【技术实现步骤摘要】
本专利技术属于计算机，尤其涉及一种基于动态网络链接的电力物资应急供应预测方法。
技术介绍
1、在现实中，实体之间相互联系的现象通常可以被表示成网络，实体为网络中的节点，实体之间的联系则为网络中的边或链接。供应链网络是为生产和流通过程中，围绕核心企业的核心产品或服务，由所涉及的原材料供应商、制造商、销售商、配送商直到最终用户等形成的网链结构。而应急供应链网络是指在由某些特殊事件发生时导致供应链中发生需求大幅增加、供应严重不足、供应通路中断等应急情况时的供应链网络。如果能提前预测供应链网络中可能发生的变化和风险，则能最大程度地提高供应链网络的韧性，提高应急处置能力。
2、应急供应链网络和社交网络、文本网络、物流网络、购物网络一样，具有明显的时序性和复杂性特征，这些网络常会因为新的实体和链接的加入与消失导致网络的拓扑结构不断演化，因此被称为动态网络。动态网络中的链接预测技术旨在根据网络中的节点属性和周围结构等信息来预测网络中两个节点之间产生链接的可能性。动态网络链接预测旨在通过网络的历史信息预测未来时刻链接发生的变化。
3、近年来，动态网络链接预测研究持续为事件预测、社交网络发现、推荐系统、论文网络挖掘等众多应用领域提供核心技术支持。动态网络链接预测能推断网络中节点的未来行为，预知网络的演化规律和发展动向。应急供应链网络是一种典型的复杂动态网络，具有明显的时序性和复杂性特征，使用动态网络链接预测可以揭示其运行规律，预测将来可能发生的应急供应行为。
4、虽然动态网络链接预测无论是在基础研究，还是在商业
5、(1)应急供应链网络的时序信息有待进一步利用。应急供应链网络随时间不断有实体的加入或删除，如何及时利用这些动态到来的新数据去更新学习到的网络表征，同时又兼顾到对历史数据的使用，并保证算法的高效性，是一个重要挑战。
6、(2)应急供应链网络特征提取的可容错。随着应急供应链网络信息来源的多样化，通常包含不少的噪音甚至错误信息，网络中数据稀疏性导致数据中的有效信息相对较少，邻接矩阵维度灾难性导致许多传统的基于全局图分析的方法无法应用。如何做到有效的特征提取，处理过滤噪音，保留网络有效的高阶结构信息是一个挑战。
技术实现思路
1、针对现有技术不足，本专利技术提出了一种基于动态网络链接的电力物资应急供应预测方法，能够充分利用动态网络链接的时序状态特征和图结构特征对电力物资应急供应进行预测。
2、为实现上述目的，本专利技术的技术方案为通过历史交互增量更新节点时序状态，结合图结构信息生成节点表示用于电力物资应急供应链的预测任务。
3、一种基于动态网络链接的电力物资应急供应预测方法，其特征在于，包括，
4、采用动态网络对电力物资应急供应链网络离散历史数据进行编码，得到第一数据库；
5、构建时序状态增量更新子网络和图结构特征提取子网络，其中，时序状态增量更新子网络基于gru网络学习节点增量演化特征并输出输出的下一个节点隐藏状态；图结构特征提取子网络进行特征提取后输出提取后的特征；
6、构建动态节点嵌入生成子网络，将时序状态增量更新子网络和图结构特征提取子网络输出的特征按顺序进行分块、对齐和级联操作，生成有待预测关节点的特征矩阵，之后送入transformer编码器中，利用自注意力机制进行特征的融合，输出的隐藏表示经过强度计算层，执行影响力衰减加权计算，得到最终的节点嵌入向量，最后进入一个mlp(multilayer perceptron)网络，输出动态链接预测的结果。
7、输入待预测的节点对，依次通过时序状态增量更新子网络和图结构特征提取子网络，最后经过动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
8、作为优选，输入待预测的节点对u和v，如u表示电力物资库甲，v表示供应商物资库乙，分别进入时序状态增量更新子网络和图结构特征提取子网络，得到节点u和v对应的时序状态特征和图结构特征，之后将上述特征一起送入动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
9、作为优选，进行时序编码时，电力物资应急供应链网络g由一组具有时间先后顺序的网络序列组成，即g＝{g1,g2,…,gt}，每个单独的网络即是在一个时间点上电力物资应急供应链网络的快照，其中t表示动态网络g历史快照的个数。第t个快照可以表示为一个包含点集合vt和边集合et构成的图gt＝(vt,et),1≤t≤t，其中，vi∈v代表网络中的节点i。
10、作为优选，电力物资应急供应链网络中的节点分为两类，即电力物资库和供应商物资库，(vi,vj)∈e为从vi到vj的有向边，表示vi到vj存在物资运输，边的权重表示为某物资的运输量c和物资紧急程度w(0≤w≤1)的乘积，时间t代表电力物资应急供应链网络存在的时刻。
11、作为优选，在时序状态增量更新子网络中，从节点状态存储模块中读取了节点最近一次更新的状态，再结合此次交互的时序编码信息和边权重信息，通过gru网络学习节点增量演化特征，并将新输出的下一个节点隐藏状态写入节点状态存储模块，以便后续使用。
12、作为优选，在图结构特征提取子网络中，抽取对应节点u和v的一跳邻居集合，然后分别做时序特征抽取、共同邻居特征抽取、节点特征抽取和边特征抽取，将这些特征一起送入动态节点嵌入生成子网络。
13、作为优选，在动态节点嵌入生成子网络中，将前两个子网络输出的特征按顺序进行分块、对齐和级联操作，生成有关节点u和v的特征矩阵zu和zv，之后送入transformer编码器中，利用自注意力机制进行特征的融合，输出的隐藏表示经过强度计算层，执行影响力衰减加权计算，得到最终的节点嵌入向量，最后进入一个mlp(multilayer perceptron)网络，输出动态链接预测的结果，如果结果值为0，表示预测该时刻电力物资库甲与供应商物资库乙不会出现物资运输关系。
14、作为优选，供应预测时，输入待预测的节点对u和v，如u表示电力物资库甲，v表示供应商物资库乙，分别进入时序状态增量更新子网络和图结构特征提取子网络，得到节点u和v对应的时序状态特征和图结构特征，之后将上述特征一起送入动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
本文档来自技高网...【技术保护点】
1.一种基于动态网络链接的电力物资应急供应预测方法，其特征在于，包括，
2.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，输入待预测的节点对u和v，如u表示电力物资库甲，v表示供应商物资库乙，分别进入时序状态增量更新子网络和图结构特征提取子网络，得到节点u和v对应的时序状态特征和图结构特征，之后将上述特征一起送入动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
3.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，进行时序编码时，电力物资应急供应链网络G由一组具有时间先后顺序的网络序列组成，即G={G1, G2,…,GT}，每个单独的网络即是在一个时间点上电力物资应急供应链网络的快照，其中T表示动态网络G历史快照的个数，第t个快照可以表示为一个包含点集合Vt和边集合Et构成的图Gt=(Vt, Et), 1≤t≤T，其中，vi∈V代表网络中的节点i。
4.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，电力物资应急供
5.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，在时序状态增量更新子网络中，从节点状态存储模块中读取了节点最近一次更新的状态，再结合此次交互的时序编码信息和边权重信息，通过GRU网络学习节点增量演化特征，并将新输出的下一个节点隐藏状态写入节点状态存储模块，以便后续使用。
6.根据权利要求5所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，在图结构特征提取子网络中，抽取对应节点u和v的一跳邻居集合，然后分别做时序特征抽取、共同邻居特征抽取、节点特征抽取和边特征抽取，将这些特征一起送入动态节点嵌入生成子网络。
7.根据权利要求6所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，在动态节点嵌入生成子网络中，将前两个子网络输出的特征按顺序进行分块、对齐和级联操作，生成有关节点u和v的特征矩阵Zu和Zv，之后送入Transformer编码器中，利用自注意力机制进行特征的融合，输出的隐藏表示经过强度计算层，执行影响力衰减加权计算，得到最终的节点嵌入向量，最后进入一个MLP（Multilayer Perceptron）网络，输出动态链接预测的结果，如果结果值为0，表示预测该时刻电力物资库甲与供应商物资库乙不会出现物资运输关系。
8.根据权利要求7所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，供应预测时，输入待预测的节点对u和v，如u表示电力物资库甲，v表示供应商物资库乙，分别进入时序状态增量更新子网络和图结构特征提取子网络，得到节点u和v对应的时序状态特征和图结构特征，之后将上述特征一起送入动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
...【技术特征摘要】
1.一种基于动态网络链接的电力物资应急供应预测方法，其特征在于，包括，
2.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，输入待预测的节点对u和v，如u表示电力物资库甲，v表示供应商物资库乙，分别进入时序状态增量更新子网络和图结构特征提取子网络，得到节点u和v对应的时序状态特征和图结构特征，之后将上述特征一起送入动态节点嵌入生成子网络，进行特征对齐与融合，生成最终的节点嵌入表示并进行动态链接预测任务的计算。
3.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，进行时序编码时，电力物资应急供应链网络g由一组具有时间先后顺序的网络序列组成，即g={g1, g2,…,gt}，每个单独的网络即是在一个时间点上电力物资应急供应链网络的快照，其中t表示动态网络g历史快照的个数，第t个快照可以表示为一个包含点集合vt和边集合et构成的图gt=(vt, et), 1≤t≤t，其中，vi∈v代表网络中的节点i。
4.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，电力物资应急供应链网络中的节点分为两类，即电力物资库和供应商物资库， (vi, vj)∈ e为从vi到vj的有向边，表示vi到vj存在物资运输，边的权重表示为某物资的运输量c和物资紧急程度w()的乘积，时间t代表电力物资应急供应链网络存在的时刻。
5.根据权利要求1所述的基于动态网络链接的电力物资应急供应预测方法，其特征在于，在时序状态增量更新子网络中，从节点状态存储模块中读取...
【专利技术属性】
技术研发人员：余海，车木子，吴锋艳，李彬，吴小含，李子怡，马越，
申请(专利权)人：国网湖北省电力有限公司物资公司，
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。