TSFpaper

这个项目是一个时间序列预测领域的论文合集，目前已经收录了超过400篇相关研究论文，按照模型类型进行了系统分类。对于从事时间序列预测或时空预测研究的学者和工程师来说，这个项目最大的价值在于它提供了一个结构化的知识图谱，帮助研究者快速了解该领域的研究脉络和发展趋势。以往要跟踪这个领域的最新进展，需要手动搜索各大顶会和arXiv上的论文，非常耗时费力，而这个项目通过社区维护的方式，让研究者能够一站式的获取最新研究动态。 从技术角度来看，这个项目最大的亮点在于它的分类体系非常精细。它不仅按照模型类型如CNN、RNN、Transformer等进行分类，还特别标注了每篇论文适用的预测类型，包括单变量时间序列预测、多变量时间序列预测和时空预测。项目对单变量和多变量预测的区分标准也很清晰，关键看模型是否考虑了变量之间的交互关系。这种细致的分类方式让研究者能够快速定位到自己感兴趣的研究方向。 这个项目的适用人群非常广泛。如果你是刚入门时间序列预测的研究生，可以通过这个列表快速建立对该领域的整体认知；如果你是资深研究员，可以及时了解最新发表在NeurIPS、ICML、ICLR等顶级会议上的工作；如果你是工业界的算法工程师，也可以从中找到适合业务场景的模型方案。特别是对于那些正在做股票预测、气象预测、交通流量预测等实际应用的人来说，这个项目提供了丰富的参考资源。 对于新手来说，这个项目几乎没有上手门槛。你只需要基本的学术阅读能力，能够看懂论文标题和摘要即可。项目维护者还特别欢迎社区贡献，如果你发现了相关的优秀论文，可以直接提交Pull Request来补充。不过要真正理解这些论文的内容，还是需要具备一定的时间序列分析和深度学习基础。总的来说，这是一个非常实用的研究工具，特别适合那些想要系统了解时间序列预测领域的研究者。