基于SINDy物理约束的池塘溶解氧预测方法及系统

本发明涉及深度学习技术领域，具体涉及一种基于SINDy物理约束的池塘溶解氧预测方法及系统，该方法包括，首先获取养殖池塘的历史和当前多模态特征向量，序列包含水质、气象和生物行为特征数据；随后，基于历史序列中的水质和气象数据，采用稀疏动力学辨识方法，建立描述溶解氧浓度变化规律的显式动力学方程；接着，构建预测模型，利用历史多模态特征向量和由显式动力学方程确定的物理约束对网络进行联合训练；最后，将当前多模态特征向量输入训练好的预测模型中，输出未来连续多个时刻的溶解氧预测值。本发明有效融合了多源数据并引入物理规律约束，显著提升了预测精度与鲁棒性。