震后地铁功能预测GNN

迁移误差降七成

一种含分级门控查询注意力的图神经网络，预测地铁震后功能，迁移少样本下误差比直接迁移平均降低71%。

Jie, Hu · 翟长海 · 温卫平

Reliability Engineering and System Safety 2026

参数信息

决定系数

0.997

均方误差平均降低幅度

71 %

均方误差平均降低幅度

26 %

技术优势

误差降七成

利用HGQA自适应融合跨域图级特征，迁移性能显著提升。

少样本就能微调

仅需500个目标系统功能标注样本微调，无需大量标注数据。

预测几乎无偏

在北京地铁泛化验证集上R²=0.997，接近完美预测。

应用场景

• 交通枢纽韧性评估：快速评估地铁网络震后功能，支撑韧性决策。
• 震后设施功能评估：预测震后设施功能状态，指导恢复优先级。
• 图神经网络灾后响应：利用图神经网络快速预测灾后响应需求。