一种基于微调大语言模型知识驱动的水质预测方法

本发明公开了一种基于微调大语言模型知识驱动的水质预测方法，属于人工智能技术与环境学科交叉领域。本发明方法通过水环境领域专业知识根据预定义提示模板对大语言模型进行微调，形成适用于水环境领域的知识抽取模型，从文本中抽取五元组构建水环境知识图谱。采用GloVe模型与残差图注意力网络对知识图谱中实体进行图嵌入学习，再通过余弦相似度计算水质指标间的相关性，获取知识域相关性权重矩阵；同时利用皮尔逊相关系数、加权灰色关联度分析与动态时间规整相关相似性系数分别计算水质指标间的线性与非线性相关性，获取数据域相关性权重矩阵。最后，构建知识与数据联合驱动的KG‑DW‑CLA水质预测模型进行水质预测。本发明解决了传统模型对领域知识利用不足及数据相关性建模单一的问题，提升了水质预测的准确性与科学性，具有较强的泛化能力与应用价值。