Page 94 - 《水资源与水工程学报》2023年第1期

９ ０ & ' ( ) & * + , - ２０２３ $

2 ＶＭＤ§<>X»­/—«T»Ú， ¾ô72Þ ｏｓｃｉｅｎｃｅｓａｎｄＥｎｇｉｎｅｅｒｉｎｇ ，２０２２，１９（２）：１６３３－１６４８．
žÈi4Fô7„ˆ， ¥¦)¹uÈɝž56 ［１２］ＤＲＡＧＯＭＩＲＥＴＳＫＩＹＫ，ＺＯＳＳＯＤ．Ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅ
[¿， ab， ·§ª|S>X·¸ ＶＭＤ»­$P。 ｃｏｍｐｏｓｉｔｉｏｎ ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，
２０１３，６２（３）：５３１－５４４．
（ ３） »K56Þë·ßàÈÉ5Ê[¿， OP
［１３］ＤＩＮＧＪｉａｋａｉ，ＸＩＡＯＤｏｎｇｍｉｎｇ，ＬＩＸｕｅｊｕｎ．Ｇｅａｒｆａｕｌｔｄｉ
È$±P¯{G øðT»Ú56ž。U
ａｇｎｏｓｉｓｂａｓｅｄｏｎｇｅｎｅｔｉｃｍｕｔａｔｉｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａ
U2 ＥＬＭＡＮžš¯ ＣＮＮ－ＬＳＴＭžÌ‚Î
ｔｉｏｎＶＭＤａｎｄｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ ［Ｊ］．
K»Ú56， <+ž[¿)³ÈÉ， ßÅ ＥＬ
ＩＥＥＥＡｃｃｅｓｓ ，２０２０，８：１８４５６－１８４７４．
ＡＭＮžÍ ＣＮＮ－ＬＳＴＭž¢ûG ‚ÎK ［１４］ＺＨＡＮＧＦａｎｇｑｉｍ，ＫＡＮＧＹａｎ，ＣＨＥＮＧＸｉａｏ，ｅｔａｌ．Ａ
»Ú56。 ｈｙｂｒｉｄｍｏｄｅｌｉｎｔｅｇｒａｔｉｎｇＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｖａｒｉａ
ｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＢｏｘ－Ｃｏｘｔｒａｎｓｆｏｒｍａｔｉｏｎ
©ªKL：
ｆｏｒｍｏｎｔｈｌｙｒｕｎｏｆｆｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎ ［Ｊ］．ＷａｔｅｒＲｅ
［１］Ëáá， ³ ?， !)·， ]． „ G_÷»¼ － E"š
ｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔ ，２０２２，３６：３６７３－３６９７．
› － =!fÚ­êéMžê'c_Nª|S56
［１５］ＳＩＢＴＡＩＮＭ，ＬＩＸｉａｎｓｈａｎ，ＮＡＢＩＧ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔ
［Ｊ］． ?@3#X€，２０２０，３５（２）：３５５－３６４．
ｏｆａｔｈｒｅｅｓｔａｇｅｈｙｂｒｉｄｍｏｄｅｌｂｙｕｔｉｌｉｚｉｎｇａｔｗｏｓｔａｇｅｓｉｇ
［２］l Ô， ‚． „ c%gùeV”ösU|SmM
ｎａｌｄｅｃｏｍｐｏｓｉｔｉｏｎｍｅｔｈｏｄｏｌｏｇｙａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｐ
56［Ｊ］． 1Ä<ÄeÊ，２０１８，３７（８）：２０－２８．
ｐｒｏａｃｈｔｏｐｒｅｄｉｃｔｍｏｎｔｈｌｙｒｕｎｏｆｆａｔＳｗａｔＲｉｖｅｒＢａｓｉｎ ，Ｐａ
［３］ＢＡＪＩＲＡＯＴＳ，ＫＵＭＡＲＰ，ＫＵＭＡＲＭ，ｅｔａｌ．Ｐｏｔｅｎｔｉａｌｏｆ
ｋｉｓｔａｎ［Ｊ］．ＤｉｓｃｒｅｔｅＤｙｎａｍｉｃｓｉｎＮａｔｕｒｅａｎｄＳｏｃｉｅｔｙ，
ｈｙｂｒｉｄｗａｖｅｌｅｔｃｏｕｐｌｅｄｄａｔａｄｒｉｖｅｎｂａｓｅｄａｌｇｏｒｉｔｈｍｓｆｏｒｄａｉｌｙ
２０２０，２０２０：７３４５６７６．
ｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｉｎｃｏｍｐｌｅｘｒｉｖｅｒｂａｓｉｎｓ ［Ｊ］．Ｔｈｅｏｒｅｔｉｃａｌａｎｄ
［１６］ＬＩＵＨｏｎｇｃｈｉ，ＬＩＰｅｎｇ，ＬＩＭｅｎｇ，ｅｔａｌ．Ｌｏａｄｐｒｅｄｉｃｔｉｏｎ
ＡｐｐｌｉｅｄＣｌｉｍａｔｏｌｏｇｙ ，２０２１，１４５：１２０７－１２３１．
ｂａｓｅｄｏｎｈｙｂｒｉｄｍｏｄｅｌｏｆＶＭＤ－ｍＲＭＲ－ＢＰＮＮ－ＬＳＳ
［４］ＦＲＡＭＥＪ，ＫＲＡＴＺＥＲＴＦ，ＫＬＯＴＺＤ，ｅｔａｌ．Ｄｅｅｐｌｅａｒｎ
ＶＭ［Ｊ］．Ｃｏｍｐｌｅｘｉｔｙ，２０２０，２０２０：６９４０７８６．
ｉｎｇｒａｉｎｆａｌｌ－ｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｓｏｆｅｘｔｒｅｍｅｅｖｅｎｔｓ ［Ｊ］．Ｈｙ
［１７］ＺＨＡＮＧＧａｎｇ，ＬＩＵＨｏｎｇｃｈｉ，ＺＨＡＮＧＪｉａｎｇｂｉｎ，ｅｔａｌ．Ｗｉｎｄ
ｄｒｏｌｏｇｙａｎｄＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅｓＤｉｓｃｕｓｓｉｏｎｓ ，２０２２，２６
ｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ
（１３）：３３７７－３３９２．
ｍｕｌｔｉｆｒｅｑｕｅｎｃｙｃｏｍｂｉｎａｔｉｏｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｏｄｅｒｎＰｏｗｅｒ
［５］ＨＥＸｉｎｘｉｎ，ＬＵＯＪｕｎｇａｎｇ，ＬＩＰｅｎｇ，ｅｔａｌ．Ａｈｙｂｒｉｄｍｏｄｅｌ
ＳｙｓｔｅｍｓａｎｄＣｌｅａｎＥｎｅｒｇｙ ，２０１９，７：２８１－２８８．
ｂａｓｅｄｏｎｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｇｒａｄｉｅｎｔｂｏｏｓ
［１８］ＬＩＵＷｅｉ，ＣＡＯＳｉｙｕａｎ，ＣＨＥＮＹａｎｇｋａｎｇ．Ａｐｐｌｉｃａｔｉｏｎｓｏｆ
ｔｉｎｇｒｅｇｒｅｓｓｉｏｎｔｒｅｅｆｏｒｍｏｎｔｈｌｙｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．Ｗａ
ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｉｎｓｅｉｓｍｉｃｔｉｍｅｆｒｅｑｕｅｎｃｙａ
ｔｅｒＲｅｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔ，２０２０，３４：８６５－８８４．
ｎａｌｙｓｉｓ［Ｊ］．Ｇｅｏｐｈｙｓｉｃｓ，２０１６，８１（５）：Ｖ３６５－Ｖ３７８．
［６］ＫＵＭＡＲＳ，ＴＩＷＡＲＩＭＫ，ＣＨＡＴＴＥＲＪＥＥＣ，ｅｔａｌ．Ｒｅｓｅｒｖｏｉｒ
［１９］ＫＩＭ Ｔ－Ｙ，ＣＨＯ Ｓ－Ｂ．Ｐｒｅｄｉｃｔｉｎｇｒｅｓｉｄｅｎｔｉａｌｅｎｅｒｇｙ
ｉｎｆｌｏｗｆｏｒｅｃａｓｔｉｎｇｕｓｉｎｇｅｎｓｅｍｂｌｅｍｏｄｅｌｓｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔ
ｃｏｎｓｕｍｐｔｉｏｎｕｓｉｎｇＣＮＮ－ＬＳＴＭｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．Ｅｎ
ｗｏｒｋｓ ，ｗａｖｅｌｅｔａｎａｌｙｓｉｓａｎｄｂｏｏｔｓｔｒａｐｍｅｔｈｏｄ［Ｊ］．ＷａｔｅｒＲｅ
ｅｒｇｙ，２０１９，１８２：７２－８１．
ｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔ ，２０１５，２９：４８６３－４８８３．
［２０］ ＨＯＣＨＲＥＩＴＥＲ Ｓ，ＳＣＨＭＩＤＨＵＢＥＲ Ｊ．Ｌｏｎｇｓｈｏｒｔｔｅｒｍ
［７］ＣＨＥＮＳｈｕ，ＲＥＮＭｉａｏｍｉａｏ，ＳＵＮＷｅｉ．Ｃｏｍｂｉｎｉｎｇｔｗｏ
ｍｅｍｏｒｙ ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，１９９７，９（８）：１７３５－１７８０．
ｓｔａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎｂａｓｅｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｆｏｒ
［２１］ＥＬＭＡＮＪＬ．Ｆｉｎｄｉｎｇｓｔｒｕｃｔｕｒｅｉｎｔｉｍｅ［Ｊ］．ＣｏｇｎｉｔｉｖｅＳｃｉ
ａｎｎｕａｌｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０２１，
ｅｎｃｅ ，１９９０，１４（２）：１７９－２１１．
６０３：１２６９４５．
［２２］Æ#X， ­$， Kä†． „ ＶＭＤ－ＣＮＮ－ＬＳＴＭ
［８］ＳＡＭＡＮＴＡＲＡＹＳ，ＳＡＨＯＯＡ．Ｅｓｔｉｍａｔｉｏｎｏｆｒｕｎｏｆｆｔｈｒｏｕｇｈ
žô'Sqª|S56［Ｊ］． õ1\%ieeÊ，
ＢＰＮＮａｎｄＳＶＭ ｉｎＡｇａｌｐｕｒＷａｔｅｒｓｈｅｄ ［Ｍ］／／ＤＩＴＺＩＮＧＥＲ
２０２１，３７（１）：１－８．
Ｔ．ＡｄｖａｎｃｅｓｉｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓａｎｄＣｏｍｐｕｔｉｎｇ．Ｂｅｒｌｉｎ ：
［２３］ＬＩＶＩＥＲＩＳＩＥ，ＰＩＮＴＥＬＡＳＥ，ＰＩＮＴＥＬＡＳＰ．ＡＣＮＮ－ＬＳＴＭ
Ｓｐｒｉｎｇｅｒ，２０２０．
ｍｏｄｅｌｆｏｒｇｏｌｄｐｒｉｃｅｔｉｍｅｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＮｅｕｒａｌＣｏｍ
［９］ＨＩＮＴＯＮＧＥ，ＯＳＩＮＤＥＲＯＳ，ＴＥＨＹ－Ｗ．Ａｆａｓｔｌｅａｒｎｉｎｇ
ｐｕｔｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０２０，３２：１７３５１－１７３６０．
ａｌｇｏｒｉｔｈｍｆｏｒｄｅｅｐｂｅｌｉｅｆｎｅｔｓ ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，
［２４］ＬＵＷｅｎｊｉｅ，ＬＩＪｉａｚｈｅｎｇ，ＬＩＹｉｆａｎ，ｅｔａｌ．ＡＣＮＮ－ＬＳＴＭ
２００６，１８（７）：１５２７－１５５４．
ｂａｓｅｄｍｏｄｅｌｔｏｆｏｒｅｃａｓｔｓｔｏｃｋｐｒｉｃｅｓ［Ｊ］．Ｃｏｍｐｌｅｘｉｔｙ，
［１０］©2， êVs， ³ÿ4， ]． „ ＣＮＮ－ＬＳＴＭõ¬
２０２０，２０２０：６６２２９２７．
öĶÐ56［Ｊ］． œÞ›€³，２０２０，４１（５）：３７－４１．
［２５］ＭＵＺＡＦＦＡＲＳ，ＡＦＳＨＡＲＩＡ．Ｓｈｏｒｔｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｓｕ
［１１］ＪＩＮＧＸｉｎ，ＬＵＯＪｕｎｇａｎｇ，ＺＨＡＮＧＳｈａｎｇｙａｏ，ｅｔａｌ．Ｒｕｎ
ｓｉｎｇＬＳＴＭ ｎｅｔｗｏｒｋｓ ［Ｊ］．ＥｎｅｒｇｙＰｒｏｃｅｄｉａ，２０１９，１５８：
ｏｆｆｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｂａｓｅｄｏｎｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏ
２９２２－２９２７．
ｓｉｔｉｏｎａｎｄａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＭａｔｈｅｍａｔｉｃａｌＢｉ