基于深度学习的工业园区全氟-多氟化合物排放预测方法

本发明涉及到全氟‑多氟化合物排放领域，具体涉及基于深度学习的工业园区全氟‑多氟化合物排放预测方法。包括：S1，确定和收集工业园区全氟‑多氟化合物排放预测核算所需数据；S2，采用物质流的方法核算工业园区生产、加工、使用和处置过程中的全氟‑多氟化合物排放；S3，建立基于深度学习的渗滤液中全氟‑多氟化合物排放预测框架；S4，结合卷积神经网络模型通过矩阵计算得到生产系统下工业园区全氟化合物的排放特征。本发明基于卷机神经网络模型，通过耦合图数据与深度学习算法，融合多分支时空网络，解析影响全氟‑多氟化合物排放浓度的多重驱动因素，从而全面反映全氟‑多氟化合物的时空变化特征，提高预测精度和效果。