用于风速预测的深层图卷积网络

风速预测与预报对多个商业与管理领域十分重要。本文中，我们基于图卷积网络（GCNs）引入用于风速预测的新模型。给定从多个气象站获取的若干气象变量小时级数据，预测未来多个时间步的风速值。具体而言，气象站被视为图的节点，其关联邻接矩阵是可学习的。借此，网络学习图的空间结构并基于历史气象数据确定气象站间关联强度。我们向所学邻接矩阵添加自环连接并归一化邻接矩阵。我们考察了两种带自环连接设定的场景（两个独立模型）。第一种场景中，自环连接被强加为恒定加法项。第二种场景中包含可学习参数，使网络能决定自环连接强度。此外，我们通过时间卷积融入多时间步数据，其与空间图卷积共同构成时空图卷积。我们在收集自丹麦与荷兰城市气象站的真实数据集上实验。数值实验表明，我们所提模型在相关数据集上优于先前开发的基线模型。我们通过可视化各层所学邻接矩阵提供了额外见解。