STIDDN: Spatio-Temporal Information Dual-Layer Diffusion Network for Multi-Source Time Series Collaborative Forecasting

doi:10.1007/s11424-026-5092-0

STIDDN: Spatio-Temporal Information Dual-Layer Diffusion Network for Multi-Source Time Series Collaborative Forecasting

2026-05-20

0

PRE

AI

DOI：10.1007/s11424-026-5092-0

原文链接

原文求助

摘要

En 中文

随着现代信息技术的进步，多源时间序列数据的收集与分析在决策制定和流程管理中发挥着重要作用。然而，由于捕捉时空信息的动态特征较为复杂，多源时间序列预测仍是一个具有挑战性的问题。以往的时空模型通常忽视了多变量数据特征中物理依赖与空间依赖的整合，以及动态扩散的影响。为解决这些挑战，作者提出了用于多源时间序列协同预测的时空信息双层扩散网络（STIDDN）。STIDDN采用残差LSTM网络对每个站点内部特征的时序依赖进行建模，而双层扩散图卷积网络（Dual-DGCN）则专注于捕捉站点间的物理和空间双层依赖关系，以及动态扩散过程。通过利用跳连接和多头注意力机制整合时空信息，STIDDN实现了多站点间的有效协同预测。大量实验结果表明，所提出的模型在两种不同的时空预测任务数据集上均一致优于先进的基线模型。

Keyword:

Graph convolution network

information diffusion

spatio-temporal model

time series forecasting

STIDDN: Spatio-Temporal Information Dual-Layer Diffusion Network for Multi-Source Time Series Collaborative Forecasting

摘要

期刊

机构