[发明专利]一种基于鲁棒增强损失函数的图链路预测方法

权利要求书

1.一种基于鲁棒增强损失函数的图链路预测方法，其特征在于，所述图链路预测方法为：

S1，基于图链路相关数据，提取链路拓扑结构，构建链路网络G；提取站点历史图像数量数据，构建特征矩阵M，其中特征矩阵M的构建方法为：

D1，将传输节点的图片传输量视为G中节点的属性特征，表示为M^N*P，其中P表示节点属性特征的数量，即历史时间序列的长度；

D2，计算每个数据传输节点在时间t时的数据传输量M_t∈R^N×i；

D3，在图像传输网络G和特征矩阵M的前提下，学习映射函数f；

D4，计算下一个T时刻站点的图片传输量，如所示下式：

；

其中n是历史时间序列的长度，T是需要预测的时间序列的长度；

D5，提取所有时刻站点图像数量数据，生成特征矩阵M；

S2，获取的邻接矩阵A，并通过对称规范化的拉普拉斯算子对邻接矩阵A进行归一化处理；

S3，在时间图卷积网络模型中，上述归一化处理后的矩阵即为输入，而在自定义图卷积网络中还需对矩阵进行自身节点权重增强的处理，即在归一化矩阵的基础上加上矩阵,其中Ф是提高自身节点权重比的系数，I_N为单位矩阵；

S4，将特征矩阵M进行归一化处理以及增加主对角线上节点权重后的邻接矩阵作为图卷积网络的输入，进行训练；

S5，将具有空间特征的时间序列作为GRU的输入，以获取图像数量数据中的时空特征。

2.根据权利要求1所述的一种基于鲁棒增强损失函数的图链路预测方法，其特征在于，所述图链路相关数据包括图链路时空网络模型数据，所述图链路时空网络模型数据的分析方法为：

A1，首先需要基于图像传输的OD数据来还原其出行的整条传输路线，若从传输端到接收端的路线不止一条，则根据图像传输的传输行为和接收端作为筛选标准来选择路线，所述筛选标准包括最短线路、最少线路转换次数、最短线路转换时间，如果仍有多条线路符合上述筛选标准，则从这些线路中随机选择一条；

A2，估计图像离开传输线路的第一个传输节点的时间，图像进入传输节点后，需要传输一段时间才能到节点输出端，可利用公式计算图像的出发时间；

A3，计算图像经过任意两个相邻传输节点所用的时间。

3.根据权利要求1所述的一种基于鲁棒增强损失函数的图链路预测方法，其特征在于，所述图链路相关数据还包括图链路级联失效模型数据，所述图链路级联失效模型数据的分析方法为：

B1，每个节点都有一个在区间[0，1]内随机选择的阈值θ_i，该阈值表示受到其他节点影响的难易程度；

B2，指定初始的失效节点；

B3，节点在时间步t⁰+1状态的变化；

B4，通过设定鲁棒性度量指标R（t）评估级联失效规模对网络鲁棒性的动态影响。

4.根据权利要求1所述的一种基于鲁棒增强损失函数的图链路预测方法，其特征在于，所述链路网络G的构建方法为：

C1，利用L-Space方法构建传输线路网络中传输线路信息；

C2，传输线路网络可以形式化为无向不加权图G；

C3，用邻接矩阵A来表示节点之间的连接关系。