本文提出了一種新的時空預測模型 W-DSTAGNN,結合小波分解和動態時空圖神經網絡,能夠有效捕捉交通流量數據中的非平穩性、非線性和動態時空依賴關係,並生成可靠的長期預測。
本文提出了一種創新的時空定量預測課程學習框架(STQCL),通過三種專門的課程學習調度器(空間、時間和定量)來簡化訓練過程,並整合所有三種數據類型,展示了STQCL對任何時空模型的適應性。
提出一個簡單有效的時空預測框架 EasyST,透過知識蒸餾和時空上下文學習,實現高效和泛化能力強的時空預測模型。