1.基于图注意力自编码的多元地球化学异常识别方法，其特征在于，包括以下步骤：S1、计算不同距离阈值下地球化学元素的空间相关性并绘距离阈值和相关性的折线图，选择折线出现明显拐点处的距离阈值作为K近邻算法的K；

S2、对多元地球化学元素浓度数据进行归一化，并基于K近邻算法，对多元地球化学勘探采样点进行边连接并完成拓扑图；

S3、构建图注意力自编码器模型，并利用S2中的拓扑图进行训练，选取重构误差最小的模型参数，作为最终的图注意力自编码器模型；

S4、将S2中的拓扑图输入至S3训练得到的最终图注意力自编码器模型，输出得到多元地球化学元素背景值；

S5、计算S2中的多元地球化学元素浓度数据和多元地球化学元素背景值之间的欧式距离作为异常值，并将异常值映射到地理空间，生成多元化探异常图。

2.根据权利要求1所述的基于图注意力自编码的多元地球化学异常识别方法，其特征在于，步骤S1具体是利用Moran'I指数对地球化学元素的空间相关性和聚集性进行定量衡量，最终选出最佳K值。

3.根据权利要求1所述的基于图注意力自编码的多元地球化学异常识别方法，其特征在于，步骤S2所述采样点转变为拓扑图的节点，采样点采集的多元地球化学元素浓度作为节点属性向量。

4.根据权利要求1所述的基于图注意力自编码的多元地球化学异常识别方法，其特征在于，步骤S3中，图注意力自编码器模型的编码器和解码器均由两个带有注意力机制的图卷积层构成。

5.根据权利要求1所述的基于图注意力自编码的多元地球化学异常识别方法，其特征在于，步骤S3中，最终的图注意力自编码器模型的重构误差LRE计算公式如下：其中，N为采样点个数，F为采样点的特征个数， 为第i个采样点的第k个原始特征，为第i个采样点的第k个元素背景值。

6.根据权利要求1所述的基于图注意力自编码的多元地球化学异常识别方法，其特征在于，步骤S5中的异常值计算公式如下：其中，F为采样点的特征个数， 为第i个采样点的第k个原始特征， 为第i个节点的第k个元素背景值。