[发明专利]一种基于信息传播图神经网络方法

说明书

本申请涉及一种基于信息传播图神经网络方法，该基于信息传播图神经网络方法包括：建立用于表示内河航运网络的图神经网络，所述图神经网络包括各个顶点、各个顶点的连边关系和各个顶点的距离关系；用于表示流量向量的信息向量，所述信息向量可在所述图神经网络中传播；利用各个顶点的距离关系生成状态转移矩阵；通过利用状态转移矩阵和信息向量在各个顶点的随机游走生成信息向量在所述图神经网络中传播的稳态概率；基于所述稳态概率生成信息向量在所述图神经网络中的传播卷积公式，所述传播卷积公式用于表示信息向量在图神经网络中的传播情况。

技术领域

本申请涉及图神经网络技术领域，具体为一种基于信息传播图神经网络方法。

背景技术

由于水路航道主要依赖于河流自身的体系，不能随意扩建，是有限资源，所以水路航道的合理管控，以提高航运效率就尤为重要。同时，交通流是随时间和空间变化的函数，短时交通流表现出很强的动态性、非线性、不确定性、周期性、非平稳性及空间相关性；现有工作中主要是基于卷积神经网络判断流量向量在内河航运网络中的时间相关性，并进行交通流预测；却没有判断流量向量在内河航运网络中的空间相关性。

申请内容

(一)解决的技术问题

为解决以上问题，本申请提供了一种基于信息传播图神经网络方法。

二技术方案

为实现上述目的，本申请提供如下技术方案：一种基于信息传播图神经网络方法，包括：

建立用于表示内河航运网络的图神经网络，所述图神经网络包括各个顶点、各个顶点的连边关系和各个顶点的距离关系；

用于表示流量向量的信息向量，所述信息向量可在所述图神经网络中传播；

利用各个顶点的距离关系生成状态转移矩阵；

通过利用状态转移矩阵和信息向量在各个顶点的随机游走生成信息向量在所述图神经网络中传播的稳态概率；

基于所述稳态概率生成信息向量在所述图神经网络中的传播卷积公式，所述传播卷积公式用于表示信息向量在图神经网络中的传播情况。

优选地，确定所述图神经网络中的各个顶点距离关系的边权矩阵，取

D₀＝diag(W·1)

D₀表示每个顶点的出度权重和，作为对角线的对角矩阵；由于得出所述状态转移矩阵为

优选地，还包括重新出发概率α∈[0，1]，所述重新出发概率α表示处于一个顶点的信息向量在所述图神经网络中传播到其他顶点的传播概率；通过处于任一顶点的信息向量在所述图神经网络中随机游走，然后结合状态转移矩阵得出信息向量在所述图神经网络中传播的稳态概率：

优选地，还包括卷积滤波函数f_θ，基于所述稳态概率公式和卷积滤波函数f_θ可得出所述传播卷积公式：

优选地，当所述信息向量X^(t)与所述卷积滤波器参数θ为连续函数时，所述卷积滤波函数为：

当所述信息向量X^(t)与所述卷积滤波器参数θ为连续函数时，所述卷积滤波函数为：

三有益效果

与现有技术相比，本申请的有益效果是：该基于信息传播图神经网络方法通过在图神经网络中结合状态转移矩阵、稳态概率得出传播卷积公式，并探讨传播卷积公式来有效判断信息向量在图神经网络中传播的空间相关性。

附图说明

附图用来提供对本申请的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请，并不构成对本申请的限制,在附图中：