تم اقتراح نموذج دمج الشبكة الالتفافية البيانية الزمانية والمكانية وشبكة الانتباه متعددة القنوات (STGC-SENet) لمشكلة توقع حمل شحن السيارات الكهربائية في المدن تحت تأثير عوامل متعددة. أنشأ هذا النموذج وحدة استخراج مقاطع تسلسلية دورية للحصول على ميزات دورية على مقياس قريب، يومي، وأسبوعي، من خلال الالتفاف البياني الزماني والمكاني لتحقيق نمذجة متزامنة للاعتمادية الزمنية والارتباط الطوبولوجي المكاني، وأدخل طبقة الانتباه لقنوات SE لإعادة معايرة قنوات ميزات العوامل المتعددة وتقوية الميزات الرئيسية ديناميكيًا. أظهرت التجارب القائمة على بيانات حقيقية أن الأخطاء المطلقة المتوسطة لنموذج STGC-SENet انخفضت بمقدار 3.36، 0.56، 1.10 على التوالي مقارنة بالنماذج الأساسية مثل LSTM، MSTGCN، وASTGCN. من حيث حساسية العوامل، أظهر دمج العامل الدوري اليومي تأثيرًا أكثر وضوحًا على تحسين التوقعات مقارنة بمقاطع التسلسل القريب والأسبوعي. تحت إدخال حمل الشحن التاريخي، وفر دمج عدد أعمدة الشحن والسعر الكهربائي الفوري أفضل نتائج التوقع، حيث انخفض متوسط الخطأ المطلق الكلي إلى 5.08، بينما لم يسفر دمج عدد أعمدة الشحن والعوامل المناخية عن تحسن ملحوظ في نتائج التوقع.

السيارات الكهربائية;حمل الشحن;دمج عوامل متعددة;الارتباط الزماني والمكاني;شبكة الالتفاف البيانية;انتباه متعدد القنوات