一种基于深度学习的光伏生态系统碳通量预测方法

本发明提出了一种基于深度学习的光伏生态系统碳通量预测方法，包括：构建WOA‑CNN‑BiLSTM‑AM模型，收集光伏生态系统的环境要素和碳通量数据并筛选，划分训练集和测试集，输入模型训练，利用测试集验证模型性能，结合CMI P6数据预测碳通量。本发明通过鲸鱼优化算法WOA对CNN‑BiLSTM模型进行优化，提升模型参数优化能力；融合注意力机制AM，增强模型对关键信息的聚焦；借助斯皮尔曼相关性分析和MRMR算法筛选有效环境要素，减少数据冗余。经RMSE和MAE指标验证，模型在沙漠、农田等典型光伏生态系统中展现出高预测精度与稳定性，能够结合CMI P6不同碳排放情景数据，准确预测光伏生态系统碳通量变化趋势，为区域碳平衡管理和光伏产业可持续发展提供理论支持。