1.一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，包括以下步骤：构建多层次嵌套图表征悬挂结构，包括多个层次，高层图节点代表子结构，边表示子结构间交互关系，低层图表示监测点和物理连接关系；基于构建的多层次嵌套图，实现跨层注意力机制，计算不同层次间结构单元的影响传递，识别结构中多尺度关键路径，包括：对相邻两层之间的节点，计算注意力系数，表示低层节点对高层节点的影响程度；基于计算的注意力系数，实现低层到高层的信息传递；基于跨层注意力系数，识别结构中的多尺度关键路径；根据跨层注意力机制的结果，构建双重自注意力增强的时空图神经网络，通过节点自注意力层识别关键节点，时间自注意力层捕捉长时间尺度的结构状态演变；将双重自注意力增强的时空图神经网络输出特征输入时序图卷积网络并学习结构动态特性，预测结构承载力变化和动态响应；基于时序图卷积网络的预测结果和多层次注意力分数，生成结构脆弱性热图，识别潜在风险区域，并自动调整关键节点的监测采样频率。
2.根据权利要求1所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述构建多层次嵌套图表征悬挂结构的步骤包括：将悬挂结构表示为多层次嵌套图，包括底层图、中间层图和顶层图；定义层次间的映射关系，表示低层节点向高层节点的归属关系；构建节点特征向量，包括物理特征、拓扑特征和时间特征。
3.根据权利要求2所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述底层图表示最细粒度的结构节点，包括所有监测点和传感器位置；所述中间层图通过聚合底层节点形成，表示不同抽象级别的子结构单元；所述顶层图表示最高抽象级别的结构单元。
4.根据权利要求1所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述构建双重自注意力增强的时空图神经网络的步骤包括：构建节点自注意力层，计算同一层内节点间的关注度；构建时间自注意力层，捕捉长时间尺度的结构状态演变；将节点自注意力层和时间自注意力层的输出进行整合，得到综合了空间拓扑和时间演化特性的节点表示。
5.根据权利要求1所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述将双重自注意力增强的时空图神经网络输出特征输入时序图卷积网络并学习结构动态特性的步骤包括：构建图卷积层，处理空间拓扑关系；将图卷积与门控循环单元结合，构建时序图卷积网络；基于训练好的时序图卷积网络模型，预测结构在未来时间步的动态响应。
6.根据权利要求1所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述生成结构脆弱性热图的步骤包括：结合多层次注意力分数和时空预测结果，为每个节点计算综合脆弱性评分；基于计算的脆弱性评分，在悬挂结构的各个层次上生成热图；基于脆弱性评分，将节点分类并动态调整监测策略。
7.根据权利要求6所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述节点分类包括高风险节点、中风险节点和低风险节点，对高风险节点采用高频率采样，对中风险节点采用中等频率采样，对低风险节点采用低频率采样。
8.根据权利要求1所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，所述悬挂结构包括大型桥梁、大跨度屋顶或钢结构。
9.一种基于数字孪生的悬挂结构施工全周期模拟优化系统，用于执行权利要求1-8任一所述的一种基于数字孪生的悬挂结构施工全周期模拟优化方法，其特征在于，包括：多层次表征模块，用于构建多层次嵌套图表征悬挂结构；跨层注意力模块，用于计算不同层次间结构单元的影响传递，识别结构中多尺度关键路径；双重自注意力模块，用于通过节点自注意力层识别关键节点，时间自注意力层捕捉长时间尺度的结构状态演变；时序图卷积模块，用于学习结构动态特性，预测结构承载力变化和动态响应；风险评估模块，用于生成结构脆弱性热图，识别潜在风险区域，并自动调整关键节点的监测采样频率。
