基于机器学习的富营养化模型自我更新及迭代方法和系统

本发明提供基于机器学习的富营养化模型自我更新及迭代方法和系统，通过自动化数据处理、无缝数据传输、文件自动生成与更新、自主计算与反馈以及参数优化与模型迭代的全流程自动化机制，能够自动从本地数据库和外部API接口获取并格式化所需数据，利用PHP边缘计算方法将数据流安全可靠地发送至服务端的Python环境中，使用MIKEIO库生成或更新地形文件、边界条件输入文件和初始场分布文件，并通过MzLaunch启动模型沙盒区域实例运行，实时反馈模型结果至前端；基于sklearn机器学习库对水质过程参数进行初始率定和后期优化，实现模型的循环模拟和自我更新，从而大幅提高模拟精度和响应速度，适用于如海水赤潮等需要实时预警和预测的水环境管理场景。