软件学报

作者：孙建明，徐宇扬，仝硕，应豪超，张啸，庄福振，吴健

单位：孙建明，浙江大学 计算机科学与技术学院, 浙江 杭州 310058;苏州市伏泰信息科技股份有限公司, 江苏 苏州 21512411,徐宇扬，浙江大学 计算机科学与技术学院, 浙江 杭州 31005802,仝硕，浙江大学 公共卫生学院, 浙江 杭州 31005803,应豪超，浙江大学 公共卫生学院, 浙江 杭州 31005804,张啸，山东大学 计算机科学与技术学院, 山东 青岛 26623705,庄福振，北京航空航天大学 人工智能学院, 北京 10019106,吴健，浙江大学 公共卫生学院, 浙江 杭州 31005807

关键词：水质预测;图神经网络;时空数据;结构噪声;图噪声学习

基金：国家自然科学基金 (62106218); 浙江省自然科学基金 (LY23F020019)

未来水质预测任务根据各个观测节点的历史水质数据及相应的拓扑位置关系, 预测未来水质变化情况, 是图神经网络辅助环境保护的重要任务之一. 然而, 采集数据的数值和节点间的拓扑结构均存在噪声, 且噪声存在耦合现象. 同时, 污染物流向的不同导致数值噪声与结构噪声的耦合现象更为复杂难以解耦. 因此, 提出了一种基于趋势感知图神经网络的耦合噪声水质预测方法: 1)利用历史水质数据趋势特征, 挖掘原始水质数据指标的局部相互关系, 构建多种潜在的水系拓扑结构, 分离结构噪声; 2)利用构建的邻接矩阵与原始数据挖掘时空特征, 分离数值噪声. 最终, 根据潜在结构构建前后图网络节点表征一致性聚合水质预测结果. 实验结果表明, 所提方法在真实数据集上比当前最优方法表现更好, 且给出的水系潜在拓扑结构符合真实情况. 代码和数据可在GitHub上访问: https://github.com/aTongs1/TaGNN.

来源：2025年第11期

《软件学报》期刊编辑部

查看软件学报杂志2025年第11期