VaryST时空预测模型提出

Shengnan Guo 等作者提出 VaryST 时空预测模型，从零训练，通过从可用长期观测中动态构建预测上下文来实现跨环境泛化。模型从长期历史推导节点表示以应对时间变化，动态选择功能相关的支持节点以适配空间变化，并选择性掩码历史 patch 以应对观测可用性波动。 在六个真实数据集、十七个基线的对比中，VaryST 取得强域内精度，并显著提升时空变化下的零样本与少样本泛化能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。