基于耦合模型的河流水动力与污染物迁移协同预测方法

本发明公开了一种基于耦合模型的河流水动力与污染物迁移协同预测方法，步骤1、构建河道的MIKE21水动力场；步骤2、构建污染物迁移模型；步骤3：构建LSTM‑MIKE 21耦合模型；步骤4、通过耦合模型对全流域污染物浓度场进行实时预测。本发明通过将物理机理模型MIKE 21与数据驱动模型LSTM21双向耦合，显著提升了污染物迁移模拟的精度与可靠性，实现了水动力场与污染物浓度场的协同优化求解。其中，LSTM21残差修正机制有效补偿了纯物理模型未涵盖的复杂过程，使污染物峰值浓度预测误差从传统方法的>20％降至<8％，同时对质量守恒、非负浓度的符合度达99.5％以上。