# STDE_ZGC模型配置文件
# 用于ZGC传感器图数据的时空扩散方程网络模型

# 基础配置
model_name: "stde_zgc"
random_seed: 2021
log_level: "INFO"
log_base_dir: "logs/ZGC"

# 数据配置
data:
  # 数据集目录
  dataset_dir: "data/ZGC"
  # 批处理大小
  batch_size: 32
  # 验证集批处理大小
  val_batch_size: 32
  # 传感器图邻接矩阵文件
  graph_pkl_filename: "data/sensor_graph/adj_ZGC.npy"

# 模型配置
model:
  # 输入序列长度
  seq_len: 12
  # 预测时间步数
  horizon: 12
  # 输入特征维度
  input_dim: 1
  # 输出特征维度
  output_dim: 1
  # 潜在空间维度
  latent_dim: 4
  # 轨迹采样数量
  n_traj_samples: 3
  # ODE求解方法
  ode_method: "dopri5"
  # ODE求解器绝对误差容差
  odeint_atol: 0.00001
  # ODE求解器相对误差容差
  odeint_rtol: 0.00001
  # RNN隐藏单元数量
  rnn_units: 64
  # RNN层数
  num_rnn_layers: 1
  # 图卷积步数
  gcn_step: 2
  # 滤波器类型 (default/unkP/IncP)
  filter_type: "default"
  # 循环神经网络类型
  recg_type: "gru"
  # 是否保存潜在表示
  save_latent: false
  # 是否记录函数评估次数
  nfe: false
  # L1正则化衰减
  l1_decay: 0

# 训练配置
train:
  # 基础学习率
  base_lr: 0.01
  # Dropout比率
  dropout: 0
  # 加载的检查点epoch
  load: 0
  # 当前训练epoch
  epoch: 0
  # 总训练epoch数
  epochs: 100
  # 收敛阈值
  epsilon: 1.0e-3
  # 学习率衰减比率
  lr_decay_ratio: 0.1
  # 最大梯度范数
  max_grad_norm: 5
  # 最小学习率
  min_learning_rate: 2.0e-06
  # 优化器类型
  optimizer: "adam"
  # 早停耐心值
  patience: 20
  # 学习率衰减步数
  steps: [20, 30, 40, 50]
  # 测试频率（每N个epoch测试一次）
  test_every_n_epochs: 5