该研究提出了一种新型图神经网络框架，以提高多变量时间序列预测的准确性。通过图学习模块和混合传递层，模型有效捕捉变量间关系及时间序列的空间时间相关性。实验结果表明，该模型在多个基准数据集上优于现有方法，展现出良好的预测性能和效率。