一种河口水源地取水口咸潮入侵实时预测方法及系统

本发明涉及城市供水监测技术领域，尤其涉及一种河口水源地取水口咸潮入侵实时预测方法及系统，包括以下步骤，通过对河口海水入侵物理机理分析，确定影响河口水源地取水口氯化物浓度的物理因子，将物理因子转化成具体的监测数据；采集监测数据和当天氯化物浓度；形成深度学习数据集；将深度学习数据集输入Bi‑LSTM深度学习模型开展训练；将预报因子输入训练好的Bi‑LSTM深度学习模型进行预测，得到取水口氯化物浓度的实时预测结果；判断取水口咸潮入侵的强度，视情况发出预警。深度学习模型Bi‑LSTM充分考虑了河口水域水文因子的周期性，相较于传统河口咸潮预报数学模型，预测精度提高20%，运算时间仅为传统数学模型的1.25%，预测速度大幅提高，具备较好的预警能力。