一种基于液态图神经网络的监测稀缺点水质预测预警方法

本发明提供了一种基于液态图神经网络的监测稀缺点水质预测预警方法，涉及水环境大数据技术领域。液态图神经网络模型基于下列方法构建：根据节点的河道数据、历史水文数据和水文连通数据，确定初始连接权重，构建邻接矩阵、度矩阵及特征矩阵；采用液态神经元连续时间演化机制与预设液态微分方程，实现节点隐藏状态的动态编码；引入双通道网络和因果注意力机制对初始邻接矩阵进行实时更新，生成动态邻接矩阵；将节点隐藏状态与更新后的邻接矩阵输入模型，基于图拉普拉斯正则项进行多目标优化，优化数据稀缺点位的水质预测模型精度。本发明在数据稀疏点位的水质预测中表现出更高的预测精度和泛化能力。