1.一种注意力机制与分解机制耦合的径流量预测方法，其特征在于，包括：对历史观测的径流量数据进行规范化处理，将规范化处理过的径流量数据输入到训练完成的径流量预测模型中，得到径流量预测序列；所述径流量预测模型包括正标准化模块、时间序列分解模块、多头自注意力模块、时间卷积网络模块和逆标准化模块；
2.根据权利要求1所述的径流量预测方法，其特征在于，对径流量预测模型进行训练的过程包括如下步骤：
3.根据权利要求2所述的径流量预测方法，其特征在于，步骤s3中，所述对训练集中的径流量序列样本进行正标准化处理，可以表示为如下公式：
4.根据权利要求2所述的径流量预测方法，其特征在于，步骤s4中，所述得到趋势分量和周期性分量的过程包括如下步骤：
5.根据权利要求2所述的径流量预测方法，其特征在于，步骤s5中，所述得到自注意力预测分量的过程包括如下步骤：
6.根据权利要求5所述的径流量预测方法，其特征在于，所述得到自注意力预测分量的过程可以表示为如下公式：
7.根据权利要求2所述的径流量预测方法，其特征在于，步骤s6中，所述得到初始预测分量的过程包括如下步骤：
8.根据权利要求7所述的径流量预测方法，其特征在于，所述得到初始预测分量的过程可以表示为如下公式：
9.根据权利要求2所述的径流量预测方法，其特征在于，步骤s8中，所述对耦合预测序列进行逆标准化处理，得到径流量预测值的过程，可以表示为如下公式：