基于PCA-RBF神经网络与时空融合的湖库水华预测预警系统及方法

本发明提出基于PCA‑RBF神经网络与时空融合的湖库水华预测预警系统及方法，通过搭载在无人艇的水质传感器阵列装置实时监测获取多维水质参数；通过计算水质参数的皮尔逊相关系数，动态筛选关键水质参数，保留|PCC| > 0.22的指标，生成一个时序数据集；将时序数据集输入到PCA‑RBF神经网络预测模型中进行动态预测，输出叶绿素a浓度预测值，并生成预测序列；对叶绿素a浓度的预测序列采用时间序列分解+ ARIMA联合算法计算水华爆发概率；对水华爆发概率依据分级预警规则进行风险等级划分。本发明通过PCA‑RBF神经网络对多维水质参数降维并预测叶绿素a浓度，再通过采用STL‑ARIMA联合算法解析浓度时序规律，融合时空特征输出分级预警信号，实现水华风险精准防控。