计算机应用

作者：冯兴杰, 卞兴鹏, 冯小荣, 王兴隆

单位：1.中国民航大学 计算机科学与技术学院，天津 300300；2.中国民航大学 空中交通管理学院，天津 300300

关键词：时间序列,缺失值填充,扩散模型,时序注意力,增量式填充

基金：国家自然科学基金重点项目(U2133207);国家自然科学基金面上项目(62173332);国防科技173计划技术领域基金资助项目(2022-JCJQ-JJ-0874);中央高校基本科研业务费专项(3122020051);中国民航大学研究生科研创新项目(2023YJSKC05002)

时间序列中的数据缺失是一个普遍存在的问题，这会给后续分析带来困难，对缺失值的有效填充是提升数据质量以及挖掘数据价值的重要着力点。然而，现有的填充算法在特征提取方面多沿用时序预测任务的面向非缺失数据的注意力模块，而对含有缺失值的时间序列的时空特征提取效果欠佳。此外，现有的填充算法缺乏对填充规律的深入研究，这让它们对于填充过程中的阶段性填充值利用不足，导致填充的准确率有待进一步提升。为了解决上述问题，提出一种基于扩散模型的增量式时间序列缺失值填充算法（I2TDM）。I2TDM在经典扩散模型中融入时序注意力模块，以增强对于含有缺失值的时间序列的特征提取能力。同时，设计一个新颖的增量式填充算法，使用增量选择模块保留部分阶段性填充值，从而提升填充算法的稳定性与准确率。在空气质量指数（AQI）、电力变压器油温（ETT）和天气（Weather）3个公开数据集上的填充实验结果表明，I2TDM相较于CSDI、SAITS和PriSTI等基线模型在平均绝对误差（MAE）指标上至少降低了2.92%，在均方根误差（RMSE）指标上至少降低了3.49%。可见，I2TDM能够有效提升时间序列缺失值填充的准确率。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期