融合双注意力机制的GNN多维时间序列预测

• 全文链接
• 请求原文

作   者：

范航舟;  梅红岩;  赵勤;  张兴;  程耐; 

作者机构：

辽宁工业大学电子与信息工程学院; 

关键词：

注意力机制;  图神经网络;  特征融合;  卷积神经网络;  时间卷积网络;  多维时序预测;  深度学习;  时空特征; 

期刊名称：

智能系统学报

i s s n：

1673-4785

年卷期：

2024 年 19 卷 005 期

页   码：

1277-1286

摘   要：

针对现有多维时间序列数据(multivariate time series,MTS)预测中变量间依赖关系捕获能力不足和时间序列数据多通道信息利用不充分的问题,提出一种融合双注意力机制的多维时间序列预测模型(feature fusion and dual attention mechanism based GNN,FFDA-GNN).该模型将图神经网络与空间注意力机制融合,用于增强多变量之间依赖关系捕获能力;利用并行的多层膨胀卷积和通道注意力机制,对时间序列数据进行多通道的特征提取,实现对时间序列数据多通道信息的充分利用,从而提升预测性能.在经济、电力、交通 3 个领域数据集上与基准模型进行对比实验,该模型预测精度优于其他基准方法,有良好的可行性.