时空图 MLP 混合器用于时空预测
机器学习
2025-01-20 v1
摘要
时空预测在交通预测、气候建模和环境监测等应用中至关重要。然而，现实传感器网络中数据缺失的普遍现象显著复杂化了这一任务。本文引入时空图 MLP-Mixer (T-GMM)，一种新型架构用于解决上述挑战。该模型结合节点级处理与 patch 级子图编码，以捕获局部空间依赖性；同时采用三维 MLP-Mixer 处理时序、空间和特征依赖性。在 AQI、ENGRAD、PV-US 和 METR-LA 数据集上的实验表明，该模型即使在数据缺失显著的情况下也能有效进行预测。虽然在所有情景下都不超越最新模型，但 T-GMM 在捕获长程依赖方面展现出强大的学习能力。这些结果凸显了其在稳健、可扩展时空预测中的潜力。
关键词
引用
@article{arxiv.2501.10214,
title = {Temporal Graph MLP Mixer for Spatio-Temporal Forecasting},
author = {Muhammad Bilal and Luis Carretero Lopez},
journal= {arXiv preprint arXiv:2501.10214},
year = {2025}
}