Gera:基于图神经网络的动态灾害资源需求优化模型

作     者：刘壮 刘芮彤 赵斯桓 刘子建 

作者机构：东北财经大学金融科技学院 长春理工大学物理学院 大连理工大学计算机学院 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：灾害资源管理 AI辅助决策支持 紧急响应建模 图神经网络 

摘      要：近年来，先进的人工智能（AI）如ChatGPT已迅速成为数字经济社会的基础设施。人机融合智能在优化时间密集型流程、减少决策偏差和降低系统性风险等方面发挥着关键作用，为政府和组织在高度动态环境中做出准确决策提供有力支持。然而，全球自然和社会领域的突发事件，如公共卫生危机、地震和海啸，迫切需要利用这些技术进行灾害响应。灾害响应对于在灾后挽救生命和减少损失至关重要，而救灾应急资源管理是实现救灾行动的基础。然而，之前的研究忽略了关键的决策问题，即请求最佳资源数量的问题。为更好地解决这一问题，鉴于突发事件的显著特征，本文提出了创新模型：Gera。该基于图神经网络的深度学习模型通过设计基于周期变化的交互感知模块和双交互图聚合、全周期全局图的分解以及基于时间的对偶子图，实现了对当前未满足需求和未来资源需求的全面综合考虑，为资源类型的最佳资源需求提供了全面决策支持。本文基于爬取的近3年真实地震救灾数据进行模型训练，并通过实验证明Gera模型在性能上优于现有方法。实验结果还显示Gera模型具有强大的通用性和推广性。此外，Gera模型具有可插拔的特性，可以适配任意其他的救灾资源预测算法，为救灾资源管理研究奠定了坚实的基础。本文将Gera模型、代码以及训练权重全部开源，旨在为后续相关领域的研究提供支持。此外，本文爬取的地震救灾微博数据也已发布到Github，供救灾资源管理研究使用。