基于深度学习的时空序列预测方法综述

作     者：潘志松 黎维 PAN Zhisong;LI Wei

作者机构：陆军工程大学指挥控制工程学院南京210007 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2021年第36卷第3期

页      面：436-448页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62076251)资助项目 

主　　题：深度学习 数据挖掘 时空数据 时空序列预测 

摘      要：随着数据采集技术的蓬勃发展,各个领域的时空数据不断累积,迫切需要探索高效的时空数据预测方法。深度学习是一种基于人工神经网络的机器学习方法,能有效地处理大规模的复杂数据,因而研究基于深度学习的时空序列预测方法具有十分重要的意义。在这一背景下,针对已有的预测方法进行归纳和总结,首先回顾了深度学习在时空序列预测中的应用背景和发展历程,介绍了时空序列的相关定义、特点及分类;然后按照时空序列数据的类别介绍了基于网格数据的预测方法、基于图数据的预测方法和基于轨迹数据的预测方法;最后总结了上述预测方法,并对当前面临的一些问题及可能的解决方案进行了探讨。