一种多变量LSTM预测碳同位素丰度的方法及设备

本发明公开了一种多变量LSTM预测碳同位素丰度的方法及设备，包括：包括：采集空气中的碳同位素数据以及气象因子并计算相对指标，之后预处理采集数据；对采集数据进行缺失值填补、异常值修正及归一化处理，构建多变量时间序列数据集；基于结合有碳同位素分馏约束的改进注意力机制进行多变量LSTM建模；对所构建模型结合碳源混合的物理约束项进行训练与优化；通过优化后的模型进行碳同位素丰度预测与误差校正。本发明通过引入分馏计算机制和Keeling辅助任务的多变量LSTM模型，实现碳同位素序列的物理一致性建模，提升碳同位素丰度预测的精度与可解释性。