Interpretable Water Level Forecaster with Spatiotemporal Causal Attention Mechanisms

要約

タイトル： 観測可能な水位予測モデルにおける時空間因果関係に基づく解釈可能なアテンションメカニズム

要約：
– 漢江の水位予測は災害回避や交通制御に重要である。
– 漢江には多くの関連する変数があり相互に複雑に関係している。
– 提案されたtransformerモデルは変数間の事前知識に基づいた因果関係を考慮し、漢江のJamsu橋の水位予測を行う。
– モデルはマルチレイヤーネットワークとマスキング方法を使用して、空間的および時間的因果性を考慮する。
– このアプローチにより、先行知識と整合性のある解釈可能なモデルが得られる。
– 実際のデータ分析では、2016年から2021年までの漢江のデータセットを使用し、提案されたモデルを深層学習モデルと比較した。

要約(オリジナル)

Forecasting the water level of the Han river is important to control traffic and avoid natural disasters. There are many variables related to the Han river and they are intricately connected. In this work, we propose a novel transformer that exploits the causal relationship based on the prior knowledge among the variables and forecasts the water level at the Jamsu bridge in the Han river. Our proposed model considers both spatial and temporal causation by formalizing the causal structure as a multilayer network and using masking methods. Due to this approach, we can have interpretability that consistent with prior knowledge. In real data analysis, we use the Han river dataset from 2016 to 2021 and compare the proposed model with deep learning models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI