基于图神经网络的时序预测
伍豪
龙吟
张金波
成都蓉通微链科技有限公司 成都 610000
摘要：近些年来,人们对人工智能的关注度越来越高,对时序数据的预测的机器学习算法也越来越受到人们青睐.但由于时序数据的不稳定性以及序列间的相关性,传统的机器学习方法对时序数据的预测结果不太理想.针对这一问题,论文提出一种基于GCN和LSTM的图神经网络(GCN-LSTM)预测模型,以时序数据为输入,分别对未来收盘价、气温、以及空气质量等时序预测目标值进行预测,然后求基于各预测模型下的统计指标MAE,RMSE,并与其他模型的预测结果进行比较.结果表明,图神经网络(GCN-LSTM)预测模型比其他(TPA-LSTM、LSTM、Arima、SVR)预测模型的预测误差更小,结果更为准确,预测值更接近于目标值的真实值.
关键词：图神经网络目标值预测
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(12002361)
论文发表日期：2025-06-20
在线出版日期：2025-09-23（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1581-1584,1597 )
英文信息