基于自注意力的MSDBA-LSTM污染物浓度预测方法

本发明公开了基于自注意力的MSDBA‑LSTM污染物浓度预测方法，包括获取初始监测数据，构建MSDBA算法，对初始监测数据进行特征提取，输出为LSTM记忆信息，将LSTM记忆信息输入至自注意力机制，得到注意力值，构建基于自注意力机制的MSDBA‑LSTM污染物浓度预测模型，通过模拟猎物防御机制，增强BA算法的全局搜索与局部开发能力，引入基于自注意力机制的LSTM网络，为LSTM网络隐藏状态动态分配权重，强化关键特征影响，精准建模污染物浓度监测与影响因素间的非线性时序关系，提升预测准确性，结合MSDBA算法与基于自注意力机制的LSTM网络，构建基于自注意力的MSDBA‑LSTM污染物浓度预测模型，自动优化LSTM网络的超参数，减少人工干预，提升预测精度与效率，降低模型构建的不确定性。