$ loading_
用于训练、对比并预测时间序列数据的深度学习模型服务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"TimeSeriesMCPServer" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 TimeSeriesMCPServer 对过去24个月的月销售额数据分别训练 RNN、LSTM 和 GRU 模型，比较验证集表现，并预测未来6个月销售趋势，输出最佳模型及预测结果摘要。
包含三种模型效果对比、最佳模型选择依据，以及未来6个月销售预测结果的摘要。
请基于最近30天的每小时 CPU 使用率时间序列，使用 TimeSeriesMCPServer 训练 RNN、LSTM、GRU 模型，对比误差指标，并预测未来48小时负载变化。
返回负载预测结果、各模型误差指标对比，以及推荐使用的预测模型。
我有一组传感器时间序列数据，请用 TimeSeriesMCPServer 分别训练 RNN、LSTM 和 GRU，评估各模型表现，并给出哪个模型更适合该数据集的结论。
输出各模型训练与评估结果、性能比较，以及针对该数据集的最佳模型建议。
让大模型发现、组合并执行 sktime 时间序列建模工作流。
通过MCP提供仓库分析、计算、天气、时间和命令执行
为兼容MCP的AI助手接入时间序列预测能力，生成智能预测结果。
提供计算、天气、时间戳与提示资源的 TypeScript MCP 服务端集成工具。
提供跨时区当前时间查询与时间换算，便于开发和自动化集成。
提供算术计算、当前时间获取与文本分析的入门级 MCP 工具服务。