的方式生成的，这样我们就可以让这些峰值接近。。在实际情况中，这可能是随机的，我们的主要目标是捕捉这种模式并进行计数。

Das，您可以尝试实现基于LSTM的神经网络模型

见：

数据最好包含趋势。如果上升峰值发生在周期性时间间隔的同一时间，则更有可能获得更好的预测结果

在您共享的图像中，数据似乎有趋势。因此，LSTM模型可以非常有效地提取模式并输出预测

数据的统计建模也可以提供更好的结果

见：

Das，如果输出峰值总数仅仅是要求，那么我认为重神经网络模型有点过分了。然而，神经网络模型也可以很好地完成这项工作，但需要大量的数据输入来进行训练，并微调权重和偏差，才能得到真正好的结果

如何尝试实现一种基于阈值的技术，每次数据值超过预设阈值时都增加一个计数器？在这种方法中，您应该确保将非常接近的峰值分组在一起，以便在这种情况下计数仅为一个。在这里，您也可以在x轴上设置阈值

---

ie:-例如，对于给定的绘图，y阈值为4。如果你只考虑Y轴阈值（Y值4），那么你将得到一个5。这是因为对于15:48.2的x值，有两个峰值与y值4相交。因此，假设您在x轴上也设置了一个阈值，那么这些附近的峰值应在预设限值内组合在一起，最终计数为4（这是要求）。

听起来像是一个数学问题。例如，您可以使用随机森林预测值，也可能是统计问题的更合适论坛。您可能应该关注点过程。这里有一个链接。如果这是您想要的，可以就此进行进一步讨论。BestHello ROHITH，这些数据是以可控的方式生成的，这样我们就可以让这些峰值接近。。在实际情况中，这可能是随机的，我们的主要目标是捕捉这种模式并进行计数。希望我现在更清楚了。等待你对这个数据的思考，那么在你发布的图像的情况下，你最终期望的是输出“4”（作为一个数字）？（15:00.3和16:24.1之间的峰值总数）？是的，完全正确。我想建立一个机制，在这种情况下，我的输出为4。Das，请在修改后的答案中找到我的建议……你好，Rohith，你能详细说明一下上述阈值方法在x&y中有两个条件，并举一个例子吗？提前谢谢