一种基于机器学习的水源地叶绿素a浓度预测模型设计方法

本发明公开了一种基于机器学习的水源地叶绿素a浓度预测模型设计方法，包括：获取待预测区域内连续一段时间的叶绿素a浓度数据；对叶绿素a浓度数据进行数据预处理，采用小波变换预处理滤除高频噪声；构建浓度预测模型，对叶绿素a浓度数据进行数据预处理，采用小波变换预处理滤除高频噪声；构建不同的浓度预测模型，将处理后的叶绿素a浓度数据及理化参数输入至预测模型中，得到叶绿素a浓度数据预测结果；比较不同预测模型的预测结果，确定预测模型。本发明的预测模型设计方法，采用WT‑GRU模型利用小波变换对数据进行预处理，小波变换通过分解信号，有效地提取了关键的时间尺度特征，并显著提升了对叶绿素a浓度预测的准确性。