基于深度学习和注意力机制的大尺度流域总磷模拟方法

本发明公开了一种基于深度学习和注意力机制的大尺度流域总磷模拟方法，包括：采集逐日水文气象的时间序列数据、水质数据以及恒定的流域属性数据；对采集的数据进行预处理；创建并在LSTM模型中引入注意力机制，进行超参数设置；将预处理后的数据输入到包含注意力机制的LSTM模型中进行模型训练和评估；输出流域逐日总磷浓度以及通量的模拟数据集。本发明将深度学习算法应用到LSTM模型的训练当中，并引入注意力机制来提高模型对重要时间步和特征的关注，实现了同时模拟上百个流域的逐日TP数据，对上百个流域特征和动态行为的学习，在水质模拟方面具有空间范围广、时间跨度大的优点。