本網訊 近日，由蔣麗忠教授、向平教授聯合指導，中南大學土木工程學院研究生彭炫作為第一作者在國際頂級期刊《自然·通訊》（Nature Communications）發表題為“基于時間感知專家的自適應圖區域方法：優化動態系統長期預測性能（Adaptable graph region for optimizing performance in dynamic system long-term forecasting via time-aware expert）”的研究論文。該成果針對結構工程等領域動態系統長期預測中“精度與效率難以兼顧”的核心痛點，提出創新性解決方案。
在結構工程及相關領域，橋梁、建筑、交通網絡等動態系統的長期行為預測是保障安全、優化管理的關鍵，但現有技術存在計算慢、多尺度信息融合不足、遠距離節點信息傳遞失衡等問題。為此，研究團隊開展技術創新，提出了區域圖神經網絡（RGNN）框架，通過引入區域圖表示（RGR）與細粒度重構（FGR）技術，將真實物理系統變為計算機所能理解的語言，選取系統關鍵部件作為節點，將耦合關系作為節點的連接關系，賦予節點和邊對應的物理屬性，實現了對系統動態特性的精準捕捉。
研究表明，通過靈活調節“區域階數”，有效控制了圖結構規模，在保留核心拓撲信息的同時，可將節點數量大幅壓縮至原規模的10%-50%，顯著提升了計算效率。同時，借助線性變換矩陣實現區域特征向量的重新分配，確保了信息的精準傳遞與無損重構。研究還集成了稀疏時間感知專家模塊，該模塊能夠動態融合短期波動與長期趨勢的多尺度信息，有效解決了傳統模型在信息融合上的局限性，提高了長期預測的準確性和穩定性。此外，研究提出的融合圖卷積（FGC）技術，優化了大型圖結構中遠距離節點的信息交換機制，實現了高效的信息傳遞，避免了傳統方法中的效率犧牲與信息丟失問題。
圖示為如何將復雜動態系統（列車- 橋梁耦合系統這類存在多組件交互的系統）轉化為標準化圖結構
實驗結果顯示，技術在PEMS08（PEMS 全稱：Performance Measurement System，即 “交通性能監測系統”）數據集上的計算速度提升了45.7倍，內存消耗降低了87%。在PEMS04和PEMS08（PEMS04、PEMS08均為美國加州交通流量監測數據集）兩個經典數據集上的驗證表明，區域化后的鄰接矩陣與原始鄰接矩陣在核心拓撲特征上高度一致，有效保留了局部連接特性和整體疏密分布規律。此研究成果通過構建一套全新的預測技術框架，在動態系統長期預測領域取得關鍵突破，為橋梁安全監測、交通管控、氣候預測等領域提供了高效智能的技術支撐。
PEMS04 和 PEMS08 數據集的區域圖矩陣可視化
（一審：張靜雪 二審：唐瀟珺 三審：韓艷）
