本發(fā)明涉及復(fù)雜網(wǎng)絡(luò)系統(tǒng)，尤其涉及一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、真實(shí)世界中各個(gè)領(lǐng)域的復(fù)雜系統(tǒng)，如生態(tài)學(xué)、生物化學(xué)和生理學(xué)等系統(tǒng)，可以利用復(fù)雜系統(tǒng)理論進(jìn)行建模。這些復(fù)雜系統(tǒng)通常由相互連接的組件構(gòu)成。例如，在生態(tài)系統(tǒng)中，不同的組件可以表示多種物種，而物種之間的競(jìng)爭(zhēng)、合作、共生等關(guān)系可以由組件之間的連接關(guān)系來表示。從圖論的視角來看，組件可以抽象為節(jié)點(diǎn)，而它們之間的連接關(guān)系可以被抽象為邊，因此，這類由相互連接的組件構(gòu)成的復(fù)雜系統(tǒng)也可以被稱為復(fù)雜網(wǎng)絡(luò)系統(tǒng)。復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性是其重要屬性之一，它表示系統(tǒng)在發(fā)生錯(cuò)誤、故障和環(huán)境變化時(shí)進(jìn)行調(diào)整以維持其自身正常功能的能力。理解和預(yù)測(cè)復(fù)雜網(wǎng)絡(luò)系統(tǒng)中這一關(guān)鍵屬性的韌性不僅可以增強(qiáng)分析和干預(yù)自然系統(tǒng)的能力，而且還可以為工程系統(tǒng)的設(shè)計(jì)提供了寶貴的見解。

2、在復(fù)雜網(wǎng)絡(luò)韌性預(yù)測(cè)領(lǐng)域，已經(jīng)發(fā)展出一些基于非線性動(dòng)力學(xué)系統(tǒng)的理論方法。研究表明，復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性與系統(tǒng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及其動(dòng)力學(xué)機(jī)制相關(guān)。然而，已有研究大多僅局限于理論分析層面，期望對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)狀態(tài)的變化得出復(fù)雜高維的解析解。理論方法通常假設(shè)對(duì)網(wǎng)絡(luò)演化動(dòng)力學(xué)有詳細(xì)的了解，缺乏對(duì)真實(shí)世界實(shí)際情況的考慮，真實(shí)的網(wǎng)絡(luò)動(dòng)力學(xué)的通常是難以測(cè)量且其公式形式是無法獲取的。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中理論方法通常假設(shè)對(duì)網(wǎng)絡(luò)演化動(dòng)力學(xué)有詳細(xì)的了解，缺乏對(duì)真實(shí)世界實(shí)際情況的考慮，真實(shí)的網(wǎng)絡(luò)動(dòng)力學(xué)的通常是難以測(cè)量且其公式形式無法獲取的缺陷。本發(fā)明基于觀測(cè)數(shù)據(jù)對(duì)韌性預(yù)測(cè)模型預(yù)訓(xùn)練、數(shù)據(jù)增強(qiáng)和再訓(xùn)練，顯著提高了韌性預(yù)測(cè)的準(zhǔn)確性。

2、本發(fā)明提供一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，包括：獲取待韌性預(yù)測(cè)的復(fù)雜網(wǎng)絡(luò)系統(tǒng)的觀測(cè)數(shù)據(jù)；所述觀測(cè)數(shù)據(jù)包括網(wǎng)絡(luò)拓?fù)浞植己途W(wǎng)絡(luò)拓?fù)涔?jié)點(diǎn)的動(dòng)力學(xué)狀態(tài)軌跡；輸入所述觀測(cè)數(shù)據(jù)至韌性預(yù)測(cè)模型，獲得所述韌性預(yù)測(cè)模型輸出的韌性預(yù)測(cè)結(jié)果；其中，所述韌性預(yù)測(cè)模型的訓(xùn)練方法包括：基于樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)對(duì)所述韌性預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型；基于所述樣本觀測(cè)數(shù)據(jù)中的無標(biāo)簽數(shù)據(jù)、預(yù)訓(xùn)練后的所述韌性預(yù)測(cè)模型和預(yù)設(shè)圖數(shù)據(jù)增強(qiáng)算法，生成模型再訓(xùn)練的有標(biāo)簽增強(qiáng)數(shù)據(jù)；根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)和生成的所述有標(biāo)簽增強(qiáng)數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述韌性預(yù)測(cè)模型進(jìn)行再訓(xùn)練，得到再訓(xùn)練好的所述韌性預(yù)測(cè)模型，以基于再訓(xùn)練好的所述韌性預(yù)測(cè)模型進(jìn)行韌性預(yù)測(cè)。

3、根據(jù)本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，所述韌性預(yù)測(cè)模型包括拓?fù)鋽U(kuò)散模塊、動(dòng)力學(xué)學(xué)習(xí)模塊和韌性預(yù)測(cè)模塊；所述基于樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)對(duì)所述韌性預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型，包括：根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的網(wǎng)絡(luò)拓?fù)浞植迹陬A(yù)設(shè)生成擴(kuò)散算法對(duì)所述拓?fù)鋽U(kuò)散模塊進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的拓?fù)鋽U(kuò)散模塊；所述拓?fù)鋽U(kuò)散模塊用于生成網(wǎng)絡(luò)拓?fù)浞植?；根?jù)所述樣本觀測(cè)數(shù)據(jù)中的動(dòng)力學(xué)狀態(tài)軌跡，利用神經(jīng)常微分方程對(duì)所述動(dòng)力學(xué)學(xué)習(xí)模塊進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的動(dòng)力學(xué)學(xué)習(xí)模塊；所述動(dòng)力學(xué)學(xué)習(xí)模塊用于生成動(dòng)力學(xué)狀態(tài)軌跡；根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)，利用transformer算法和圖卷積網(wǎng)絡(luò)對(duì)所述韌性預(yù)測(cè)模塊進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的韌性預(yù)測(cè)模塊；所述韌性預(yù)測(cè)模塊用于預(yù)測(cè)復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性。

4、根據(jù)本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，所述基于所述樣本觀測(cè)數(shù)據(jù)中的無標(biāo)簽數(shù)據(jù)、預(yù)訓(xùn)練后的所述韌性預(yù)測(cè)模型和預(yù)設(shè)圖數(shù)據(jù)增強(qiáng)算法，生成模型再訓(xùn)練的有標(biāo)簽增強(qiáng)數(shù)據(jù)，包括：基于所述樣本觀測(cè)數(shù)據(jù)中的無標(biāo)簽數(shù)據(jù)確定過程拓?fù)?；所述過程拓?fù)錇樗鐾負(fù)鋽U(kuò)散模塊在反向過程中生成的網(wǎng)絡(luò)拓?fù)浞植迹桓鶕?jù)所述過程拓?fù)?，確定所述動(dòng)力學(xué)學(xué)習(xí)模塊生成的過程動(dòng)力學(xué)狀態(tài)軌跡；根據(jù)所述過程拓?fù)浜退鲞^程動(dòng)力學(xué)狀態(tài)軌跡，確定所述韌性預(yù)測(cè)模塊生成的過程韌性預(yù)測(cè)結(jié)果；基于所述過程韌性預(yù)測(cè)結(jié)果指導(dǎo)生成所述有標(biāo)簽增強(qiáng)數(shù)據(jù)；所述有標(biāo)簽增強(qiáng)數(shù)據(jù)包括所述拓?fù)鋽U(kuò)散模塊生成的有標(biāo)簽的增強(qiáng)網(wǎng)絡(luò)拓?fù)浞植己退鰟?dòng)力學(xué)學(xué)習(xí)模塊生成的有標(biāo)簽的增強(qiáng)動(dòng)力學(xué)狀態(tài)軌跡。

5、根據(jù)本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，所述根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的網(wǎng)絡(luò)拓?fù)浞植迹陬A(yù)設(shè)生成擴(kuò)散算法對(duì)所述拓?fù)鋽U(kuò)散模塊進(jìn)行預(yù)訓(xùn)練，包括：根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的網(wǎng)絡(luò)拓?fù)浞植?，確定輸入所述拓?fù)鋽U(kuò)散模塊的節(jié)點(diǎn)集和邊集；根據(jù)所述節(jié)點(diǎn)集和所述邊集，所述拓?fù)鋽U(kuò)散模塊預(yù)訓(xùn)練的前向過程等價(jià)于從分類分布中抽樣邊的類型，得到帶噪聲的拓?fù)鋱D；將所述帶噪聲的拓?fù)鋱D輸入預(yù)訓(xùn)練的拓?fù)漕A(yù)測(cè)網(wǎng)絡(luò)，得到預(yù)測(cè)拓?fù)鋱D；根據(jù)所述帶噪聲的拓?fù)鋱D和所述預(yù)測(cè)拓?fù)鋱D，對(duì)所述拓?fù)鋽U(kuò)散模塊進(jìn)行預(yù)訓(xùn)練的反向過程，得到去噪后的拓?fù)鋱D。

6、根據(jù)本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，所述根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的動(dòng)力學(xué)狀態(tài)軌跡，利用神經(jīng)常微分方程對(duì)所述動(dòng)力學(xué)學(xué)習(xí)模塊進(jìn)行預(yù)訓(xùn)練，包括：將所述樣本觀測(cè)數(shù)據(jù)中的動(dòng)力學(xué)狀態(tài)軌跡中的節(jié)點(diǎn)狀態(tài)編碼映射到隱空間；在所述隱空間中，利用圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)節(jié)點(diǎn)狀態(tài)，得到隱空間表示；將所述隱空間表示進(jìn)行解碼轉(zhuǎn)換，得到表征重構(gòu)節(jié)點(diǎn)狀態(tài)的動(dòng)力學(xué)狀態(tài)軌跡。

7、根據(jù)本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法，所述根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)，利用transformer算法和圖卷積網(wǎng)絡(luò)對(duì)所述韌性預(yù)測(cè)模塊進(jìn)行預(yù)訓(xùn)練，包括：根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)中每個(gè)時(shí)間步的節(jié)點(diǎn)的動(dòng)力學(xué)狀態(tài)軌跡，利用transformer層編碼時(shí)間步之間節(jié)點(diǎn)狀態(tài)的時(shí)間相關(guān)性；利用所述圖卷積網(wǎng)絡(luò)學(xué)習(xí)所述有標(biāo)簽數(shù)據(jù)中網(wǎng)絡(luò)拓?fù)浞植純?nèi)的空間相互作用。

8、本發(fā)明還提供一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)系統(tǒng)，包括：獲取模塊，用于獲取待韌性預(yù)測(cè)的復(fù)雜網(wǎng)絡(luò)系統(tǒng)的觀測(cè)數(shù)據(jù)；所述觀測(cè)數(shù)據(jù)包括網(wǎng)絡(luò)拓?fù)浞植己途W(wǎng)絡(luò)拓?fù)涔?jié)點(diǎn)的動(dòng)力學(xué)狀態(tài)軌跡；韌性預(yù)測(cè)模塊，用于輸入所述觀測(cè)數(shù)據(jù)至韌性預(yù)測(cè)模型，獲得所述韌性預(yù)測(cè)模型輸出的韌性預(yù)測(cè)結(jié)果；其中，所述韌性預(yù)測(cè)模型的訓(xùn)練系統(tǒng)包括：預(yù)訓(xùn)練模塊，用于基于樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)對(duì)所述韌性預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型；數(shù)據(jù)增強(qiáng)模塊，用于基于所述樣本觀測(cè)數(shù)據(jù)中的無標(biāo)簽數(shù)據(jù)、預(yù)訓(xùn)練后的所述韌性預(yù)測(cè)模型和預(yù)設(shè)圖數(shù)據(jù)增強(qiáng)算法，生成模型再訓(xùn)練的有標(biāo)簽增強(qiáng)數(shù)據(jù)；再訓(xùn)練模塊，用于根據(jù)所述樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)和生成的所述有標(biāo)簽增強(qiáng)數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述韌性預(yù)測(cè)模型進(jìn)行再訓(xùn)練，得到再訓(xùn)練好的所述韌性預(yù)測(cè)模型，以基于再訓(xùn)練好的所述韌性預(yù)測(cè)模型進(jìn)行韌性預(yù)測(cè)。

9、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法。

10、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法。

11、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法。

12、本發(fā)明提供的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的韌性預(yù)測(cè)方法及系統(tǒng)，該方法包括：獲取待韌性預(yù)測(cè)的復(fù)雜網(wǎng)絡(luò)系統(tǒng)的觀測(cè)數(shù)據(jù)；觀測(cè)數(shù)據(jù)包括網(wǎng)絡(luò)拓?fù)浞植己途W(wǎng)絡(luò)拓?fù)涔?jié)點(diǎn)的動(dòng)力學(xué)狀態(tài)軌跡；輸入觀測(cè)數(shù)據(jù)至韌性預(yù)測(cè)模型，獲得韌性預(yù)測(cè)模型輸出的韌性預(yù)測(cè)結(jié)果；其中，韌性預(yù)測(cè)模型的訓(xùn)練方法包括：基于樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)對(duì)韌性預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型；基于樣本觀測(cè)數(shù)據(jù)中的無標(biāo)簽數(shù)據(jù)、預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型和預(yù)設(shè)圖數(shù)據(jù)增強(qiáng)算法，生成模型再訓(xùn)練的有標(biāo)簽增強(qiáng)數(shù)據(jù)；根據(jù)樣本觀測(cè)數(shù)據(jù)中的有標(biāo)簽數(shù)據(jù)和生成的有標(biāo)簽增強(qiáng)數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的韌性預(yù)測(cè)模型進(jìn)行再訓(xùn)練，得到再訓(xùn)練好的韌性預(yù)測(cè)模型，顯著提高了韌性預(yù)測(cè)的準(zhǔn)確性。