一种基于图卷积神经网络的海运网络链路预测方法

本发明提出了一种基于图卷积神经网络的海运网络链路预测方法，首先基于历史月度OD连接数量数据，分解提取海运网络节点间的趋势性特征与季节性特征，并通过傅里叶变换提取其多尺度周期性特征；随后，将前一个季度每个节点的趋势性特征、季节性特征和多尺度周期性特征，结合海运网络拓扑结构的节点拓扑特征，输入到图卷积神经网络(GCN)与长短期记忆网络(LSTM)的混合模型中，通过空间依赖关系与时间演化规律构建海运网络链路预测时空融合模型并进行模型训练；最后使用海运网络链路预测时空融合模型预测当月各节点对的链路存在概率。本方法旨在为海运网络的动态管理与优化提供科学依据。