維度平衡提升大規模時空預測效能

準確的時空模式分析在城-市交通、氣象預報和公共衛生監測等領域至關重要。然而，現有方法常面臨效能瓶頸，僅能實現漸進式改進，且跨領域遷移能力有限。來自arXiv的一篇新論文提出了一種基於“維度平衡”的可擴充套件自適應框架，旨在透過協調空間和時間特徵表示來突破這一瓶頸。

研究人員首先引入空間和時間熵度量，將其作為診斷時空複雜度不匹配的指標。他們透過大量實驗發現，空間和時間的複雜度不匹配越嚴重，預測的不確定性就越高，尤其是在模型容量固定的情況下。這一發現為後續的模型設計提供了重要指導。

基於這一診斷，該框架採用低秩矩陣嵌入來壓縮空間維度，從而在保留本質結構的同時減少計算開銷。同時，透過擴充套件時間視野，模型能夠捕獲長期依賴關係，並緩解因時間異質性導致的累積誤差。這種空間壓縮與時間擴充套件的結合，使得模型在保持高效的同時提升了預測精度。

研究團隊在城-市交通流量預測、氣象要素預報以及流行病傳播預測等多個資料集上進行了廣泛實驗。結果表明，與現有方法相比，該框架在評估的各個領域均取得了顯著的精度提升，並且表現出良好的泛化能力。程式碼已在GitHub上開源，供研究社群使用和進一步開發。

該研究指出，維度平衡的思想不僅適用於當前的時空預測任務，還有望推廣到更廣泛的時空資料分析場景，例如環境監測、能源排程等。未來的工作將探索如何進一步自適應地調整空間和時間的表示，以適應不同領域的具體需求。