买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：本发明公开了一种基于图神经网络的海湾自动分区方法，包括以下步骤：S1、使用修改的数据包，将水动力模型的输出文件转化为Python软件可读取的.nc文件；S2、读取转化后的.nc文件并进行数据预处理；S3、使用tsfresh数据包提取不同特征的时间序列特征值；S4、利用Delaunay三角剖分算法和四向矩阵或八向矩阵判定空间连通性，并构建邻接矩阵；S5、构建卷积图神经网络对海湾特征与空间连通性进行学习；S6、使用Louvain算法或SpectralClustering算法对海湾进行非监督分类；S7、采用临近网格一致化的方法对海湾分区破碎边缘进行后处理；S8、基于卷积图神经网络将分区结果输出为.shp文件，实现海湾自动分区；该方法灵活易用，能够将海湾划分为内部水动力条件相对均一的少量分区。

主权项：1.一种基于图神经网络的海湾自动分区方法，其特征在于，包括以下步骤：S1、使用修改的数据包，将水动力模型的输出文件转化为Python软件可读取的.nc文件；S2、读取转化后的.nc文件并进行数据预处理；S3、使用tsfresh数据包提取不同特征的时间序列特征值；S4、利用Delaunay三角剖分算法和四向矩阵或八向矩阵判定空间连通性，并构建邻接矩阵；S5、构建卷积图神经网络对海湾特征与空间连通性进行学习；步骤S5中所述卷积图神经网络使用pytorch软件数据包中现有的图卷积神经网络框架GCN进行构架，其中损失函数使用区分正负样本，并加和其结构损失进行计算，具体计算公式如下：，，，其中，表示正样本损失；表示位于第i行第j列的网格；embeddings表示节点的特征嵌入矩阵；embeddings[i]表示第i个节点的嵌入向量；embeddings[j]表示第j个节点的嵌入向量；positive_pairs表示图中所有正样本对的集合；表示负样本损失；negative_pairs表示图中所有负样本对的集合；margin是一个用于定义负样本对间隔的超参数；表示总损失；S6、使用Louvain算法或SpectralClustering算法对海湾进行非监督分类；S7、采用临近网格一致化的方法对海湾分区破碎边缘进行后处理；S8、基于卷积图神经网络将分区结果输出为.shp文件，实现海湾自动分区。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于图神经网络的海湾自动分区方法