基于多模态数据融合和深度学习的湖库藻类智能预测方法及系统

本发明属于藻类预测领域，提供了基于多模态数据融合和深度学习的湖库藻类智能预测方法及系统。所述预测方法包括获取多模态数据、数据预处理、构建时间序列样本、构建时间滞后特征、Transformer模型面向多模态滞后特征的时序建模以及目标湖库藻密度预测步骤。所述系统用于执行所述方法，包括多模态数据采集和预处理模块、时间序列样本构建模块、间滞后特征构建模块、深度学习建模模块和藻类预测模块。本发明通过多模态数据的融合减小了藻类预测结果的误差，通过考虑藻类动态变化过程的时间滞后性来更好地捕捉藻类动态变化的非线性时序规律，可促进湖库藻类预测精度的提升。