用于风速预测的多流图注意力网络
机器学习
2021-10-27 v3
摘要
可靠且准确的风速预测在经济、商业与管理等诸多工业领域具有重要影响。本文提出一种基于图注意力网络（GAT）的风速预测新模型。具体而言，该模型扩展了 GAT 架构，为其配备可学习的邻接矩阵，并引入一种新的注意力机制，以逐天气变量获取注意力分数。GAT 基模型的输出与 LSTM 层相结合，从而利用多元多维历史天气数据的空间与时间特征。实验使用从丹麦与荷兰多个城市收集的真实天气数据来评估所提模型的性能。我们表明，相较于以往用于风速预测的架构，所提模型能更好地学习天气数据复杂的输入输出关系。此外，得益于学到的注意力权重，该模型对所述预测任务中最重要的天气变量与城市提供了额外洞察。
引用
@article{arxiv.2108.07063,
title = {Multistream Graph Attention Networks for Wind Speed Forecasting},
author = {Dogan Aykas and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2108.07063},
year = {2021}
}
备注
8 pages, 5 figures