ASTGI：适用于不规则多变量时间序列的自适应时空图交互
机器学习
2026-03-16 v3
摘要
不规则多变量时间序列（IMTS）在医疗和金融等关键领域广泛存在，准确预测对主动决策至关重要。然而，IMTS特有的异步采样和不规则间隔带来两个核心挑战：（1）如何在不引入数据失真的前提下准确表示不规则时间序列的原始信息；（2）如何有效捕获观测点之间复杂的动态依赖关系。为此，我们提出自适应时空图交互（ASTGI）框架。具体而言，框架首先采用时空点表示模块，将每个离散观测编码为时空嵌入空间中的一个点。随后，采用邻域自适应图构建模块通过最近邻搜索为每个点自适应构建因果图。接着，采用时空动态传播模块基于点之间相对时空位置生成消息并计算交互权重，迭代更新这些自适应因果图上的信息。最后，采用查询点预测模块对新查询点的邻域信息进行聚合并进行预测。多个基准数据集上的大量实验表明，ASTGI优于各种最新方法。
引用
@article{arxiv.2509.23313,
title = {ASTGI: Adaptive Spatio-Temporal Graph Interactions for Irregular Multivariate Time Series Forecasting},
author = {Xvyuan Liu and Xiangfei Qiu and Hanyin Cheng and Xingjian Wu and Chenjuan Guo and Bin Yang and Jilin Hu},
journal= {arXiv preprint arXiv:2509.23313},
year = {2026}
}