动态自适应时空图网络

该网络通过动态融合混合时空效应，在细粒度层面同时捕捉时间、空间和直接传播效应，并在粗粒度层面刻画时变干预下不同时空邻域的影响，实现了对复杂传播过程的统一建模。

Pu, Xiaojun · 朱嘉奇 · 吴允昆 · 冷昶 · Zitong, Bo · 王宏安

CAAI Transactions on Intelligence Technology 2023

参数信息

均方根误差降幅

17.092 %

平均绝对误差降幅

11.563 %

技术优势

误差大幅降低

在三个 COVID-19 数据集上，均方根误差最大降低 17.092%，平均绝对误差最大降低 11.563%，预测精度显著提升。

能捕捉传播特征

模型中各模块学习到的时空权重矩阵能够揭示不同场景下的扩散模式，有效检测 COVID-19 的传播特征。

应用场景

• 疫情预测：为公共卫生部门提供更准确的疫情传播预测，辅助防控决策。
• 时空数据建模：用于其他时空预测任务，如交通流预测、气象预报等，捕捉复杂时空依赖。