1.一种低溶解氧的精准监测方法，其特征在于，包括以下步骤：S1：使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和氨氮构建数据集；

S2：对数据集中的数据进行滤波清洗和归一化处理，对环境变量进行相关性分析，使用主成分分析融合数据特征并进行特征降维，构建训练样本集；

S3：将样本集中的温度、浊度、pH值和氨氮的数据信息作为输入变量，将溶解氧数值作为输出变量，以交叉验证的方法对样本切分，组合为不同的训练集和测试集，分别训练和测试优化的长短时记忆网络LDO‑LSTM,构建不同的LDO‑LSTM模型，用改进的损失函数度量得到的模型的好坏，以获得最优的低溶解氧含量估算模型LDO‑LSTM；

步骤S3中，当溶解氧高于6.5mg/L并且小于8.5mg/L时，真实溶解氧初始的权重值赋予预测溶解氧初始的权重值为

当溶解氧高于4.5mg/L并且小于等于6.5mg/L时，真实溶解氧的初始值赋予预测溶解氧初始的权重值为

当溶解氧小于等于4.5mg/L时，真实溶解氧赋予 预测溶解氧赋予其中π为圆周率，是sin函数的参数，随着网络的训练逐渐更新；yi是溶解氧的真实值；

是溶解氧的预测值；

S4：实时采集养殖水域的温度、浊度、pH值和氨氮，运用步骤S3建立的低溶解氧含量估算模型LDO‑LSTM估算溶解氧数据，用于实时检测低溶解氧数值。

2.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，步骤S3中，建立的低溶解氧含量估算模型LDO‑LSTM的损失函数在平均绝对误差基础上，改进为平均绝对百分比误差。

3.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，步骤S2归一化处理后，先利用高斯滤波法对数据进行滤波降噪，然后构建训练样本集。

4.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，所述步骤S3中的损失函数，根据溶解氧数值的大小将赋予不同的权重，这些权重在反向传播过程中，均为可训练的。