![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/67dd93a0e982f1354970462d4d4f18f4.png)
本文是在 STGODE和MTGODE基础上发展来的,同时也对其进行对比
现状问题
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/d9d2bc80571b2eeea3b29caf573ae2d6.png)
本文主要针对以下几个问题进行分析:
1、图神经网络得过平滑现象
2、长期时间序列预测问题
3、高纬度时空相关性
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/77805b6dc68e7b8eb7e564b321575564.jpeg)
创新点
针对这样的几个问题,分别作出设计:
本文得思路是从GCN能天然得图结构相关性,这给我们在空间上能够得到相当丰富得地理信息,然而这往往存在一个过平滑得问题,本文引入Neural Differential Equation Methods
得思想,从常微分方程得角度去解决这个现象。
同时以往的工作是忽视了局部信息,只关注