时序预测 | 改进图卷积+informer时间序列预测，pytorch架构改进图卷积+informer时间序列预测代码 CTR-GC卷积,informer，CTR-GC 图卷积 GCN 中，图拓扑在特征聚合中占主导地位，提取代表性特征的关键。因此提出了一种改进GCN的新方法，叫通道拓扑细化图卷积 （CTR-GC），以动态学习不同的拓扑结构，并有效地聚合不同通道中的特征。 本代码尝试将它转移用到时间序列中，创新思维的三维转二维，利用部分卷积进行特征提取，将提取的结果放入informer进行预测，预测还不错，同时证实了引入图卷积的可行性。 python代码 pytorch架构 适合