基于分解重构和深度学习的河流水质预测方法

本发明公开了一种基于分解重构和深度学习的河流水质预测方法，包括：获取研究区域水质数据进行预处理；采用变分模态分解方法将水质数据分解为多个具有明确物理意义的本征模态函数(IMF)，并基于复杂度与相关性分析，重构为强相关趋势分量和弱相关波动分量两类输入数据集；针对强相关趋势分量构建基于特征增强的iTransformer模型，深度挖掘水质变量间非线性耦合关系及长期演化特征；针对弱相关波动分量构建基于TCN和GRU的混合模型，捕捉多尺度特征及局部动态模式；最后叠加分量预测结果获得目标水质变量的最终预测值，并通过RMSE、MAE和SMAPE评估预测性能。经算例分析，验证了所提预测方法可以有效提升对复杂水质变化模式的捕捉能力和预测精度。