一种基于空间元图卷积循环神经网络的时空数据预测方法

本发明涉及一种基于空间元图卷积循环神经网络的时空数据预测方法，属于时空数据预测技术领域。其包括以下步骤：动态元图构建：建立元节点库，参数随机初始化后生成元图；地理空间相似性计算：数据集节点对应道路传感器，根据节点的地理经纬度坐标生成相似度矩阵；卷积空间特征增强：用卷积模块提取矩阵深度空间特征；自适应特征融合：引入可训练参数，对增强矩阵与元图加权求和得到支持矩阵；时空联合预测：通过GCRU组成的编码器‑解码器建模，编码器输入节点过去数据，解码器输出未来节点预测结果。本发明通过将地理空间信息和卷积层引入时空建模单元，增强模型对空间异质性和复杂关系的感知能力，结合动态融合机制，提高模型的预测准确性。