Page 54 - 《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．２０２２．０４．０７

'‡IJKdLØ ＢＰ M»NOŠ

PQRYWŽRS

１，２，３ １，２，３ １，２，３ １，２，３ １，２，３
\]2 ， L^_ ， # ` ， % a ， Vbc
（１． §D#@›wHjˆxf. ¯dÝ9Ä@›GW@›H+， §D e, ２５００１４；２． §D#@A9NO,-M9/GW
%ð45^U， §D e, ２５００１４；３． §D#@›wHjˆxf. @A9KLMNORSTUV， §D e, ２５００１４）
A B： WPŸ6à±Hz±q¤Ù、 Ä«?Çfs't`çR§¤ÙKL， eŸ6à±@‹{eÚÌf4ãÕ
R§BoT’。8Y1/(rà±zgij«½， 8à±zKL,-Žj’， ï¯ ２０１６－２０１８ c²&z
z<H­á9b、 à±9xmb、 .Gi¡Lbs‘¢， ¨ö:Y ６ t ＢＰ ñ{78‹*m’«²—ߧ«
 ＢＰ ñ{78(rB0， wxYR½(rB0e²&z9Ё(r3ˆ。45‰Š： M ＢＰ ñ{78¼Á， Ñ ＧＡ
—ßþŁ™™?{™T8 ＢＰ ñ{78@€™¶‹ï2@¥ñ{78(r;—ç， ½‚¶‹HHbµñ{
78²ŠÔ‘， ̪¿#Hb$—“； m’ Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ }~6߁ ＧＡ－ＢＰ（ＬＭ） 78B0æã;—
ç¥、 $—“¢、 (rµHŒî•， Ғ¯à±z9Ё(r。
CDE： à±z9Ð(r； «²—ß；ＢＰ ñ{78； }~6ß； ²&z
FGHIJ：Ｐ６４１．１３４ KLMNO：Ａ KPQJ：１６７２６４３Ｘ（２０２２）０４００５００８

ＰｒｅｄｉｃｔｉｏｎｏｆｋａｒｓｔｓｐｒｉｎｇｗａｔｅｒｌｅｖｅｌｂａｓｅｄｏｎＢＰｎｅｕｒａｌ
ｎｅｔｗｏｒｋｏｐｔｉｍｉｚｅｄｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ

１，２，３
１，２，３
１，２，３
１，２，３
ＣＨＥＮＨｕａｎｌｉａｎｇ ，ＬＩＣｈａｎｇｓｕｏ ，ＧＡＯＳｈｕａｉ ，ＳＵＮＢｉｎ １，２，３ ，ＬＩＮＧｕａｎｇｑｉ
（１．８０１ＨｙｄｒｏｇｅｏｌｏｇｉｃａｌａｎｄＧｅｏｅｎｇｉｎｅｅｒｉｎｇＢｒｉｇａｄｅ，ＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｉａｌＢｕｒｅａｕｏｆＧｅｏｌｏｇｙ＆ＭｉｎｅｒａｌＲｅｓｏｕｒｃｅｓ，
Ｊｉｎａｎ２５００１４，Ｃｈｉｎａ；２．ＳｈａｎｄｏｎｇＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎａｎｄＲｅｍｅｄｉａｔｉｏｎｏｎ
Ｇｒｏｕｎｄｗａｔｅｒ ，Ｊｉｎａｎ２５００１４，Ｃｈｉｎａ；３．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＧｒｏｕｎｄｗａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，Ｓｈａｎｄｏｎｇ
ＰｒｏｖｉｎｃｉａｌＢｕｒｅａｕｏｆＧｅｏｌｏｇｙ＆ＭｉｎｅｒａｌＲｅｓｏｕｒｃｅｓ，Ｊｉｎａｎ２５００１４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＫａｒｓｔｓｐｒｉｎｇｓｉｎｎｏｒｔｈＣｈｉｎａａｒｅｉｍｐｏｒｔａｎｔｎａｔｕｒａｌｒｅｓｏｕｒｃｅｓｗｉｔｈｍｕｌｔｉｐｌｅａｔｔｒｉｂｕｔｅｓｏｆｌａｎｄ
ｓｃａｐｅ ，ｃｕｌｔｕｒｅａｎｄｔｏｕｒｉｓｍ，ｗｈｉｃｈｐｌａｙｉｍｐｏｒｔａｎｔｒｏｌｅｓｉｎｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｌｏｃａｌｅｃｏｎｏｍｙａｎｄｓｏｃｉｅｔｙ．
Ｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆｐｒｅｃｉｐｉｔａｔｉｏｎ ，ｇｒｏｕｎｄｗａｔｅｒｗｉｔｈｄｒａｗａｌａｎｄａｒｔｉｆｉｃｉａｌｅｃｏｌｏｇｉｃａｌｒｅｃｈａｒｇｅｏｆＢａｏｔｕＳｐｒｉｎｇ
ｆｒｏｍ２０１６ｔｏ２０１８ａｒｅｃｏｌｌｅｃｔｅｄｆｏｒｍｏｄｅｌｌｉｎｇｐｕｒｐｏｓｅｓｉｎｏｒｄｅｒｔｏａｃｈｉｅｖｅｍｏｒｅａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｒｅ
ｓｕｌｔｓｏｆｄｙｎａｍｉｃｃｈａｎｇｅｓｏｆｔｈｅｋａｒｓｔｓｐｒｉｎｇ．Ｍｅａｎｗｈｉｌｅ ，６ｔｙｐｅｓｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｇｅｎｅｔｉｃａｌｇｏ
ｒｉｔｈｍｏｐｔｉｍｉｚｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｒｅｅｓｔａｂｌｉｓｈｅｄｔｏｐｒｅｄｉｃｔｔｈｅｗａｔｅｒｌｅｖｅｌｏｆｔｈｅＢａｏｔｕＳｐｒｉｎｇ，ａｎｄｔｈｅｎ
ｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓａｒｅｃｏｍｐａｒｅｄａｎｄｅｖａｌｕａｔｅｄ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｏｐｔｉｍｉｚｅｄ
ｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎｓｔａｂｉｌｉｔｙ ，ｒｅｄｕｃｅｔｈｅｍａｘｉｍｕｍｉｔｅｒａｔｉｏｎｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ
ａｎｄｓａｖｅａｇｒｅａｔｄｅａｌｏｆｃａｌｃｕｌａｔｉｏｎｃｏｓｔ ，ｃｏｍｐａｒｅｄｔｏＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．ＴｈｅＧＡ－ＢＰ（ＬＭ）ｎｅｕｒａｌｎｅｔ
ｗｏｒｋｗｈｉｃｈａｄｏｐｔｓＬｅｖｅｎｂｅｒｇＭａｒｑｕａｒｄｔｔｒａｉｎｉｎｇｍｅｔｈｏｄｉｓｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｋａｒｓｔｓｐｒｉｎｇ
ｗａｔｅｒｌｅｖｅｌｄｕｅｔｏｉｔｓａｄｖａｎｔａｇｅｓｏｆｓｔａｂｌｅｐｅｒｆｏｒｍａｎｃｅ，ｌｏｗｃａｌｃｕｌａｔｉｏｎｃｏｓｔａｎｄｓｍａｌｌｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒ．
Ｔｈｉｓｒｅｓｅａｒｃｈｃａｎｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｓｆｏｒｔｈｅｄｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｐｒｏｔｅｃｔｉｏｎｍｅａｓｕｒｅｓｆｏｒｋａｒｓｔ
ｓｐｒｉｎｇｓｉｎｎｏｒｔｈＣｈｉｎａ．

!"#$：２０２１０７２９； %&#$：２０２１１２２６
'()*： PQ¤Ù$Iï_'(（４１７７２２５７、４１４７２２１６）；§D#¤Ù$Iï_'(（ＺＲ２０２１ＱＤ０８４）；§D#@›wH
jˆxf.$4'(（ＫＹ２０１８００３、ＫＹ２０１９３３、ＫＹ２０２１０８）； §D#@w.¯dÝ9Ä@›GW@›H+（ °§
D#@A9NO,-M9/GW%ð45^U） ï_'(（８０１ＫＹ２０２００１）
+,-.： &±>（１９７４－）， +， $cd´".， I0， ¥‰GW.， 45678@A9KLMNO、 à±z9ÂÍ*,-。
ÑÒ+,： ¥ F（１９９０－）， +， §DR¹.， /0， GW.， 45678@A9³NMz«、 à±z9ÂÍ*,-。