Page 88 - 《水资源与水工程学报》2023年第1期

!３４ " ! １ # & ' ( ) & * + , - Ｖｏｌ．３４Ｎｏ．１
２０２３ $ ２ % ＪｏｕｒｎａｌｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ＆ＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇ Ｆｅｂ．，２０２３

ＤＯＩ：１０．１１７０５／ｊ．ｉｓｓｎ．１６７２－６４３Ｘ．２０２３．０１．１０

'«´H:›H(”H|Vµ€:;

１，２ １，２ １，２
Zmq ， crs ， Ztu
（１． õðÑÁ*3ie 12Xè%&el， 9õ ›È ７１２１００；２． õðÑÁ*3ie
špÑÒ1j%&IEn:;}~， 9õ ›È ７１２１００）

A B： Ð=|S56Ì Sqy¥Ûž、 Ñ҆®、 1rs¿]'):P^_。£Ì|S>X')ÍAö¿
´–ösU´‰Š， È5ß±ª|S56éMž ＶＭＤ－（ＣＮＮ－ＬＳＴＭ，ＥＬＭＡＮ）。³·h ＶＭＤ§|S>X»
­¾—«T»Ú， ¦6ÁëT»ÚÂU;á（ＳＥ）， §`7»¾ÉK–‚ÎK»Ú； Æh ＣＮＮ－ＬＳＴＭ
ž56ÉK»Ú， h ＥＬＭＡＮž56‚ÎK»Ú； 8Ƨ56ÃÄ:ûk¨8®56ÃÄ。§ž€ m
'Sq‚vó)êùë–êí51U“ª|S56， ¦X ＣＮＮ－ＬＳＴＭ、ＥＬＭＡＮ、ＶＭＤ－ＣＮＮ－ＬＳＴＭž56
ÃÄ·¸ÌÓX¡e。+^ÃijÅ： UUž56Ãč ＮＳＥáÖi ０．９９， š `䝞， ³Å ＶＭＤ－（ＣＮＮ－
ＬＳＴＭ，ＥＬＭＡＮ） ž')Íɍ56[¿， ހ }"+^p|S56。
CDE： |S56； 껝T»­； µ“BC； m'Sq
＋
FGHIJ：ＴＶ１２１ ．４ KLMNO：Ａ KPQJ：１６７２６４３Ｘ（２０２３）０１００８４０７
Ｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｆｒｅｑｕｅｎｃｙｄｉｖｉｓｉｏｎｂａｓｅｄｏｎ
ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ

１，２
１，２
ＺＨＡＮＧＸｉａｏｘｕａｎ ，ＳＯＮＧＳｏｎｇｂａｉ ，ＺＨＡＮＧＢｉｎｇｌｉｎ １，２
（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＡｒｃｈｉｔｅｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ７１２１００，Ｃｈｉｎａ；
２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｏｉｌａｎｄＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇｉｎＡｒｉｄａｎｄＳｅｍｉａｒｉｄＡｒｅａｓ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，
ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ７１２１００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒａｇｒｉｃｕｌｔｕｒａｌｉｒｒｉｇａｔｉｏｎ，ｒｅｓｅｒｖｏｉｒｓｃｈｅｄｕ
ｌｉｎｇ，ｆｌｏｏｄｃｏｎｔｒｏｌａｎｄｄｉｓａｓｔｅｒｍｉｔｉｇａｔｉｏｎｉｎｔｈｅｂａｓｉｎ．Ａｉｍｉｎｇａｔｔｈｅｓｔｒｏｎｇｎｏｎｌｉｎｅａｒｉｔｙａｎｄｎｏｎｓｔａｔｉｏｎ
ａｒｉｔｙｏｆｔｈｅｒｕｎｏｆｆｓｅｒｉｅｓ，ａｈｙｂｒｉｄｍｏｄｅｌｆｏｒｍｏｎｔｈｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎ，ＶＭＤ（ＣＮＮ－ＬＳＴＭ，ＥＬＭＡＮ），
ｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ＶＭＤｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｒｕｎｏｆｆｓｅｑｕｅｎｃｅｉｎｔｏｍｕｌｔｉｐｌｅｍｏｄａｌｃｏｍｐｏｎｅｎｔｓ，
ａｎｄｔｈｅｓａｍｐｌｅｅｎｔｒｏｐｙ（ＳＥ）ｏｆｅａｃｈｍｏｄａｌｃｏｍｐｏｎｅｎｔｉｓｃａｌｃｕｌａｔｅｄ，ａｃｃｏｒｄｉｎｇｔｏｗｈｉｃｈｔｈｅｃｏｍｐｏ
ｎｅｎｔｓａｒｅｄｉｖｉｄｅｄｉｎｔｏｈｉｇｈｆｒｅｑｕｅｎｃｙａｎｄｍｅｄｉｕｍｌｏｗｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓ．ＴｈｅｎｔｈｅＣＮＮ－ＬＳＴＭ
ｍｏｄｅｌｉｓｕｓｅｄｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓ ，ｔｈｅＥＬＭＡＮｍｏｄｅｌｆｏｒｔｈｅｍｅｄｉｕｍｌｏｗ
ｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓ．Ｆｉｎａｌｌｙｔｈｅｐｒｅｄｉｃｔｉｏｎｓｒｅｓｕｌｔｓａｒｅｓｕｍｍｅｄｕｐ．Ｔｈｅｍｏｄｅｌｉｓｔｈｅｎａｐｐｌｉｅｄｔｏｔｈｅ
ｍｏｎｔｈｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｏｆＢａｉｍａｓｉＳｔａｔｉｏｎａｎｄＨｅｉｓｈｉｇｕａｎＳｔａｔｉｏｎｉｎｔｈｅｍｉｄｄｌｅａｎｄｌｏｗｅｒｒｅａｃｈｅｓｏｆ
ｔｈｅＹｅｌｌｏｗＲｉｖｅｒＢａｓｉｎ ，ａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓａｒｅｅｖａｌｕａｔｅｄｃｏｍｐａｒｅｄｗｉｔｈｔｈｏｓｅｏｆＣＮＮ－ＬＳＴＭ，
ＥＬＭＡＮ，ＶＭＤ－ＣＮＮ－ＬＳＴＭ ｍｏｄｅｌｓ．ＲｅｓｅａｒｃｈｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＮＳＥｖａｌｕｅｓｏｆｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅ
ｓｕｌｔｓｏｆｔｈｉｓｍｏｄｅｌａｒｅａｌｌｇｒｅａｔｅｒｔｈａｎ０．９９ ，ｗｈｉｃｈｉｓｓｕｐｅｒｉｏｒｔｏｏｔｈｅｒｍｏｄｅｌｓ，ｉｎｄｉｃａｔｉｎｇｔｈａｔｔｈｅ
ＶＭＤ－（ＣＮＮ－ＬＳＴＭ，ＥＬＭＡＮ）ｍｏｄｅｌｈａｓｈｉｇｈｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｃａｎｂｅａｐｐｌｉｅｄｔｏａｃｔｕａｌ
ｍｏｎｔｈｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｂａｓｉｎ．
Ｋｅｙｗｏｒｄｓ：ｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎ；ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＶＭＤ）；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｔｈｅＹｅｌｌｏｗ
ＲｉｖｅｒＢａｓｉｎ

!"#$：２０２２０６１９； %&#$：２０２２０８２６
'()*： 89œ*e„2./（５２０７９１１０）
+,-.： ˜½å（１９９９－）， A， :q\hE， KG+^L， OPQR1U5ʵf+^。
/0+,： òøæ（１９６５－）， b， 9õïçE， FG， IJ， OPQRSq1UNX1U5Ê]µeIeX*+%o。