融合空间自注意力感知的严重缺失多元时间序列插补算法

来源：电子与信息学报杂志2025年第10期北京时间：

作者：刘辉, 冯浩然, 马佳妮, 郑红党, 张林

单位：中国矿业大学信息与控制工程学院 徐州 221116

摘要：多元时间序列应用广泛，但极易发生缺失，影响相关规律的有效挖掘。已有插补方法大多面向低缺失率场景设计，应用至高缺失率场景通常面临梯度消失、时空依赖关系建模不足、复杂非线性特征表征困难等难题。该文提出一种融合空间自注意力感知的严重缺失多元时间序列插补算法(SSAImpute)。该算法采用双分支孪生结构，分别设计了空间自注意力感知和时域自注意力编码模块。其中，空间自注意力感知模块通过融合数据源位置等空间信息增强序列的相关性建模能力；时域自注意力编码模块设计了掩码自适应自注意力机制有效捕获时间层面的时间前后依赖性和特征相关性，避免了梯度消失现象。孪生分支之间通过动态加权融合，优化最终的插补输出。实现结果表明，与7个现有时间序列插补模型对比，该文所提方法在Inter-Sensor的4个子数据集均能有效提升严重缺失场景下的多元时间序列插补精度，在PeMS 3个子数据集的插补结果RMSE比次优方法分别提升4.1%, 6.7%和4.7%。该算法有望为严重缺失场景下的多元时间序列提供更准确的解决方案，进而为下游基于数据驱动的分析和决策任务提供更可靠的数据基础。

关键词：深度学习, 多元时间序列, 自注意力机制, 数据插补, 严重缺失数据

基金资助：国家自然科学基金(61971422)，徐州市重点研发计划(社会发展)(KC22112)