基于时空特征融合与LSTM记忆网络的水质预测模型及预测方法

本发明公开了一种基于时空特征融合与LSTM的水质预测深度学习模型及预测方法，包括：一个或多个时间卷积网络，时间卷积网络包括多个TemporalBlock模块构成，一个或多个经典卷积网络，经典卷积网络包含一个或多个卷积层、一个池化层、一个全连接层，采用Xavier初始化方法初始化参数，具备特征融合机制，每个卷积层包含卷积操作、ReLU激活函数、Dropout层和池化层；至少一个附加的时间卷积网络；一个长短期记忆网络，特征融合模块，输出模块，灵活调整输出为单步预测和多步预测，用于生成最终的预测结果。本发明既能够有效处理水质监测数据中的时序依赖性、非线性关系，又能灵活整合多源信息的深度学习模型，以实现对水质变化的准确预测。