一种基于语义驱动GPT2模型的水体富营养化预测方法

本发明涉及一种基于语义驱动GPT2模型的水体富营养化预测方法，应用于多变量水质监测时序数据的智能预测。本方法首先设计描述模版并提取水质指标的统计特征信息，并将其转化为自然语言提示语，通过语义引导增强模型感知能力；采用稀疏注意力机制实现相关词汇与时序数据的动态融合；引入图注意力网络对多变量间的依赖关系建模，提升特征结构表达能力；结合GPT2模型进行上下文特征提取，捕捉长期依赖与全局动态特征；最终通过双线性门控残差模块进行输出预测。该方法能够准确捕捉水质变量之间的复杂交互关系，提高对水质指标趋势的预测精度，具有高适应性、强鲁棒性和良好的推广应用价值。