一种顾及空间邻近度的时空预测方法

时空预测问题中需要对时间和空间依赖进行捕捉,如何精确地提取数据中的时空特征,拟合复杂的非线性时空关系是其主要挑战和核心任务之一.提出一种顾及空间邻近度的时空预测方法,采用反欧氏距离加权的图卷积神经网络来提取时空序列的空间特征,并将所提取的空间特征输入到参数少,训练速度较快的门控循环单元来提取时间特征,从而进行时空预测.选取4种时空预测方法进行对比实验,并在两组真实的社交媒体签到数据集上进行了验证.实验结果表明,本文方法相比其他时空预测模型在均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)这3个预测结果评价指标上均有不同程度的提高,说明本文方法具有较高的预测精度,能够较好地拟合时空序列的非线性关系,实现时空预测.