本网讯 近日，由蒋丽忠教授、向平教授联合指导，中南大学土木工程学院研究生彭炫作为第一作者在国际顶级期刊《自然·通讯》（Nature Communications）发表题为“基于时间感知专家的自适应图区域方法：优化动态系统长期预测性能（Adaptable graph region for optimizing performance in dynamic system long-term forecasting via time-aware expert）”的研究论文。该成果针对结构工程等领域动态系统长期预测中“精度与效率难以兼顾”的核心痛点，提出创新性解决方案。
在结构工程及相关领域，桥梁、建筑、交通网络等动态系统的长期行为预测是保障安全、优化管理的关键，但现有技术存在计算慢、多尺度信息融合不足、远距离节点信息传递失衡等问题。为此，研究团队开展技术创新，提出了区域图神经网络（RGNN）框架，通过引入区域图表示（RGR）与细粒度重构（FGR）技术，将真实物理系统变为计算机所能理解的语言，选取系统关键部件作为节点，将耦合关系作为节点的连接关系，赋予节点和边对应的物理属性，实现了对系统动态特性的精准捕捉。
研究表明，通过灵活调节“区域阶数”，有效控制了图结构规模，在保留核心拓扑信息的同时，可将节点数量大幅压缩至原规模的10%-50%，显著提升了计算效率。同时，借助线性变换矩阵实现区域特征向量的重新分配，确保了信息的精准传递与无损重构。研究还集成了稀疏时间感知专家模块，该模块能够动态融合短期波动与长期趋势的多尺度信息，有效解决了传统模型在信息融合上的局限性，提高了长期预测的准确性和稳定性。此外，研究提出的融合图卷积（FGC）技术，优化了大型图结构中远距离节点的信息交换机制，实现了高效的信息传递，避免了传统方法中的效率牺牲与信息丢失问题。
图示为如何将复杂动态系统（列车- 桥梁耦合系统这类存在多组件交互的系统）转化为标准化图结构
实验结果显示，技术在PEMS08（PEMS 全称：Performance Measurement System，即 “交通性能监测系统”）数据集上的计算速度提升了45.7倍，内存消耗降低了87%。在PEMS04和PEMS08（PEMS04、PEMS08均为美国加州交通流量监测数据集）两个经典数据集上的验证表明，区域化后的邻接矩阵与原始邻接矩阵在核心拓扑特征上高度一致，有效保留了局部连接特性和整体疏密分布规律。此研究成果通过构建一套全新的预测技术框架，在动态系统长期预测领域取得关键突破，为桥梁安全监测、交通管控、气候预测等领域提供了高效智能的技术支撑。
PEMS04 和 PEMS08 数据集的区域图矩阵可视化
（一审：张静雪 二审：唐潇珺 三审：韩艳）
