一种融合ChatGPT领域专家知识与深度学习的溶解氧预测方法

本发明是一种融合ChatGPT领域专家知识与深度学习的溶解氧预测方法(ChatGPT‑EK‑TabNet)，解决了现有模型在溶解氧浓度预测中准确度不足的问题。本发明方法包括：收集水质数据，利用ChatGPT获取水质领域的专家知识并改进最大最小值的归一化，进而完成对特征的归一化处理；根据水质数据构建特征约束矩阵，并结合ChatGPT生成的特征关系权重，形成加权特征约束矩阵；改进TabNet模型的注意力机制，引入加权特征约束矩阵，优化特征交互过程，并构建ChatGPT‑EK‑TabNet溶解氧预测模型。本发明通过结合领域专家知识、增强特交互，提高了溶解氧浓度预测的精度，能够更有效地捕捉水质数据的复杂特征关系。