1.一种基于图卷积网络的多维增强癫痫发作预测系统，其特征在于，包括：

数据获取单元，被配置为获取待检测的脑电信号数据，并对获取的待检测脑电数据进行预处理；

信息重构空间单元，被配置为利用信息重构空间模型对预处理后的脑电数据每个通道进行分解和重构，基于重构后的数据计算各通道间的相关关系，生成图数据；

图编码器单元，被配置为利用图编码器对所述图数据进行特征提取并编码；所述图编码器采用图卷积网络，其输入部分包括信息重构空间中得到的图特征向量和脑电信号各通道之间的相关关系，通过图卷积层提取图空间特征后，经全连接层将特征进行加权综合，生成图状态码；

空时预测器单元，被配置为将编码后的图状态码数据输入空时预测器，作为空时预测器当前时段的状态输入数据，进而，按照时间顺序，将图状态码数据依次输入，再经多层感知机，获得预测结果；

所述空时预测器由门控循环单元组成，所述空时预测器按时间顺序接收图编码器输出的图状态码，并估计下一时段的状态输出；所述空时预测器中，忘记门和输入门合并为更新门N，将单元状态U和状态H合并为复合状态C；重置门Rt用于控制上一时刻的图状态码数据输入到Rt集合的数据；更新门Nt用于控制上一时刻的图状态码数据输入到当前状态的程度。

2.如权利要求1所述的一种基于图卷积网络的多维增强癫痫发作预测系统，其特征在于，利用信息重构空间模块对脑电数据每个通道进行分解和重构，具体为：利用小波包分解技术，将高频和低频范围内的全部癫痫脑电信号进行分解，计算各个频带的能量值特征，重构各个通道数据单元的表示；并使用皮尔森相关系数计算方法，计算多通道间的相关性，生成图数据。

3.如权利要求2所述的一种基于图卷积网络的多维增强癫痫发作预测系统，其特征在于，将高频和低频范围内的全部癫痫脑电信号进行5层小波包分解，得到32段频带小波系数，计算各个频带的能量值特征，重新构造成以32个能量特征值表示各个通道数据。

4.如权利要求1所述的一种基于图卷积网络的多维增强癫痫发作预测系统，其特征在于，所述图编码器包括输入层、第一图卷积层、第二图卷积层、第三图卷积层、全连接层和图状态码输出层。

5.如权利要求1所述的一种基于图卷积网络的多维增强癫痫发作预测系统，其特征在于，所述对获取的待检测脑电数据进行预处理，具体包括：对数据集中每个病例的脑电记录进行时期划分；对癫痫脑电信号数据单元的划分；平衡正负样本数据。

6.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1‑5任一项所述基于图卷积网络的多维增强癫痫发作预测系统的功能。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1‑5任一项所述基于图卷积网络的多维增强癫痫发作预测系统的功能。