近日，我校计算机与信息安全学院硕士研究生向龙在国际权威顶级期刊Water Research（IF:11.5，SCI一区，中科院1区TOP）发表题为“Temporal and Spatial Feature Extraction using Graph Neural Networks for Multi-Point Water Quality Prediction in River Network Areas”的论文，论文指导老师为学院许睿教授。

深度学习方法已广泛应用于水质预测，在处理高度非线性关系表现出强大能力。然而，现有研究大多集中于单个站点的水质预测，往往忽视了污染物在自然水体中的空间扩散和传播特性。空间点位水质演变过程受多个站点间复杂的空间与时间过程影响，忽略空间交互作用可能会影响模型在实际应用中的扩展性和稳定性。鉴于图神经网络在捕捉空间结构信息方面的优势，本文设计了一种基于图神经网络的深度学习模型（STF-GNN），用于水质数据的时空特征提取与预测。模型将监测站及邻接关系建模为图的节点与边，从而将站点的分布视为图网络。通过结合图卷积网络（GCN）、门控循环单元（GRU）和Self-attention机制，该模型能够有效捕获空间点位水质时间序列数据中的多尺度时空特征。最后，基于空间图卷积和全连接网络的预测模块对空间点位的水质进行预测。

该方法适用于中小城市水质预测，能够有效地模拟并预测多个地点或多个城市流域中的水质变化趋势。论文充分考虑了污染物在介质中传输的基础物理规律，所开发的垂直领域图神经网络模型，是人工智能赋能基础科学应用的典型应用，对基础科学与人工智能结合起到了较好的借鉴作用。

该项研究工作得到了广西重点研发计划（AB25069169），广西自然科学基金（2024JJA170094），国家自然科学基金（52379067，622660014），广州市科学技术协会青年人才支持项目（QT2024-022）的资助。

文章DOI：https://doi.org/10.1016/j.watres.2025.123561