一种基于时空注意力的城市时空预测方法.pdf
小凌****甜蜜
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于时空注意力的城市时空预测方法.pdf
本发明公开了一种基于时空注意力的城市时空预测方法,包括构建并利用基于时空注意力的城市时空预测模型进行城市时空预测;城市时空预测模型包括时空编码器,时空编码器包括语义空间自注意力模块、地理空间自注意力模块、时间自注意力模块和异质注意力融合模块,用于根据高维时空表示向量,得到时空特征向量。本发明公开的城市时空预测方法,可获取历史数据中长距离语义邻域信息和短距离地理邻域信息,以及长距离时间依赖关系,通过模拟历史数据复杂和动态的时空依赖关系,准确进行城市时空预测。
一种基于迁移学习的时空序列预测方法.pdf
本发明公开了一种基于迁移学习的时空序列预测方法,属于时空序列预测领域和迁移预测领域;具体为:首先,收集待预测城市的无线业务流量,作为时空序列源数据,基于时空预测模型的局部卷积网络和残差网络,学习时空特征;同时提取外部信息源数据,基于局部卷积学习外部信息特征;然后,将时空特征输入对抗生成网络,学习得到时空共性特征;通过融合时空特征、时空共性特征和外部信息特征,得到时空预测模型的预测值;并通过最小化预测损失函数,优化预测模型的参数。最后,将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据,得到目标
一种基于时空交叉注意力的实时动作定位方法.pdf
本发明涉及一种基于时空交叉注意力的实时动作定位方法。首先对视频片段进行采样得到输入视频,并通过帧集划分进行关键帧的提取,将获取到视频片段输入R(2+1)D网络提取时序特征,将关键帧输入CSPNet网络提取空间特征。其次,对时序特征进行压缩,并将其与空间特征进行编码转换。计算时序特征与空间特征相互之间的潜在自适应,将其嵌入transformer自注意力进行特征的交叉表示,拼接特征并利用上下文注意力模块对特征进行融合。最后,通过回归、分类网络预测边界框位置以及运动类别,根据预测结果计算相邻帧各个类别的链接分数
一种基于注意力时空图卷积网络的空域交通流量预测方法.pdf
本发明公开了一种基于注意力时空图卷积网络的空域交通流量预测方法,包括:步骤(1):获取空中交通流量数据并进行预处理;步骤(2):空域扇区网络建模;步骤(3):构建空中交通流量时间序列;步骤(4):构建注意力时空图卷积网络;步骤(5):训练注意力时空图卷积网络;步骤(6):测试注意力时空图卷积网络;针对复杂的空域交通流量预测问题,该方法能够同时捕获空中交通流量的空间依赖性和时间依赖性,具有描述空中交通流时空特征的能力,而且注意力机制可以捕获空中交通流的全局时间动态趋势,能够挖掘大范围空域尺度的空中交通流运行
一种基于时空特征的地铁短时客流预测方法.pdf
本发明公开了一种基于时空特征的地铁短时客流预测方法,包括步骤:获取目标地铁站在待预测时间段下的待预测特征;待预测特征包括:待预测时间特征和待预测空间特征,待预测时间特征包括:与待预测时间段相邻的前若干个时间段的客流量、待预测时间段的工作日特征、目标地铁站在不同日期同一时间段的客流量均值,待预测空间特征包括:目标地铁站以及目标地铁站的相似地铁站的工作日客流量之和;根据待预测特征和训练好的随机森林模型,确定目标地铁站在待预测时间段下的预测客流量。由于通过待预测时间特征和待预测空间特征作为特征输入,并结合随机森