专著简介
时序智能——面向时间序列分析的人工智能方法
本书面向对时间序列分析与人工智能感兴趣的读者，旨在系统梳理相关基础知识，深入讲解从传统统计建模到前沿深度学习方法的关键技术与实际应用。作者团队将持续关注开源社区及学术前沿，认真采纳专家学者的意见与建议，并计划定期进行更新，力求打造一本兼具可读性、实用性与学术研究价值的时序智能专著。
本书内容包括介绍、基础概念、时间序列预测、时间序列异常检测、时间序列分类、自动化时间序列分析、时间序列基础模型、时间序列评测基准、神经微分方程时间序列分析等九部分。每章内容均基于作者团队在相关方向的探索与实践整理而成，仅代表作者团队的理解，如有疏漏或错误，诚恳欢迎读者提出宝贵意见。未来，团队将继续拓展更多前沿方法、实用工具及评测标准，并逐步完善专著内容。
当前完整的本书PDF版本路径为时序智能.pdf。其它下载路径：Google Drive，百度网盘。其中每个章节的内容目录如下表所示。
章节结构
第1章：介绍
1.1 读者对象
1.2 本书结构
1.3 初识时间序列
1.4 时间序列的定义和分类
1.5 时间序列算法的发展历程
第2章：基础概念
2.1 时间序列数据概述
2.2 时间序列数据治理
2.3 时间序列数据建模角度
2.4 基础深度学习模型
第3章：时间序列预测
3.1 时间序列预测定义及流程
3.2 时间序列预测模型训练与评估
3.3 时间序列预测模型
3.4 时间序列通道关系
3.5 时间序列概率预测
第4章：时间序列异常检测
4.1 时间序列异常检测定义及流程
4.2 时间序列异常类型
4.3 时间序列异常检测模型训练与评估
4.4 时间序列异常检测模型
第5章：时间序列分类
5.1 时间序列分类定义及流程
5.2 时间序列分类模型训练与评估
5.3 时间序列分类模型
5.4 时间序列分类自监督方法
第6章：自动化时间序列分析
6.1 时间序列分析自动化简介
6.2 时间序列分析模型自动选择
6.3 时间序列分析模型自动集成
6.4 时间序列分析模型自动设计
第7章：时间序列基础模型
7.1 基于预训练的时间序列基础模型
7.2 基于大语言模型的时间序列基础模型
第8章：时间序列评测基准
8.1 测评基准的背景与意义
8.2 时间序列测评基准的发展脉络
8.3 时间序列测评基准框架
8.4 数据层
8.5 方法层
8.6 评估层
8.7 报告层
第9章：神经微分方程时间序列分析
9.1 微分方程与时间序列
9.2 神经微分方程
9.3 相关应用研究
关于作者
主编
郭晨娟
华东师范大学 数据科学与工程学院
教授 博士生导师 国家级青年人才 上海市领军人才
副主编
核心编写组
该书编写工作由华东师范大学决策智能实验室（Decision Intelligence Lab）成员共同参与完成，
负责专著的章节编写、案例设计、实验验证与配套资源开发。
参与成员如下（按照姓名音序排列）：
陈鹏、陈宇轩、成涵吟、丁逸飞、高洪帆、胡诗彦、黄姗姗、金建新、雷智、李北步、李哲、李正宇、陆骏凯、卢雨凝、邱翔飞、邱钰莹、申屠琦超、田锦东、王益杭、汪琳丰、汪思远、吴行健、严思雨、徐榕荟、张睿桐、郑兴泽