基于动态图神经网络的多尺度时空融合水质预测与防伪方法

本申请公开了一种基于动态图神经网络的多尺度时空融合水质预测与防伪方法。包括以下步骤：1)采集流域内多个监测站点的水质指标小时数据；2)通过变分模态分解将数据分解为若干个本征模态函数；3)构建动态图神经网络空间特征提取模块，生成离散动态图结构；4)构建多尺度时间特征提取模块，同步捕获短期波动与长期趋势；5)设计残差融合机制整合时空特征，通过全连接层输出水质预测结果；6)通过动态时间规整算法计算输入数据与预测结果的路径距离，结合K‑S对比残差分布，实现输入数据真伪判别。该方法能在未知站点地理空间分布的情况下充分挖掘流域水质的时空特征，提高了预测精度，同时对未知来源的水质数据进行真伪识别，预防数据篡改。