一种基于图注意力网络的复杂网络节点分类方法技术

本发明专利技术公开了基于图神经网络的复杂网络节点分类方法，针对复杂机电系统耦合网络社团划分的难点问题，首先，将去趋势耦合相关分析应用于计算各监测变量节点间的相关关系，通过引入高斯噪声，对相关系数进行初次筛选，通过引入标度指数，对相关系数进行二次筛选；其次，以监测变量作为网络节点，将相关系数转换为连边权值，构建无向加权复杂网络；其次，从基于模块增益的全局模块度优化的静态社团检测算法出发，将网络中的每个节点作为一个划分，根据模块度函数，计算邻居节点对当前社团模块度增益，以此为依据判定该节点的社团归属，得到网络节点的初次划分，进而将网络初次划分的社团重新看成节点，在新的网络上进行新一轮的迭代，当模块度取得最大值时得到网络的最佳社团划分结果，将该结果作为图注意力神经网络的初始训练标签；并通过图注意力神经网络，基于实时监测数据进行训练，实现复杂网络的节点分类，从而为复杂机电系统耦合网络的准确描述提供可靠依据。

【技术实现步骤摘要】
一种基于图注意力网络的复杂网络节点分类方法
本专利技术涉及复杂机电系统耦合网络社团划分
，具体涉及一种基于图注意力神经网络的复杂网络节点分类方法。
技术介绍
流程工业复杂机电系统的监测变量众多，生产设备以及管道中的物料流、能量流与控制以及通信网络中的信息流紧密耦合，以化工企业的典型生产装备压缩机组为例，该系统的布置就包括了压力、温度、流量、液位、振动、转速、开关和报警信号等在内的上千个监测点位，系统内各监测变量的相互耦合，实质上形成了一张表征复杂机电系统动态变化的网络图，而复杂网络凭借研究网络结构特性来了解和解释基于网络之上的系统具体演化方式的特点，成为目前刻画复杂系统的有力工具，因此诸多学者针对如何建立复杂网络开展了相关研究，例如，吴帧涛等人为了研究社团结构和权重因素对网络级联抗毁性的影响，引入节点和边的消亡机制，建立了一类具有社团结构的加权网络模型；冯龙飞等人针对流程工业生产系统监测点多，各监测点间具有相关性的特点，提出了一种基于去趋势交叉分析-网络结构熵的复杂机电系统多变量耦合网络建模与状态评估的方法；孙鑫等人利用互信息和皮尔逊相关本文档来自技高网...

【技术保护点】
1.一种基于图注意网络的复杂网络节点分类方法，其特征在于，包括以下步骤：/n步骤1)、明确监测点位所对应的监测变量，选取需要分析的复杂机电系统的监测目标的变量集，通过DCS监测系统从变量集中获取复杂机电系统样本的多维历史监测时间序列；/n步骤2)、以步骤1)获取的多维历史监测时间序列中的监测变量为节点、耦合关系为边、耦合系数的大小为边的权重建立表征系统底层交互动态的加权网络模型；/n步骤3)、将步骤2)建立的加权网络模型进行转换，得到初始训练集特征向量；/n步骤4)、基于模块度对步骤2建立的加权网络模型进行社团划分，得到初始One-hot类型训练集标签；/n步骤5)、将步骤3)得到的初始训练集...

【技术特征摘要】
1.一种基于图注意网络的复杂网络节点分类方法，其特征在于，包括以下步骤：
步骤1)、明确监测点位所对应的监测变量，选取需要分析的复杂机电系统的监测目标的变量集，通过DCS监测系统从变量集中获取复杂机电系统样本的多维历史监测时间序列；
步骤2)、以步骤1)获取的多维历史监测时间序列中的监测变量为节点、耦合关系为边、耦合系数的大小为边的权重建立表征系统底层交互动态的加权网络模型；
步骤3)、将步骤2)建立的加权网络模型进行转换，得到初始训练集特征向量；
步骤4)、基于模块度对步骤2建立的加权网络模型进行社团划分，得到初始One-hot类型训练集标签；
步骤5)、将步骤3)得到的初始训练集特征向量以及步骤4)得到的训练集标签作为输入，基于GAT图注意力神经网络进行训练，得到节点分类结果；
步骤6)、选择实时监测数据，得到实时训练集特征向量，并将其输入步骤5)已完成历史监测数据训练的GAT图注意力神经网络中进行训练，最终完成节点的分类。


2.根据权利要求1所述的一种基于图注意网络的复杂网络节点分类方法，其特征在于，所述步骤1)中得到的多维历史监测时间序列采样频率依据采样成本和监测精度进行设定，并设定样本的长度，从系统运行过程历史数据中获取监测数据集。


3.根据权利要求1所述的一种基于图注意网络的复杂网络节点分类方法，其特征在于，所述步骤2)中的无向加权网络模型建立，包括以下步骤：
(1)基于DCCA去趋势相关分析计算各监测时间序列间的耦合关系，并引入高斯噪声序列，作为耦合相关系数的对比；
(2)基于标度指数α，作为相关系数的阈值下限，将大于等于阈值下限的耦合相关系数置为0，得到更新后的相关系数表，进而得到相关关系矩阵；所述标度指数α在双对数坐标(s,FDCCA(s))中，以log(s)为解释变量log(FDCCA(s))为被解释变量做散点图，用最小二乘拟合数据，定义直线部分的斜率即为标度指数α；
(3)基于相关关系矩阵，构建表征系统底层交互动态的加权网络。


4.根据权利要求3所述的一种基于图注意网络的复杂网络节点分类方法，其特征在于，所述DCCA去趋势相关分析计算方法，基于随机游走理论，通过计算去趋势协方差函数，最小化外部趋势对交叉相关性的影响，序列波动分析中估计随机游走过程从时...

【专利技术属性】
技术研发人员：高智勇，黄婧，高建民，谢军太，李智勇，秦锐，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61