【技术实现步骤摘要】
本专利技术涉及计算机，具体是涉及一种基于时间图注意力卷积网络的排污量预测方法、系统、设备及存储介质。
技术介绍
1、随着环境污染问题的日益严重，污染源的治理与管控成为生态环境保护的重要一环，排污量被视为制定治理措施的一类重要数据。目前实际排污量往往是通过事后监测得到的，这对于制定环境管理措施而言存在一定滞后性，如何通过现状来预测出未来排污量，以便于相关技术人员提前进行管控和布局，是更好地实现环境保护所需要的一个重要技术手段。
技术实现思路
1、本专利技术提供一种基于时间图注意力卷积网络的排污量预测方法、系统、设备及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
2、第一方面，提供一种基于时间图注意力卷积网络的排污量预测方法，所述方法包括：
3、获取在当前时刻下待测区域内的所有企业数据并进行数据清洗，得到第一数据集和第二数据集；所述第一数据集包括各行业的基本信息、产品去向比例和排污量影响因素，所述第二数据集包括各行业在不同排污类型下的排污量；
4、根据所述第一数据集，构建当前有向图；
5、获取在所述当前时刻之前的多个历史时刻对应的多个历史有向图，连同所述当前有向图输入至当前训练好的时间图注意力卷积网络进行预测，得到在未来时刻下所述待测区域内的各行业在不同排污类型下的预测排污量。
6、进一步地，所述当前训练好的时间图注意力卷积网络通过以下方式得到：
7、获取在所述多个历史时
8、对所述第一历史数据集和所述第二历史数据集进行切片，得到所述多个历史时刻对应的多个第一历史数据子集和多个第二历史数据子集；
9、根据所述多个第一历史数据子集，构建所述多个历史有向图；
10、将所述多个第二历史数据子集作为标签，利用所述多个历史有向图对预先构建的时间图注意力卷积网络进行训练。
11、进一步地，所述时间图注意力卷积网络包括多个图注意力卷积网络和与其一一对应连接的多个门控循环单元网络，所述多个门控循环单元网络依次连接；
12、所述多个图注意力卷积网络用于对各自输入的不同时刻对应的有向图进行特征提取，得到不同时刻对应的各行业在不同排污类型下的预测排污量；所述多个门控循环单元网络用于学习不同时刻对应的各行业在不同排污类型下的预测排污量之间的动态变化关系。
13、进一步地，每个图注意力卷积网络包括若干个网络层，每个网络层内部的运算公式为：
14、
15、
16、其中，为第k个网络层的第i个节点的输出，σ为relu激活函数，n(i)为第i个节点的所有一阶邻域节点，为第k个网络层的第i个节点和第j个节点之间的注意力系数，已知与第k个网络层关联的有向图的邻接矩阵a和度矩阵aij为邻接矩阵a的第i行第j列的元素，为度矩阵的第i行第i列的元素，为度矩阵的第j行第j列的元素，为第k-1个网络层的第x个节点的输出，x＝i，j，l，wk为第k个网络层的卷积核参数，为第k个网络层的线性变换向量。
17、进一步地，对所述所有企业数据进行数据清洗，得到第一数据集和第二数据集包括：
18、根据行业类别对所述所有企业数据进行数据透视，得到各行业的基本信息、产品去向比例和在不同排污类型下的排污量；
19、采用主成分分析法对所述所有企业数据中包含的所有原材料种类和所有产品种类进行筛选，得到影响各行业排污量的关键原材料种类和关键产品种类，形成各行业的排污量影响因素。
20、进一步地，所述根据所述第一数据集，构建当前有向图包括：
21、根据行业类别构建多个节点，一个节点代表一个行业，将该行业的基本信息和排污量影响因素作为该节点的数据并进行向量嵌入，得到该行业对应的节点表征向量；
22、根据各行业的产品去向比例，为所述多个节点中存在关联的每两个节点构建有向连接边，形成当前有向图。
23、进一步地，所述方法还包括：
24、将所述第二数据集和所述多个第二历史数据子集作为标签，利用所述当前有向图和所述多个历史有向图对所述当前训练好的时间图注意力卷积网络进行重新训练。
25、第二方面，提供一种基于时间图注意力卷积网络的排污量预测系统，所述系统包括：
26、清洗模块，用于获取在当前时刻下待测区域内的所有企业数据并进行数据清洗，得到第一数据集和第二数据集；所述第一数据集包括各行业的基本信息、产品去向比例和排污量影响因素，所述第二数据集包括各行业在不同排污类型下的排污量；
27、构建模块，用于根据所述第一数据集，构建当前有向图；
28、预测模块，用于获取在所述当前时刻之前的多个历史时刻对应的多个历史有向图，连同所述当前有向图输入至当前训练好的时间图注意力卷积网络进行预测，得到在未来时刻下所述待测区域内的各行业在不同排污类型下的预测排污量。
29、第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述的基于时间图注意力卷积网络的排污量预测方法。
30、第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于时间图注意力卷积网络的排污量预测方法。
31、本专利技术至少具有以下有益效果：通过引入有向图这一数据结构，可以构建待测区域内的不同行业间的关联性，再通过引入时间图注意力卷积网络对多个不同时刻下对应的多个不同有向图进行特征学习，进一步确定上下游行业间的产值影响关系程度，可以更为准确可靠地预测出在未来时刻下各行业在不同排污类型下对应的排污量，有助于相关技术人员提前对待测区域进行排污管控。
本文档来自技高网...【技术保护点】
1.一种基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述当前训练好的时间图注意力卷积网络通过以下方式得到：
3.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述时间图注意力卷积网络包括多个图注意力卷积网络和与其一一对应连接的多个门控循环单元网络，所述多个门控循环单元网络依次连接；
4.根据权利要求3所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，每个图注意力卷积网络包括若干个网络层，每个网络层内部的运算公式为：
5.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，对所述所有企业数据进行数据清洗，得到第一数据集和第二数据集包括：
6.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述根据所述第一数据集，构建当前有向图包括：
7.根据权利要求2所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述方法还包括
8.一种基于时间图注意力卷积网络的排污量预测系统，其特征在于，所述系统包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至7任一项所述的基于时间图注意力卷积网络的排污量预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于时间图注意力卷积网络的排污量预测方法。
...【技术特征摘要】
1.一种基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述当前训练好的时间图注意力卷积网络通过以下方式得到：
3.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，所述时间图注意力卷积网络包括多个图注意力卷积网络和与其一一对应连接的多个门控循环单元网络，所述多个门控循环单元网络依次连接；
4.根据权利要求3所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，每个图注意力卷积网络包括若干个网络层，每个网络层内部的运算公式为：
5.根据权利要求1所述的基于时间图注意力卷积网络的排污量预测方法，其特征在于，对所述所有企业数据进行数据清洗，得到第一数据集...
【专利技术属性】
技术研发人员：邹海英，张司佳，邱文豪，
申请(专利权)人：广东环境保护工程职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。