多时空空气质量预测与集成监测和再分析数据
原文中文,约300字,阅读约需1分钟。发表于: 。基于图卷积网络和门控循环单元(M2G2)的多空间多时间空气质量预测方法弥合了空气质量预测跨空间和时间尺度的差距,并通过多尺度空间图卷积(MS-GCN)和多尺度时间门控循环单元(MT-GRU)模块实现了综合信息交换与整合,提高了 accuracy。
本文介绍了一种新的多时空融合图循环网络(MSTFGRN)用于交通预测,通过数据驱动的加权邻接矩阵生成方法和双向时空融合操作来学习隐藏的空时依赖关系,并整合全局注意机制来捕获全局时空依赖性。实验结果表明,该方法在四个大规模真实世界交通数据集上实现了最先进的性能。