一種時空預測方法、裝置、設備和計算機可讀存儲介質與流程

本申請涉及人工智能領域，尤其涉及一種時空預測方法、裝置、設備和計算機可讀存儲介質。

背景技術：

1、近年來，隨著移動設備的廣泛使用和蜂窩通信技術的快速發展，蜂窩流量預測備受關注。基于基站或者網元地理位置分布的特性，經常發生某一用戶停止現有基站的連接，或者某一用戶從原有基站遷移到新的基站，導致該基站的部分流量突然消失的情況，因此，蜂窩流量預測要充分考慮空間相關性，選擇同時依賴時間和空間分布的時空預測建模。但相關技術中的時空預測建模方法不能很好維持數據之間的穩定性，且忽略了框架搭建和模型復雜度之間的平衡，導致模型較為復雜，不能保證模型預測的高效性和準確性。

技術實現思路

1、為解決上述技術問題，本申請實施例提供了一種時空預測方法、裝置、設備和計算機可讀存儲介質。

2、本申請實施例提供一種時空預測方法，包括：

3、獲取第一序列數據，所述第一序列數據包括第一節點的t個單位時間的數據，t為正整數；

4、對所述第一序列數據進行編碼，得到第一嵌入向量；

5、對所述第一嵌入向量進行歸一化，得到第二嵌入向量；

6、將所述第二嵌入向量輸入時空預測模型，通過所述時空預測模型輸出所述第二嵌入向量的隱藏表示，所述時空預測模型用于對所述第二嵌入向量進行時間關聯特征提取和空間關聯特征提取；

7、基于所述隱藏表示預測第二序列數據，所述第二序列數據包括第二節點的τ個單位時間的數據，τ為正整數；所述τ個單位時間位于所述t個單位時間之后。

8、本申請實施例提供一種時空預測裝置，包括：

9、獲取單元，用于獲取第一序列數據，所述第一序列數據包括第一節點的t個單位時間的數據，t為正整數；

10、處理單元，用于對所述第一序列數據進行編碼，得到第一嵌入向量；對所述第一嵌入向量進行歸一化，得到第二嵌入向量；將所述第二嵌入向量輸入時空預測模型，通過所述時空預測模型輸出所述第二嵌入向量的隱藏表示，所述時空預測模型用于對所述第二嵌入向量進行時間關聯特征提取和空間關聯特征提取；

11、預測單元，用于基于所述隱藏表示預測第二序列數據，所述第二序列數據包括第二節點的τ個單位時間的數據，τ為正整數；所述τ個單位時間位于所述t個單位時間之后。

12、本申請實施例提供一種時空預測設備，包括：處理器和存儲器，該存儲器用于存儲計算機程序，所述處理器用于調用并運行所述存儲器中存儲的計算機程序，執行本申請實施例所提供的任意一種時空預測方法。

13、本申請實施例提供的計算機可讀存儲介質，用于存儲計算機程序，所述計算機程序使得計算機執行本申請實施例所提供的任意一種時空預測方法。

14、本申請實施例的技術方案中，通過獲取第一序列數據，并對第一序列數據進行編碼和歸一化，得到第二嵌入向量，能夠保證第一序列數據的完整可靠，同時減少第一序列數據中的分布差異，使得到的第二嵌入向量中的數據分布更加穩定，繼而可通過時空預測模型對第二嵌入向量進行更加精準的時間關聯特征提取和空間關聯特征提取，得到第二嵌入向量的隱藏表示，從而可通過該隱藏表示準確高效地預測第二序列數據，以提高模型的預測性能。

技術特征：

1.一種時空預測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述對所述第一序列數據進行編碼，得到第一嵌入向量，包括：

3.根據權利要求2所述的方法，其特征在于，所述多個子序列數據通過第一向量表示；

4.根據權利要求1所述的方法，其特征在于，所述時空預測模型包括多頭線性注意力網絡和圖卷積神經網絡；

5.根據權利要求4所述的方法，其特征在于，所述多頭線性注意力網絡包括多個線性注意力頭；

6.根據權利要求5所述的方法，其特征在于，所述基于所述注意力權重矩陣，生成所述時間關聯特征向量，包括：

7.根據權利要求6所述的方法，其特征在于，所述圖卷積神經網絡包括自適應鄰接矩陣和自適應節點參數學習模塊；

8.根據權利要求1所述的方法，其特征在于，所述第一序列數據對應的真實標簽為目標序列數據；所述方法還包括：

9.一種時空預測裝置，其特征在于，所述裝置包括：

10.一種時空預測設備，其特征在于，所述設備包括：處理器和存儲器，該存儲器用于存儲計算機程序，所述處理器用于調用并運行所述存儲器中存儲的計算機程序，執行如權利要求1至8中任一項所述的方法。

11.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序使得計算機執行如權利要求1至8中任一項所述的方法。

技術總結
本申請實施例公開了一種時空預測方法、裝置、設備和計算機存儲介質，其中，所述方法包括：獲取第一序列數據，所述第一序列數據包括第一節點的T個單位時間的數據，T為正整數；對所述第一序列數據進行編碼，得到第一嵌入向量；對所述第一嵌入向量進行歸一化，得到第二嵌入向量；將所述第二嵌入向量輸入時空預測模型，通過所述時空預測模型輸出所述第二嵌入向量的隱藏表示，所述時空預測模型用于對所述第二嵌入向量進行時間關聯特征提取和空間關聯特征提取；基于所述隱藏表示預測第二序列數據，所述第二序列數據包括第二節點的個單位時間的數據，為正整數；所述個單位時間位于所述T個單位時間之后。

技術研發人員：宋志妍,王星,馮俊蘭,鄧超
受保護的技術使用者：中國移動通信有限公司研究院
技術研發日：
技術公布日：2024/10/21