基于机器学习耦合水文模型的河流水质预测方法与系统

本申请涉及水质预测技术领域，特别涉及一种基于机器学习耦合水文模型的河流水质预测方法与系统，该方法包括以下步骤：获取数据集，并将数据集划分为训练集和测试集；构建极限梯度提升模型，并对模型进行超参数优化；基于训练完成极限梯度提升模型，对水质参数集以及水质指数WQI值进行相关性分析，筛选得到影响水质指数WQI值的关键水质参数；构建LSTM模型和土壤与水评估工具模型；基于土壤与水评估工具模型模拟未来水文水质过程，计算输出未来水质参数结果；将未来水质参数结果输入训练完成的LSTM‑WQI模型，以预测未来河流WQI值，得到预测结果。本申请通过机器学习算法耦合水文模型构建了便于使用、因地制宜的水质评价模型，实现了未来水质的高效精准预测。