基于特征压缩和可解释特征融合的多水质因子预测方法

本发明公开基于特征压缩和可解释特征融合的多水质因子预测方法，获取多传感器数据并基于多传感器数据计算获得物理衍生变量；将多传感器数据和物理衍生变量作为输入变量对CS‑CNN‑Transformer预测模型进行训练，通过CNN提取输入变量的局部特征，压缩感知层替换CNN中池化层；引入多层注意力机制对输入的局部特征进行自适应特征融合，获得融合特征；将融合特征输入Transformer中，输出预测值；通过多层注意力机制，在模型训练过程中动态识别影响水质变化的关键特征；通过SHAP算法计算输入变量的贡献程度以及输入变量之间的交互作用进行输入变量筛选。本发明能够提升预测精度及模型的可解释性。