1.一種時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述方法包括以下步驟：
2.如權利要求1所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟1包括以下子步驟：
3.如權利要求2所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟1還包括以下子步驟：
4.如權利要求3所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，在所述步驟1.3中，所述inception模塊包括多尺度的二維卷積核，可同時聚合多尺度的周期內變化（列）和周期間變化（行），既覆蓋相鄰的時間點，又覆蓋相鄰的周期。
5.如權利要求3所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟1還包括以下子步驟：
6.如權利要求5所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟2包括以下子步驟：
7.如權利要求6所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，在所述步驟3中，使用leakyrelu作為非線性激活計算得到相鄰節(jié)點間的注意力系數，并用softmax函數對所述注意力系數進行歸一化。
8.如權利要求7所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟3包括以下子步驟：
9.如權利要求8所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，所述步驟4包括以下子步驟：
10.如權利要求9所述的時序特征提取模塊結合圖神經網絡的質量檢測方法，其特征在于，使用向量與觀測數據之間的均方誤差作為最小化的損失函數對模型進行訓練：