一种基于改进的时空神经结构因果模型的自行车流量预测方法

本发明公开了一种基于改进的时空神经结构因果模型的自行车流量预测方法。构建因果图，从因果视角对影响因素进行系统化分析；应用前门准则对子项进行因果干预，并设置输入门模块，将上下文环境与观测流量融合，消除混杂偏差；在时序编码器与解码器中嵌入多头注意力机制及反事实表征推理模块，动态捕捉各因子间的长短期依赖并推断未来反事实状态；提出时空演化图卷积网络，结合地理距离图、转移概率图与动态因果图三种加权邻接矩阵，通过三层图卷积对停车点的地理拓扑结构及其时变因果关联进行建模，增强对空间分布的敏感性；在各子模块之间及深层残差连接处均嵌入残差网络，实现跨层特征融合与梯度稳定传递，有效缓解深度网络退化问题。