一种耦合机理模型与深度学习的湖库营养盐浓度模拟方法

本发明公开了一种耦合机理模型与深度学习的湖库营养盐浓度模拟方法，包括以下步骤：S1、构建湖库水动力水质机理模型，计算营养盐的内循环过程通量，获得通量指标和营养盐浓度的次生数据；S2、通过对损失函数的物理指导正则化构建物理信息神经网络，并采用贝叶斯优化算法进行超参数优化，实现深度学习对湖库水动力水质机理模型的学习和替代；S3、设置物理信息神经网络的部分权重为可变参数，对步骤S2建立的深度学习模型进行微调，实现对实际观测营养盐浓度的模拟；S4、采用深度学习的解释方法识别营养盐浓度波动的主要影响因子，解析营养盐浓度演变的驱动机制，并进行湖库营养盐浓度的模拟和预测。