融合物理约束的时空图神经网络的地下水污染浓度预测方法

本发明公开了融合物理约束的时空图神经网络的地下水污染浓度预测方法，涉及地下水污染物预测技术领域，包括对建模区域内的水文和污染物数据进行预处理并构建三维参数采样点集；通过优化算法确定水动力和溶质运移参数的空间分布；基于级联式图神经网络架构，先预测水位场，再将水位预测结果作为特征输入进行污染物浓度预测；采用物理约束损失函数进行优化，并通过时空注意力机制同步更新预测结果。因此，采用上述方法，实现了水位与污染物浓度的协同预测，物理约束保障了预测合理性，仅需少量数据即可建立预测模型，避免了传统方法构建复杂机理模型的计算负担，显著提高了在数据稀缺条件下的预测准确性。