一种基于图卷积网络的时空数据预测方法技术

本发明专利技术公开一种基于图卷积网络的时空数据预测方法，包括如下步骤：获取时空数据作为预测任务的对象；对获取到的时空数据进行处理得到数据集；构建基于图卷积网络的时空数据预测模型；将得到的训练样本和验证样本作为构建模型的输入，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；输入待测时间和空间，执行基于图卷积网络的时空数据模型，从而得到期待的预测结果。本发明专利技术可以有效的捕获时空数据中的时间属性和空间结构特征，从而提高时空数据预测任务的准确性，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。

【技术实现步骤摘要】
一种基于图卷积网络的时空数据预测方法
本专利技术涉及数据挖掘
，特别是涉及一种基于图卷积网络的时空数据预测方法。
技术介绍
现实世界中存在很多既具有时间属性也含有空间特征的数据，例如气象监测数据、交通监控数据、区域灾害数据等，这类数据称之为时空数据。时空数据的特定是不仅会在时间维度上发生变化，也会在空间维度上发生变化。以交通监控数据为例，某一监控点的交通流量会随着时间不断变化，同时相邻监控点的交通流量之间会彼此影响，其影响程度也会随着时间不断变化。随着互联网、传感器等的普及，时空数据已经成为了大数据时代典型的数据类型，时空数据挖掘也随之成为了数据挖掘领域的一个热门方向。对时空数据进行挖掘有助于发现其中蕴含的时空模式，从而在当前数据上进行推断，以根据已知特征的值来预测目标特征的值，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。时空数据挖掘的典型应用如根据不同地区传染病的传染情况，基于传染病每日的感染人数、感染人群的位置建模，从而预测未来各个地区可能的感染人数；根据地面气象站每日的气象要素监测数据来捕获各气象要素的变化特征，本文档来自技高网...

【技术保护点】
1.一种基于图卷积网络的时空数据预测方法，其特征在于：包括以下步骤：/nS1、获取时空数据作为预测任务的对象；/nS2、对获取的时空数据进行处理，得到数据集作为样本；/nS3、构建基于图卷积网络的时空数据模型；/nS4、将步骤S2所得到的样本输入到步骤S3所构建模型中，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；/nS5、输入待测时间和空间，执行基于图卷积网络的时空数据模型，得到预测结果。/n

【技术特征摘要】
1.一种基于图卷积网络的时空数据预测方法，其特征在于：包括以下步骤：
S1、获取时空数据作为预测任务的对象；
S2、对获取的时空数据进行处理，得到数据集作为样本；
S3、构建基于图卷积网络的时空数据模型；
S4、将步骤S2所得到的样本输入到步骤S3所构建模型中，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；
S5、输入待测时间和空间，执行基于图卷积网络的时空数据模型，得到预测结果。


2.根据权利要求1所述的基于图卷积网络的时空数据预测方法，其特征在于：步骤S2中对原始气象数据进行处理的步骤包括：
S21、对获取到的原始时空数据进行预处理：首先进行数据清理，得到时空数据，对时空数据进行处理，形成时空数据监测点；然后进行数据集成、数据变换；
S22、将步骤S21所得到的预处理后的数据划分为训练数据集、验证数据集和测试数据集；
S23、对所述训练数据集、验证数据集和测试数据集进行划分，得到训练数据样本集、验证数据样本集和测试数据样本集；
S24、获取时空数据中的空间拓扑结构信息：根据时空数据监测点的地理位置信息得到两两监测点间的距离，构建表示监测点间相邻关系的时空数据邻接矩阵。


3.根据权利要求1所述的基于图卷积网络的时空数据预测方法，其特征在于：构建所述时空数据模型的具体步骤为：
依次构建全局GCN层、全局时间注意力层、全局扩张因果卷积结构、局部G...

【专利技术属性】
技术研发人员：韩忠明，李胜男，段大高，张翙，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11