.png){kind=icon}
返回
Dynamic time-lagged relation graph structure learning for multivariate time series forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-026-03297-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，多变量时间序列（MTS）预测研究越来越多地采用图神经网络（GNN），该网络利用图结构表示MTS变量间的相关性。MTS数据中的变量表现出动态的时滞相关性。然而，现有研究要么忽略时滞关系，要么将其视为静态。为此，提出了一种动态时滞关系图结构学习模型（DTLGSL）以解决这些挑战。该模型结合内在结构信息和动态输入信息，以建模不同时间偏移下变量间的动态相关性。我们识别使变量间相关性最大的时间偏移作为时滞时间，并利用它们构建动态时滞关系图。学习到的图结构被应用于预测框架中，并通过训练持续更新。通过利用动态时滞关系，DTLGSL能够从领先变量中准确提取指导信息，从而实现更准确的预测。实验表明，考虑动态时滞关系比忽略它们能获得更好的预测性能。在比较预测任务中，DTLGSL比现有方法取得了更优的预测结果。
Keyword:
Multivariate time series prediction
Dynamic time-lagged relation graph
Dynamic graph learning
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
暂无机构信息
引用论文
MGSFformer: A Multi-Granularity Spatiotemporal Fusion Transformer for air quality prediction.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Dynamic spatiotemporal interactive graph neural network for multivariate time series forecasting用于多元时间序列预测的动态时空交互图神经网络
PREAI
分享收藏Probabilistic forecasting of renewable energy and electricity demand using Graph-based Denoising Diffusion Probabilistic Model基于图去噪扩散概率模型的可再生能源和电力需求概率预测ENERGY AND AI
OAAI
ENERGY AND AIIF9.6
OAAI分享收藏Adaptive Graph Structure Learning Neural Rough Differential Equations for Multivariate Time Series Forecasting自适应图结构学习神经网络粗糙微分方程用于多变量时间序列预测
PREAI
分享收藏Dynamic graph structure learning for multivariate time series forecasting多变量时间序列预测的动态图结构学习PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏DeepHGNN: Study of graph neural network based forecasting methods for hierarchically related multivariate time seriesDeepHGNN：基于图神经网络的高层相关多元时间序列预测方法研究OAAI
OAAI分享收藏Dynamic spatio-temporal graph network with adaptive propagation mechanism for multivariate time series forecasting具有自适应传播机制的动态时空图网络，用于多元时间序列预测
PREAI
分享收藏
查看更多内容