Page 12 - 《水资源与水工程学报》2022年第4期

!３３ " ! ４ # & ' ( ) & * + , - Ｖｏｌ．３３Ｎｏ．４
２０２２ $ ８ % ＪｏｕｒｎａｌｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ＆ＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇ Ａｕｇ．，２０２２

ＤＯＩ：１０．１１７０５／ｊ．ｉｓｓｎ．１６７２－６４３Ｘ．２０２２．０４．０２

'‡ ＷＤ－ＣＯＡ－ＬＳＴＭˆ‰Š‹ŒY7Ž

()*， +,-， ./0
（ EŸ9|9èHI 9KLIX， ], /0 ４５００４６）
A B： 8oÝA¥dá9b(r1v， "Y﯌2¨Z（ＷＤ） ?34§«（ＣＯＡ） —߁r5Ôã6ñ{
78（ＬＳＴＭ） á9b(rB0（ＷＤ－ＣＯＡ－ＬＳＴＭ）。9¨’Œ2¨Ze‚ƒ=:op(µF， ò=:°»;
ç， þÅ １ l¢<=:? ３ l¥<=:； Ù×K34§«—ßeñ{78（ＬＳＴＭ） B0op!‘§«； <×ÑØ
ì=:(r™=4þÅdá9b(r™。э"B0'’¯>?¶@jABCt?>ÄAýAt lÐbD
dá9b(r^， âM ＬＳＴＭ、ＣＯＡ－ＬＳＴＭ、ＷＤ－ＬＳＴＭB0(r‡ˆopeÁ。‡ˆ‰Š： " ＷＤ－ＣＯＡ－
ＬＳＴＭB0(r1v<¥， MŠŒ2¨Z?34§«—ßDã34ÿ ＬＳＴＭB0(r1v?Û«DE， 8dá
9b(rŽYÝt)}~。
CDE： dá9b(r； Œ2¨Z； 34§«—ß； r5Ôã6ñ{78
FGHIJ：ＴＶ１２５ KLMNO：Ａ KPQJ：１６７２６４３Ｘ（２０２２）０４０００８０６

ＭｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎＷＤ－ＣＯＡ－ＬＳＴＭ ｍｏｄｅｌ

ＷＡＮＧＷｅｎｃｈｕａｎ，ＹＡＮＧＪｉｎｇｘｉｎ，ＺＡＮＧＨｏｎｇｆｅｉ
（ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ４５００４６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎ，ｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃ
ｔｉｏｎｍｏｄｅｌｏｆＷＤ－ＣＯＡ－ＬＳＴＭｉｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｗａｖｅｌｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ （ＷＤ），ｃｏｙｏｔｅｏｐｔｉｍｉｚａｔｉｏｎ
ａｌｇｏｒｉｔｈｍ（ＣＯＡ）ａｎｄｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ（ＬＳＴＭ）ｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｆｉｒｓｔｌｙ，ｔｈｅｔｉｍｅｓｅｒｉｅｓｉｓｐｒｅ
ｐｒｏｃｅｓｓｅｄｂｙＷＤｔｏｅｌｉｍｉｎａｔｅｉｔｓｎｏｎｓｔａｔｉｏｎａｒｉｔｙ ，ａｎｄａｌｏｗｆｒｅｑｕｅｎｃｙｓｅｑｕｅｎｃｅａｎｄｔｈｒｅｅｈｉｇｈｆｒｅｑｕｅｎ
ｃｙｓｅｑｕｅｎｃｅｓａｒｅｏｂｔａｉｎｅｄａｓｔｈｅｒｅｓｕｌｔ．ＴｈｅｎｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅＬＳＴＭｍｏｄｅｌａｒｅｏｐｔｉｍｉｚｅｄｂｙＣＯＡ．
Ｆｉｎａｌｌｙ ，ｔｈｅｐｒｅｄｉｃｔｅｄｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｉｓｏｂｔａｉｎｅｄｂｙｓｕｐｅｒｉｍｐｏｓｉｎｇｔｈｅｐｒｅｄｉｃｔｅｄｖａｌｕｅｓｏｆｅａｃｈ
ｓｕｂｓｅｑｕｅｎｃｅ．ＴｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｗａｓａｐｐｌｉｅｄｔｏｔｈｅｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｏｆＢａｉｔｕＴｏｗｎｉｎ
ＬｕａｎｃｈｕａｎＣｏｕｎｔｙａｎｄＧｕｘｉａｎＴｏｗｎｉｎＬｕｏｎｉｎｇＣｏｕｎｔｙ ，ＬｕｏｙａｎｇＣｉｔｙ，ａｎｄｔｈｅｒｅｓｕｌｔｓｗｅｒｅｔｈｅｎｃｏｍ
ｐａｒｅｄｗｉｔｈｔｈｏｓｅｏｆｔｈｅＬＳＴＭ，ＣＯＡ－ＬＳＴＭ ａｎｄＷＤ－ＬＳＴＭ ｍｏｄｅｌｓ．Ｉｔｉｓｆｏｕｎｄｔｈａｔｔｈｅｐｒｏｐｏｓｅｄ
ＷＤ－ＣＯＡ－ＬＳＴＭ ｍｏｄｅｌｐｒｏｄｕｃｅｄｔｈｅｈｉｇｈｅｓｔｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ ，ｉｎｄｉｃａｔｉｎｇｔｈａｔＷＤａｎｄＣＯＡｃａｎ
ｉｍｐｒｏｖｅｔｈｅｐｒｅｃｉｓｉｏｎａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆＬＳＴＭｍｏｄｅｌ．Ｔｈｉｓｍｏｄｅｌｐｒｏｖｉｄｅｓａｎｅｗａｐｐｒｏａｃｈｆｏｒ
ｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎ；ｗａｖｅｌｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＷＤ）；ｃｏｙｏｔｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏ
ｒｉｔｈｍ（ＣＯＡ）；ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ（ＬＳＴＭ）ｎｅｕｒａｌｎｅｔｗｏｒｋ

8 ［６－８］ s。È^r5Ôã6（ｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏ
１ ./01
ｒｙ，ＬＳＴＭ） ñ{78B0D1•@(r‚ƒ=:， ã
á9(r±9Ä(·F<Ý'R§45$ 3ZQYÝzñ{78^"5RvSTÖ×， Â
ð， á9b?L±GfHI、 JKIˁÀ·Íy› 8mc£45vS。ô Ｋｕｍａｒ s ［９］ m’UOñ
Ý， Í[， eȕ/(ræãR§bc。mc£&' {78（ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＲＮＮ） B0?r5
&QIveá9b(ropYHbLM， ¦§4 Ôã6（ＬＳＴＭ） ñ{78B0eVvR½‹<á9
56ßã¤NOB0 ［１－２］ 、 jë7bP ［３－５］ 、 ñ{7 bopY(r， ‡ˆ‰Š ＬＳＴＭB0Á ＲＮＮB0(

!"#$：２０２１１１０９； %&#$：２０２２０４２９
'()*： ],#RS4fM‚Ú&'（２０２１０２３１０２５９、２０２１０２３１０５８８）； ],#¥'$%()*+（１８ＩＲＴＳＴＨＮ００９）
+,-.： ®Äj（１９７６－）， +， ],,-.， /0， 23， /0.， 456789ÄI*9KL。