一种针对流程工业中不规则时序数据的预测方法

本发明提供一种针对流程工业中不规则时序数据的预测方法，属于工业时序数据预测技术领域，包括以下步骤：数据采集与预处理；构建不规则时序数据的图表示；构建与训练时空关系图卷积神经网络模型；在线预测，并实际应用，时空关系图卷积神经网络模型包括：全连接图转换模块、时空关系图卷积层和分层“三明治”结构，本发明在流程工业环境下针对不规则采样的多变量时序数据构建了无须预对齐的全连接图表示，并基于时空关系图卷积模块实现了对异步且复杂的时空依赖结构的高精度预测，分层“三明治”策略进一步在大规模图数据上保证了计算效率与模型性能，适用于工业现场含大量异步传感器测点的实时预测和故障预警等需求。