全新首发：考虑多尺度序列间相关性的多元时间序列预测。
结合了频域分析和自适应图卷积算法，效果显著
特点如下：
1.
这是一种先进的深度学习模型，旨在利用频域分析和自适应图卷积捕捉多个时间尺度上不同的序列间相关性。
通过利用频域分析，有效地提取显著的周期模式，并将时间序列分解为不同的时间尺度。
2.
该模型采用自注意力机制捕获序列内的依赖关系，同时引入自适应mixhop图卷积层，在每个时间尺度内自主学习不同的序列间相关性。
3.
该模型在多个真实数据集上进行了大量实验，效果显著，且改模型具有自动学习可解释的多尺度序列间相关性的能力，即使应用于分布外样本也表现出强大的泛化能力。
多输入和单输入随意切换
单步预测和多步预测随意切换
替换CSV文件即可运行，代码运行过程中有相关
ID:19459
详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885
图文详情请查看： http://matup.cn/765085804657.html