基于图卷积网络和门控循环单元的多站点气温预测模型

CORC > 兰州理工大学 > 兰州理工大学 > 党委学生工作部（学生处、易班、武装部）

	基于图卷积网络和门控循环单元的多站点气温预测模型
	马栋林; 马司周; 王伟杰
刊名	计算机应用
	2021-04-15
卷号	42 期号:01 页码:287-293
关键词	时空预测气温预测多站点时空特征图卷积网络门控循环单元
英文摘要	时空预测任务在神经科学、交通、气象等领域应用广泛。气温预测作为典型的时空预测任务,需要挖掘气温数据中固有的时空特征。针对现有气温预测算法存在预测误差大、空间特征提取不充分的问题,提出一种基于图卷积网络和门控循环单元的气温预测(GCN-GRU)模型。首先,使用重新分配权重和多阶近邻连接方式修正图卷积网络(GCN),以有效挖掘气象数据独特的空间特征;然后,将门控循环单元(GRU)中每个循环单元的矩阵乘法替换成图卷积操作,并将所有的循环单元串联起来构成图卷积门控层;接着,使用图卷积门控层搭建网络主体结构来提取数据的时空特征;最后,通过一个全连接的输出层输出气温预测结果。通过与GRU和长短期记忆网络(LSTM)等单一模型对比,GCN-GRU模型的平均绝对误差(MAE)分别减小了0.67和0.83;与切比雪夫图卷积和长短期记忆网络结合的预测模型(Cheb-LSTM)、图卷积网络和长短期记忆网络结合的预测模型(GCN-LSTM)对比,平均绝对误差分别减小了0.36和0.23。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/156111]
专题	党委学生工作部（学生处、易班、武装部）
作者单位	兰州理工大学计算机与通信学院
推荐引用方式 GB/T 7714	马栋林,马司周,王伟杰. 基于图卷积网络和门控循环单元的多站点气温预测模型[J]. 计算机应用,2021,42(01):287-293.
APA	马栋林,马司周,&王伟杰.(2021).基于图卷积网络和门控循环单元的多站点气温预测模型.计算机应用,42(01),287-293.
MLA	马栋林,et al."基于图卷积网络和门控循环单元的多站点气温预测模型".计算机应用 42.01(2021):287-293.