Computer Modeling in Engineering & Sciences（CMES）期刊特邀澳大利亚悉尼科技大学的温世平教授，以及中国西南财经大学的陈姚教授共同主持特刊“Advances in Deep Learning for Time Series Forecasting: Research and Applications” (深度学习在时间序列预测中的进展：研究与应用)。本专题旨在展示深度学习在时间序列预测领域的最新进展和未来方向。
特刊简介 ▉
Introduction to the Special Issue
近年来，深度学习作为人工智能领域时间序列预测中的一项关键突破，推动了诸多技术革命，并日益渗透到金融、环境科学、健康监测和能源管理等科学领域。这些先进模型通过利用海量数据集和复杂算法，不仅提升了数据分析的精准性，还为复杂的科学和工程难题提供了创新的解决方案。
从理论探索到实际应用，基于深度学习的时间序列预测模型在模拟和预测各种物理现象及复杂过程方面展现出了独特的优势。在金融领域，深度学习被用于分析和预测市场趋势；在环境科学中，它有助于预测气候变化和环境污染；在健康监测方面，深度学习技术在识别疾病模式和预测健康趋势方面发挥了重要作用。随着人工智能技术的快速发展，我们探索世界的方式正在经历一场根本性的变革。
我们诚邀全球研究人员提交原创研究论文、综述和技术报告，探讨与深度学习相关的创新应用、挑战及解决方案。
预期主题包括但不限于以下领域：
工业应用中的时间序列异常检测。
时间序列预测在气候建模、环境监测及可再生能源中的应用。
时间序列预测在数据驱动科学领域的应用。
时间序列预测在生物医学和医疗健康领域的应用。
通用时间序列预测算法与计算框架的开发。
时间序列预测模型的可解释性与稳健性研究。
深度学习模型中的安全性与隐私保护研究。
投稿截止日期：2025年8月31日
特刊主页：
https://www.techscience.com/CMES/special_detail/time_series_forecasting
扫码进入特刊主页
了解更多详情
客座编辑简介 ▉
Introduction to Guest Editor
温世平
澳大利亚悉尼科技大学教授
研究兴趣：神经网络，计算机视觉，安全关键控制，忆阻器。
陈姚
中国西南财经大学教授
研究兴趣：分布式计算，强化学习，复杂网络。
CMES期刊简介
版权声明
本文由泰克赛思南京办公室负责编译。详细内容请以英文原版为准。如需转载，请于公众号后台留言咨询。
联系方式: cmes@techscience.com
喜欢今天的内容？给我们点个【在看】吧！
