来源：期刊VIP网 时间：
作者：李阳政;易吉良;
单位：湖南工业大学;桂林航天工业学院;
摘要：时空数据因具有时空关联性与动态演化性，导致特征挖掘难度大。目前单一维度分析方法难以全面捕捉时空数据的长短期变化特征，易使关键信息丢失。为此，提出一种基于LSTM-MSTCN-XGBoost混合模型的时空数据特征挖掘方法。用OWL对时空数据进行形式化建模，由LSTM与MSTCN模型分别挖掘长短期特征，输入XGBoost模型融合并输出特征模式识别结果。实验结果表明，所提方法提取的时空数据特征全局时空Moran′s I指数超过0.9，在交通时空数据挖掘中对拥堵特征的刻画也更贴合实际，可为时空数据挖掘及智能决策提供有效途径。
关键词：时空数据;;特征挖掘;;LSTM模型;;MSTCN模型;;XGBoost模型;;OWL形式化建模
基金资助：广西自然科学基金项目(2024JJA160324)
