★ 2
M²Net：多尺度掩码注意力与原型分解时空预测框架
论文提出 M²Net，针对时空预测中的粒度依赖与信号纠缠问题，用多尺度掩码注意力在不同时间分辨率下动态生成空间掩码，区分微观物理邻居与宏观功能关联。同时引入原型残差学习模块，从动量更新的原型库中提取全局共性并从节点表示中减去，迫使网络建模独特偏差。真实数据集实验显示其优于现有最优基线。
arXiv cs.AI13 天前
#时空预测
共 7 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
GenST 用 LLM 语义桥生成未观测节点时空预测
论文针对传感器网络空间覆盖不足导致的未观测节点状态预测（FUNS）难题，提出 GenST 框架，引入大语言模型作为语义桥梁，从节点描述中提取功能区与路网结构等语义特征。框架采用时空 VAE 加生成式 Transformer 的两阶段架构，在六个交通与两个非交通数据集上零样本预测显著优于基线。
arXiv cs.LG25 天前
★ 2
LLM增强时空学习预测共享单车需求
研究提出用大语言模型驱动「语义冲击波」机制，将市政活动日程、本地新闻等非结构化城市文本转化为量化的时空扰动场，注入零膨胀自适应时空图卷积网络。在巴塞罗那Bicing数据集上，该方法优于现有神经基线，高需求时段提升尤为明显，验证了物理化语义信号在出行预测中的价值。
arXiv cs.LG27 天前
★ 2
M²Weather：多站多变量天气预报基准
论文提出 M²Weather 基准，用于联合建模多站点与多变量天气预报。它通过质量控制与站点分层，收集法国、欧洲、全球三个空间尺度共 2809 个高质量站点、5 个物理耦合气象变量，并统一训练与评估协议。作者还设计即插即用适配器，在不重训模型的前提下补全缺失的站点或变量关系，对 16 个代表性模型…
arXiv cs.LG31 天前
★ 2
AdaST：时空预测的自适应耦合框架
论文指出真实时空数据存在时间主导、空间主导与强耦合等不同耦合模式，而现有方法默认强时空耦合，导致伪依赖与性能下降。作者提出 AdaST，通过「分解-重组」范式，用异质性感知专家将输入分解为不同耦合模式分量，再由角色对齐模块与相关性自适应重组器完成预测。实验显示其显著优于现有最优基线。
arXiv cs.AI33 天前
★ 2
平流感知图神经网络对光伏爬坡预测是否有效
该论文在可控合成测试平台上检验了「平流感知」图神经网络对分布式光伏功率爬坡预测的价值。结果显示，在真实互相关云运动矢量下，显式平流图并不优于普通静态或学习邻接的时空GNN；约一半收益仅来自把准确运动矢量作为输入特征。作者提出一个自监督云运动估计器，将中角度误差降至2-4度，在中等风速下缩小约60%…
arXiv cs.LG35 天前
★ 1
高斯过程去相关助力 LSTM 雪水当量预测
论文针对美国西部 SNOTEL 网络的雪水当量（SWE）预测，先用高斯过程线性变换去除空间相关性，再训练 LSTM 学习各站点纯净时间信号。该方法优于多个基线，并引入保形预测实现无分布假设的不确定性量化。这为次季节尺度 SWE 预测与完整时空制图提供了可行框架。
arXiv cs.LG41 天前