一种水质指标预测模型训练方法、装置、设备及存储介质

本申请实施例提供一种水质指标预测模型训练方法、装置、设备及存储介质，所述方法可以在获取训练数据集后，使用元学习器网络对训练数据集执行数据增强，以获得增强时间序列数据集。再将增强时间序列数据集输入被训练模型，以及通过被训练模型计算训练损失，从而根据训练损失优化被训练模型的模型参数。所述方法可以利用元学习器网络进行数据增强，并且在全局、实例和时间多个维度上进行分层的对比学习，全面捕获时间序列在不同语义层级上的信息。利用卷积神经网络提取序列特征，训练并建立自监督层次对比模型，可以提高水质指标预测结果的准确率，同时具有较高的稳定性。