1.LSTM-Transformer 融合地下水位预测模型 针对岩溶区地下水非线性、突变性的时序特征，融合 LSTM 网络的短期时序依赖捕捉能力与 Transformer 的长序列全局注意力机制，构建端到端混合预测模型。LSTM 层精准提取水位、降雨序列的短期波动特征，拟合降雨入渗、工程扰动等瞬时影响。Transformer 层通过自注意力机制捕捉长时序全局关联，解决传统模型长周期预测的信息衰减问题，二者加权拼接实现特征融合，兼顾局部动态与全局趋势。 2.基于滑动窗口差分的水位变化速率，加速度计算技术 以预测水位序列为输入，采用自适应可调滑动窗口完成差分计算，通过 Δh/Δt 公式量化瞬时水位变化速率，同步提取单日速率、多日平均速率并取最大值作为有效速率，进一步推导水位变化加速度，精准刻画水位匀速升降、陡升陡降等动态特征，提前捕捉灾害前兆信号。 3.权重可控的地下水风险耦合判定与动态分级预警模型 构建状态风险结合趋势风险双维度耦合判定体系，以水位绝对值、累计升幅构成的状态风险为核心判定项，以水位变化速率、加速度构成的趋势风险为增强项，通过可配置权重完成综合风险评分，结合区域水文地质条件动态标定阈值，生成蓝、黄、橙、红四级预警结果，实现预警等级的动态自适应调整。