一种基于图神经网络的化工企业隐患预测方法及系统

本发明公开了一种基于图神经网络的化工企业隐患预测方法及系统，涉及风险预测技术领域。本发明与之前的隐患排查方法相比，解决了现有的隐患排查方法依赖单一数据源和静态数据分析，忽视了风险因素的动态特性，难以全面捕捉潜在隐患和风险；无法及时识别和应对潜在的安全隐患；且依赖人工检查，效率较低的问题；通过构建化工企业的隐患时序知识图谱，整合多源数据，全面记录和分析隐患、风险点和潜在事故之间的动态关系，实现对多源数据的综合利用；同时结合图神经网络技术以及基于数据驱动的概率分数阈值设定方法，进行深度学习和分析，能够显著提高对隐患和风险进行动态预测和评估的准确性；还通过自动化系统减少对人工检查的依赖，提高效率。