基于双重注意力与静态融合GCN的数据库指标数据预测方法

本发明公开基于双重注意力与静态融合GCN的数据库指标数据预测方法，将采集多种数据库指标数据作为数据集并划分为训练集、验证集与测试集，静态指标嵌入向量。通过连续的下采样获得不同长度的尺度层。时间扩张双重注意力层提取不同感受野的时间维度信息；静态特征融合动态GCN层捕捉空间维度的信息，结合片段间注意力层获取数据的全局依赖。将各时间片段信息聚合计算出预测值。计算损失率并用Adam优化算法反向传播，不断更新模型参数，重复训练直至训练损失率收敛，将权重保存为最优模型。将测试集数据投入已保存的最优模型，输出预测值、预测精度。本发明克服了共享邻接矩阵的弊端，提升了模型的预测准确性。