Page 42 - 《水资源与水工程学报》2024年第2期
P. 42

３                        & ' ( ) & * + , -                 ２０２４ $
              ８
            « £ æ b （ＴｈｅＵｎｉｔｅｄ ＮａｔｉｏｎｓＤｅｖｅｌｏｐｍｅｎｔＰｒｏ          ê， Ú;_¦ž2]45“æ、 ¯£8¾4hŽ?
            ｇｒａｍｍｅ ，ＵＮＤＰ） OG¦IL«@¯¥（ＨｕｍａｎＤｅ                   Ús*+“æ、 LƒHØ， Äk´ç@LƒZaüL
            ｖｅｌｏｐｍｅｎｔＩｎｄｅｘ，ＨＤＩ） Íè±ãTɦIL«@2                   ƒ4， 7y0Ëðâ‘ã¦ÿ:fü。
            ø， £Öˆ5m，ＨＤＩ ¹·È‡ˆ¯¥、 W€¯¥7
            8ï=¯¥¦Ö>ø©²，３ hvj¯¥F9Új。                           ‡–LM：
            -Ê， žyL£®m«0I(¦1W€5cœœc                            ［１］ＳＩＮＧＨＰＫ，ＳＡＸＥＮＡＳ．Ｔｏｗａｒｄｓｄｅｖｅｌｏｐｉｎｇａｒｉｖｅｒｈｅａ
            ¾I(ˑã!"¦“‘5c。=W， š¶•[                               ｌｔｈｉｎｄｅｘ ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓ，２０１８，８５：９９９１０１１．
                                                               ［２］ＬＵＯＺｅｎｇｌｉａｎｇ，ＺＵＯＱｉｔｉｎｇ，ＳＨＡＯＱｕａｎｘｉ．Ａｎｅｗｆｒａｍｅ
            ./·È‡ˆ¯¥、 W€¯¥üï=¯¥[È}Þ
                                                                  ｗｏｒｋｆｏｒａｓｓｅｓｓｉｎｇｒｉｖｅｒｅｃｏｓｙｓｔｅｍｈｅａｌｔｈｗｉｔｈｃｏｎｓｉｄｅｒａｔｉｏｎ
            ¦F9^"， Ç®lIL«@¯¥（ＮＨＤＩ） »´|
                                                                  ｏｆｈｕｍａｎｓｅｒｖｉｃｅｄｅｍａｎｄ ［Ｊ］．ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉ
            JI(ˑãuv!"¦“‘ü&ü5c。
                                                                  ｒｏｎｍｅｎｔ ，２０１８，６４０：４４２４５３．
                 （３） '6¢¦ Ｍ－ＤＧＭ（１，１） ¿ÀMNI€
                                                               ［３］ＧＲＩＺＺＥＴＴＩＢ，ＬＡＮＺＡＮＯＶＡＤ，ＬＩＱＵＥＴＥＣ，ｅｔａｌ．Ａｓ
            ËÅ'¥nŒ、 ¥n*+#¬¦éê。–IEÔq
                                                                  ｓｅｓｓｉｎｇｗａｔｅｒｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｓｆｏｒｗａｔｅｒｒｅｓｏｕｒｃｅｍａｎａｇｅ
            Éˑãuve¨ÂŽ¦µÞò¿， Å'¥nŒ， Ê                             ｍｅｎｔ ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ＆ Ｐｏｌｉｃｙ，２０１６，６１：
            ’@¦·Ž¿ÀœœšN:¡¦Å'¥n$71                                 １９４２０３．
            M ［３３］ ， µÅ'¥nŒ， ’“·Ž¿À¦’cP7f                      ［４］Ó)V， Ì¢d． ÓÔuvË8¦‘ã!"8ýèåZ
            {。ʞ]@0)¦ ＧＭ（１，１）、ＴＤＧＭ（１，１）              ［２９］ ·       u［Ｃ］／／ mq2]+© ２００８ ª+>ª©}6#， mqO
            Ž¿ÀËðâ‘ãuv!"4궷·Žµ， "È                               õOà，２００８：４３０４３３．
                                                               ［５］Ó)V， ÌÏe． ‘ãuv!"·J2}^œ［Ｍ］． F
            ¦·Ž’c™¹s"ç， îö~Ô'6r¢¦
                                                                  |： mq2]23GCD，２０２２：３９４６．
            Ｍ－ＤＧＭ（１，１） ¿À。Ｍ－ＤＧＭ（１，１） ¿Àž¥n
                                                               ［６］åW]， Ó6@， Ó)V， :． ðâ‘ãuv!"fa8
            ·f2hŽ]@‰%(eu¥ ｍ´)ñ(el¥
                                                                  š›［Ｊ］． 23´R*+，２０１６，３４（１）：３５３９．
            n*+¦#b%c， ݊#¬*+¦ê—， Ç®¿
                                                               ［７］ＡＨＭＥＤＡＮ，ＯＴＨＭＡＮＦＢ，ＡＦＡＮＨＡ，ｅｔａｌ．Ｍａｃｈｉｎｅ
            À’c¹s•ç， »×@Ôðâ‘ãuv¦!"4
                                                                  ｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｆｏｒｂｅｔｔｅｒｗａｔｅｒｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎ［Ｊ］．
            귎。žÕ¶¦‘ãuv!"·Ž./m， •œ                               ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ ，２０１９，５７８：１２４０８４．
            ¨k7ë)0)¦‘be¢B!ebÈ)ñ¦!"                             ［８］ＣＨＥＮＺｅｎｇ，ＸＵＨｕａｎ，ＪＩＡＮＧＰｅｎｇ，ｅｔａｌ．Ａｔｒａｎｓｆｅｒ
            ·J/e， c¢‘ãuv!"]Z·Jøã， y0                             ｌｅａｒｎｉｎｇｂａｓｅｄＬＳＴＭｓｔｒａｔｅｇｙｆｏｒｉｍｐｕｔｉｎｇｌａｒｇｅｓｃａｌｅｃｏｎ
            ƒ·J； ®•œ¨， .Cqɑãe¨ÂŽ¦)*¶                             ｓｅｃｕｔｉｖｅｍｉｓｓｉｎｇｄａｔａａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎａｗａｔｅｒｑｕａｌｉｔｙ
            ·78‘ãuv!"Å'¥n¦³a#$， Õ¶k                               ｐｒｅｄｉｃｔｉｏｎｓｙｓｔｅｍ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０２１，６０２：
                                                                  １２６５７３．
            ¶•[º¶Ú;·ŽÖü¿À， O&‘ãuv!
                                                               ［９］Žno， “gÖ， Ñnø， :． ÓÔ ＢＰ `ñab¦"‘ãT
            "4ꦷŽ’c。
                                                                  2…·Ž［Ｊ］． 2QR^245+­，２０２１，３２（５）：１９２６．
            ５ I N                                              ［１０］ＧＡＯＳｈｕａｉ，ＨＵＡＮＧＹｕｅｆｅｉ，ＺＨＡＮＧＳｈｕｏ，ｅｔａｌ．Ｓｈｏｒｔ
                                                                   ｔｅｒｍｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｗｉｔｈＧＲＵａｎｄＬＳＴＭｎｅｔｗｏｒｋｓｗｉｔｈ
                 '6mnðâ‘ãuv!"èšÅ'¥nŒ、
                                                                   ｏｕｔｒｅｑｕｉｒｉｎｇｔｉｍｅｓｔｅｐｏｐｔｉｍｉｚａｔｉｏｎｄｕｒｉｎｇｓａｍｐｌｅｇｅｎｅｒａ
            ¥n*+#¬šÒ¦†x， ¢B¾ÓÔ#$2}¦                                ｔｉｏｎ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０２０，５８９：１２５１８８．
            Ｍ－ＤＧＭ（１，１） ·Ž¿À， ×]@Ñ¿ÀËð①                       ［１１］ＧＨＯＲＢＡＮＩＭＡ，ＺＡＤＥＨＨＡ，ＩＳＡＺＡＤＥＨＭ，ｅｔａｌ．Ａ
            ãuv ２０２０—２０２４ ª¦!"4궷è±。                              ｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ （ＭＬＰ，
                 （ １） žðâ‘ãuv!"·Žm，Ｍ－ＤＧＭ（１，                        ＲＢＦ）ａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｍｏｄｅｌｓｆｏｒｒｉｖｅｒｆｌｏｗ
            １） ¿À¦·Ž’c¹s¾•ç， k7?@Ôð①                             ｐｒｅｄｉｃｔｉｏｎ ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＥａｒｔｈＳｃｉｅｎｃｅｓ，２０１６，７５
                                                                   （６）：４７６．
            ãuv!"¦·Ž， ·Žëìk¹ðâ‘ã¦*+
                                                               ［１２］ＴＩＡＮＺｈａｎ，ＹＵＺｉｗｅｉ，ＬＩＹｉｆａｎ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｏｎｏｆｒｉｖ
            »2OP¤,Ôn。
                                                                   ｅｒｐｏｌｌｕｔｉｏｎｕｎｄｅｒｔｈｅｒａｉｎｆａｌｌ－ｒｕｎｏｆｆｉｍｐａｃｔｂｙａｒｔｉｆｉｃｉａｌ
                 （２） ðâ‘ãuvž ２０２０—２０２４ª¦!"·
                                                                   ｎｅｕｒａｌｎｅｔｗｏｒｋ ：ａｃａｓｅｓｔｕｄｙｏｆＳｈｉｙａｎＲｉｖｅｒ，Ｓｈｅｎｚｈｅｎ，
            Žè±š²š&¹ ７０．０４、７１．３１、７１．４９、７０．２４ü
                                                                   Ｃｈｉｎａ［Ｊ］．ＦｒｏｎｔｉｅｒｓｉｎＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，２０２２，
            ７１．３０， ©fÔÑ!"4ƒ， èšê%cä， ÓtZ                          １０：８８７４４６．
            »·öC!"œö«@； _š¦§J%¯R52Q                            ［１３］…èv， h i， æ w， :． ÓÔº¶¦`ñab^ݵ
            Rä«]@™、 㡈5‰–5c:·Žèšªž                                ö¡/¦äãT‘Úã¡·Ž./［Ｊ］． 2QR^24
   37   38   39   40   41   42   43   44   45   46   47