本申請涉及數據處理，尤其涉及到一種蒸發量預測方法、裝置、存儲介質及電子設備。
背景技術：
1、蒸發量作為水文循環的關鍵損失項，其精準預測直接關系到水資源調度的安全性、水利工程運行的經濟性以及農業灌溉管理的科學性，是水文氣象領域的核心研究課題之一，更是重大水利工程信息化建設、干旱半干旱地區水資源優化配置等場景的關鍵技術支撐。在全球氣候變化背景下，極端天氣事件頻發，蒸發量的時空變化特征愈發復雜，對其預測精度和穩定性提出了更高要求，精準的蒸發量預測結果能夠為跨區域調水、水庫調蓄、農田節水灌溉等決策提供科學依據，有效降低水資源浪費與水利工程運行風險。
2、當前，蒸發量預測主要依賴于基于觀測數據的統計模型、傳統機器學習模型及單一深度學習模型等技術方案。其中，統計模型如arima模型通過挖掘序列自身的時序規律進行預測，傳統機器學習模型如bp神經網絡、支持向量機等依賴于氣象因子與蒸發量的統計關聯構建預測關系，單一深度學習模型如長短期記憶網絡（lstm）則通過捕捉序列的長期依賴關系提升預測效果。然而，現有技術方案普遍面臨核心技術瓶頸：蒸發量觀測數據存在異構性與不連續性問題，我國廣泛使用的e601型與20cm兩類蒸發皿因結構設計、熱力響應機制差異，觀測數據無法直接等效復用，傳統簡單比值或線性換算方法忽略氣象因子的動態影響，導致數據換算誤差較大，難以形成連續標準化的訓練數據集；同時，蒸發量受氣溫、濕度、風速等多種氣象因子的非線性耦合影響，現有模型多采用等權重特征輸入方式，無法有效識別主導因子與弱相關因子，造成輸入特征冗余、模型訓練噪聲干擾大，泛化能力不足；此外，蒸發量時間序列具有強季節性、多頻成分與顯著非平穩性，傳統模型與單一深度學習模型難以有效拆分序列中的高頻噪聲與低頻趨勢，對突變點的敏感性不足，導致預測精度與穩定性難以滿足工程實際需求。
技術實現思路
1、有鑒于此，本申請提供了一種蒸發量預測方法、裝置、存儲介質及電子設備，可提升蒸發量預測的精度與穩定性。
2、根據本申請的第一方面，提供了一種蒸發量預測方法，包括：
3、對異構蒸發皿觀測數據進行換算校正，構建連續標準化的目標蒸發量序列；
4、基于所述目標蒸發量序列與氣象因子的關聯關系，識別目標氣象因子對蒸發量的影響權重，基于所述影響權重從所述目標氣象因子中篩選出主導因子并生成加權特征序列；
5、對所述目標蒸發量序列進行模態分解，提取能反映核心時序特征的主預測模態；
6、將所述加權特征序列與所述主預測模態輸入訓練完成的融合預測模型，經并行多通道數據對齊與張量構建、跨通道特征深度融合以及門控時序依賴建模后，輸出蒸發量預測結果。
7、根據本申請的第二方面，提供了一種蒸發量預測裝置，包括：
8、構建模塊，用于對異構蒸發皿觀測數據進行換算校正，構建連續標準化的目標蒸發量序列；
9、篩選模塊，用于基于所述目標蒸發量序列與氣象因子的關聯關系，識別目標氣象因子對蒸發量的影響權重，基于所述影響權重從所述目標氣象因子中篩選出主導因子并生成加權特征序列；
10、提取模塊，用于對所述目標蒸發量序列進行模態分解，提取能反映核心時序特征的主預測模態；
11、輸入模塊，用于將所述加權特征序列與所述主預測模態輸入訓練完成的融合預測模型，經并行多通道數據對齊與張量構建、跨通道特征深度融合以及門控時序依賴建模后，輸出蒸發量預測結果。
12、根據本申請的第三方面，提供了一種存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現上述蒸發量預測方法。
13、根據本申請的第四方面，提供了一種電子設備，包括存儲介質、處理器及存儲在存儲介質上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述蒸發量預測方法。
14、借由上述技術方案，本申請提供的蒸發量預測方法、裝置、存儲介質及電子設備，通過對異構蒸發皿觀測數據進行換算校正以構建連續標準化目標蒸發量序列，可有效解決現有技術中異構蒸發數據無法直接復用、傳統換算方法誤差大導致訓練數據集質量不足的問題；通過識別目標氣象因子對蒸發量的影響權重并篩選主導因子生成加權特征序列，可規避等權重特征輸入帶來的冗余干擾與噪聲問題，提升模型泛化能力；通過對目標蒸發量序列進行模態分解提取核心時序特征的主預測模態，能夠實現對蒸發量時間序列中多頻成分、季節特性的有效拆分，增強對序列突變點的敏感性；最終結合融合預測模型的并行多通道數據處理、跨通道特征融合及門控時序依賴建模，可充分整合主導因子特征與核心時序特征的互補優勢，能夠顯著提升蒸發量預測的精度與穩定性，滿足工程實際應用需求。
15、上述說明僅是本申請技術方案的概述，為了能夠更清楚了解本申請的技術手段，而可依照說明書的內容予以實施，并且為了讓本申請的上述和其它目的、特征和優點能夠更明顯易懂，以下特舉本申請的具體實施方式。
1.一種蒸發量預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對異構蒸發皿觀測數據進行換算校正，構建連續標準化的目標蒸發量序列，包括：
3.根據權利要求1所述的方法，其特征在于，基于所述目標蒸發量序列與氣象因子的關聯關系，識別目標氣象因子對蒸發量的影響權重，包括：
4.根據權利要求3所述的方法，其特征在于，基于所述影響權重從所述目標氣象因子中篩選出主導因子并生成加權特征序列，包括：
5.根據權利要求1所述的方法，其特征在于，對所述目標蒸發量序列進行模態分解，提取能反映核心時序特征的主預測模態，包括：
6.根據權利要求1所述的方法，其特征在于，所述融合預測模型包含多層記憶單元、跨通道融合層及全連接輸出層；
7.根據權利要求6所述的方法，其特征在于，所述方法還包括所述融合預測模型的訓練方法：
8.一種蒸發量預測裝置，其特征在于，包括：
9.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法。
10.一種電子設備，包括存儲介質、處理器及存儲在存儲介質上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法。