Bayesian Prophet: 带有日度和年度周期性的先知温度模型参数的贝叶斯优化，并包含附加回归系数

简介：
Bayesian Prophet是一种先进的贝叶斯优化方法，专门设计用于优化包含日常与年际周期性特征的温度预测模型。此方法通过引入额外的回归系数来增强模型精度，从而实现更准确的气候预报和趋势分析。 贝叶斯先知 使用贝叶斯优化改进了温度预测模型，并考虑每日和每年的季节性变化以及额外回归系数的影响。如果您喜欢 BayesianProphet，请给予支持或贡献代码。 该工具展示了趋势、年度及日度季节性的分解，例如英国剑桥地区的气温观测数据。 **安装与使用** - 安装最新版本所需的Python软件包：`pip install -r requirements.txt` - 克隆存储库并在本地Jupyter笔记本中打开相关文件或尝试远程访问以进行交互式分析。 关于数据清理、基线模型说明，以及每日和年度季节性变化的详细信息，请参阅有关剑桥英国温度预测的其他时间序列模型文档。假设与限制等内容已在上述链接提供的资料库中有详细介绍。 此外，在我的气象站R Shiny存储库中可以找到更多探索性的数据分析内容。