一种基于双向耦合水动力模型与物理信息神经网络的藻类生物量预测方法

本发明公开了一种基于双向耦合水动力模型与物理信息神经网络的藻类生物量预测方法，涉及藻类生物量预测领域，其首先获取并预处理水情类数据、水质类数据和气象类数据，然后构建基于浅水方程组的水动力模型，该模型耦合了对流‑扩散方程和风应力‑湍流模型，以模拟营养盐浓度的空间分布、水温分布及风力驱动下的垂向与水平混合过程；基于气象类和水情类数据的时间序列运行该模型，输出多维物理场数据；接着，对水质数据进行空间插值，使其与水动力模型的网格节点时空对齐；通过将浅水方程组中的残差作为正则项构建目标损失函数，并训练物理信息神经网络，最终得到目标预测模型；显著提升了藻类生物量预测的精度和目标预测模型的鲁棒性。