摘要
本发明公开一种重构与分解的钱塘江涌潮协同预测方法及系统。本发明方法首先对原始不规则的潮汐事件流进行数据重构，通过构建“涨潮事件对”，并将潮汐事件之间的时间差转化为数值特征，从而生成一个包含潮位和时间动态的规则化多元时间序列。随后，将该序列输入至一个集成了自适应周期分解与多尺度时序变化学习的深度学习模型中。该模型通过一个协同预测解码器，一次性输出未来高低潮位、涨潮历时和潮汐周期的预测值，并最终还原为精确的涌潮高度和到达时间。本发明通过数据重构，将不规则的潮汐预测问题转化为规则的多元时间序列预测任务，实现了对涌潮高度和到达时间的协同预测。
