轻量级长时预测
一种结合Transformer编码器和选择性状态空间模型的轻量级时空网络，用频域通道混合增强多通道信息交互，以低于600万参数实现高精度长期交通流量预测。
Jianrong, Cao · Xing, Sheng · Jun-Zhe, Zhang · 段宗涛
Knowledge-Based Systems 2025
频域通道混合模块利用Einstein矩阵增强通道相关性，实现最佳混合，解决了Transformer模型中通道混合策略效率低下的问题。
解码器中的选择性状态空间模型（SSM）机制能够过滤掉冗余历史数据，高效压缩长期信息，避免无关信息对预测的干扰。
模型参数量低于6M，浮点运算成本为27G，显著低于其他SOTA模型，使得长期交通流量预测在资源受限环境下更可行。