[发明专利]一种基于图神经网络的监测站点重要性评估方法及系统

权利要求书

1.一种基于图神经网络的监测站点重要性评估方法，其特征在于，包括：

S1.获取目标区域内每一个监测站点的相关数据，相关数据包括地理信息、不同历史时间段的污染物浓度；通过相关数据构建目标区域内所有监测站点不同历史时间段的图结构表示；

S2.所有监测站点不同历史时间段的图结构表示作为输入，训练图神经网络模型，输出为目标区域的空气质量指数；

S3.实时获取最新时间段内所有监测站点的污染物浓度，并构建最新时间段对应的第一图结构表示，将第一图结构输入训练好的图神经网络模型得到第一预测结果；

S4.根据贪婪最佳优先搜索算法对第一图结构表示进行搜索，得到第二图结构表示；其中，采用改进的Shapley Value作为贪婪最佳优先搜索算法的启发函数；

S5.将第二图结构表示输入训练好的图神经网络模型得到第二预测结果，判断第二预测结果与第一预测结果是否小于相似阈值，若是，则该第二图结构表示作为重要监测站点图结构表示输出，若不是，则返回S4继续搜索；

S6.构建重要性排序模块，所述重要性排序模块包括多种排序方法，首先通过扰动方法对重要监测站点图结构表示进行重要性排序；

S7.设计验证算法验证重要性排序结果是否准确，若是，则输出重要性排序结果，否则通过重要性排序模块更换排序方法进行排序。

2.根据权利要求1所述的一种基于图神经网络的监测站点重要性评估方法，其特征在于，步骤S1生成所有监测站点在历史时间段u的图结构表示的过程为：

S11.获取目标区域内每一个监测站点的经纬度信息，计算每两个监测站点间的距离，计算公式表示为：

a＝lat_m-lat_n

b＝lung_m-lung_n

其中，d表示监测站点m和监测站点n间的距离，a表示监测站点m和监测站点n的经度差值，b表示监测站点m和监测站点n的纬度差值，R表示地球半径，lat_m表示监测站点m的纬度，lat_n表示监测站点n的纬度，lung_m表示监测站点m的经度，lung_n表示监测站点n的经度；m,n∈N，N表示目标区域内的监测站点总数；

S12.选取目标区域内的任一监测站点作为第一监测站点；

S13.将第一监测站点与其余监测站点间的距离按照从小到大的顺序排序，选择前k个监测站点与第一监测站点进行加边操作；若监测站点间存在边则不用重复添加；

S14.判断是否还有监测站点没有做过第一监测站点，若是，则将该监测站点作为第一监测站点返回步骤S13，若不是，则得到所有监测站点组成的图结构表示；

S15.在当前图结构表示中，每一个节点表示一个监测站点，并采用该监测站点在历史时间段u的污染物浓度作为节点特征，边的特征向量表示成[距离，经度1，纬度1，经度2，纬度2]。

3.根据权利要求1所述的一种基于图神经网络的监测站点重要性评估方法，其特征在于，改进的Shapley Value表示为：

其中，表示在f()中对输出的贡献，表示一个随机图结构，S_t表示从节点集合中随机选取的节点子集，f()表示图神经网络模型，λ_t表示修正后的系数，P表示目标区域内所有监测站点的集合，表示中节点的集合，T表示随机采样次数，λ_t表示节点子集S_t的权重，λ₀表示1与随机T个节点子集的权重和的差值，|S_t|表示节点子集S_t中的节点个数，|P|表示目标区域内所有监测站点的数目。