1.一种微塑料影响藻类生长状况的预测方法，其特征在于，包括：获取待预测藻类数据；

将所述待预测藻类数据输入至藻类生长预测模型，获取藻类生长状况，其中，所述藻类生长预测模型由训练集训练而成，所述训练集为藻类生长状况的数据集和对应的数值型标签，所述藻类生长预测模型采用机器学习算法构建；

所述藻类生长状况的数据集包括：微塑性尺寸、微塑性浓度、微塑性种类、藻类种类、藻类初始密度、培养基、培养时间、光强度、光周期、培养温度、培养速度和添加剂；

利用所述训练集训练所述藻类生长预测模型前，还包括：对所述数据集进行预处理；对所述数据集进行预处理包括：对所述微塑性种类、藻类种类、培养基和添加剂进行one‑hot编码；

所述藻类生长预测模型为GBM模型，GBM串行地生成多个弱学习器，每轮迭代生成一个弱学习器，这个弱学习器拟合损失函数关于之前累积模型的梯度，然后将这个弱学习器加入累积模型中，逐渐降低累积模型的损失；即参数空间的梯度下降利用梯度信息调整参数，从而降低损失，而函数空间的梯度下降利用梯度，拟合一个新的函数，从而降低损失，用不同的权重将基学习器进行线性组合，使表现优秀的学习器得到重用。

2.根据权利要求1所述的一种微塑料影响藻类生长状况的预测方法，其特征在于，所述2

藻类生长预测模型还包括利用R、MSE、RMSE、MAE来验证所述藻类生长预测模型。

3.根据权利要求2所述的一种微塑料影响藻类生长状况的预测方法，其特征在于，2

所述R的计算公式为：

所述MSE的计算公式为：

所述RMSE的计算公式为：

所述MAE的计算公式为：

其中，表示真实值，表示真实值的平均值， 表示预测值，N表示样本个数。