Page 78 - 《水资源与水工程学报》2024年第5期
P. 78

７                        & ' ( ) & * + , -                 ２０２４ $
              ４
                 ｑｕｅｎｔｗａｔｅｒｒｅｓｏｕｒｃｅｓｄｅｖｅｌｏｐｍｅｎｔａｎｄｍａｎａｇｅｍｅｎｔｉｎｔｈｅｗａｔｅｒｓｈｅｄ．
                 Ｋｅｙｗｏｒｄｓ：ｒｕｎｏｆｆｓｉｍｕｌａｔｉｏｎａｎｄｐｒｅｄｉｃｔｉｏｎ；ｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌ；ＣＮＮ－ＬＳＴＭ－Ａｔｔｅｎｔｉｏｎ；ｃｌｉｍａｔｅ
                 ｃｈａｎｇｅ；ｔｈｅＱｉｎｈｅＲｉｖｅｒＢａｓｉｎ
                                                               Õ{çUYZÿ‘šà。F_`å                ［１３］ ó† ＬＳＴＭð
            １ ./01
                                                               ＷＲＦ／ＷＲＦ－Ｈｙｄｒｏ ¥è¿›{çU"øuv^|î
                 ADEX9¤=Èä&+º*Ùa{/Í­+                          ï， mD"ø45。,]， ijYVéçUYZ>
            ,DE， ›|«X=jXh{]_­ß…， ðžÐ=                          Ee¼Èé-.|w·c、 ð‰ŠK1ß}·àåº
            j´ï、 Úá9¤=Èä%&&+A·º*€y{                            ²， ™šÁ•ÄБ.lYV，ＣＮＮ－ＬＳＴＭ－Ａｔｔｅｎ
            '†   ［１］ 。çU1Xï1ÌhADEÙ­12{#                        ｔｉｏｎ YVA·¼>E{øÍ。,Q，ＣＮＮYn1×·
            ߔà， ,[5iO\=j†A㫙¨， Ã&ډ                          kh\]|}ñò‰ŠQ{}w¨©­， ¶·WŽe
            Ùl9¤=ù=¥†A{N1。ÌÍ， ¹áõ、 iY                          'úʼnŠQ{}w€， ζ·ae'mœ‰Š
            E~ä9¤¥¦å>E{‚ƒ                ［２３］ ， UV+,{Ë       ž‘， ]·kËùYV{'Žñò‘， úàYV{
            åçU·»ºª«­…†¯e， ‚ƒ‰9¤ðAD                            'Žkû    ［１４］ ；ＬＳＴＭYn1×·k\]c|ՉŠñ
            E{È&R†、 Þä=jÚ¯。„8È+àÿ‘                            òQ{™š， úàYV{-.Û«­ä­1                   ［１５］ ；Ａｔ
            çUYZC" ðUVADEÞ、 Z›Ú¯[&
                                                               ｔｅｎｔｉｏｎ Yn¶·-•Ó¦2¸_， eÕYV1×+¦
                                        ［４］
            +å>EA·#ß{l†D½                 。
                                                               .l‰ŠQ{#߀ä™š， u¨‹úàYV{"
                 éÉ·çUYZ[" Q， ÞßÈé{=>·：                              ［１６］
                                                                ÿ‘     。çÄ，ＣＮＮ－ＬＳＴＭ－Ａｔｔｅｎｔｉｏｎ YV¶·
            （ １） çU1¹á¬ß…‚ƒše， ËËå、 áå，
                                                               ３ æYn{·¸°è， 1׺¢ûüc|w‰Šñò
            ÃçU|wñòA·ñò­、 Å ­、 àʦ­å€
                                                               Q{#߀•Cqæ߅§w{™d¨©， ]ú
            $， ᬄ…[çU1§w·oÜ{uY­€¨
                                                               àYVðÁçUYZ{!ª­ä£12。
            ¿， ¯cçU!ª" {‚‘              ［５］ ；（２） Ž›{¢d
                                                                   ２０１９ v ９{ １８/， lZ´â¨GéùÄÞÐ
            QYV¶.óße1{àÿ‘‰Šäñò{B‰-
                                                               bÈr5UV=jÚ¯äàK1&+cd$|Ï
            ê， YV‹Œäîï·»š@š[， ð‰Š~­
                                                               \， r5UV=jÚ¯äàK1&+X#e!"Ö
            Ï， ‚•é‰Š=ahgl†， Ã/ü‘çUYZÿ                            ［１７］
                                                               Ù    。V5'@r5{#ßrU， ,çU{v~~
            ‘·z；（３） ›'YV'Žkûšà， Æé\]uY
                                                               CvO¢¾Fºµï，７—１０{{çU1‡vç
            ­¨¿älðFþfN>EÈ麲， Æ,XéE
                                                               U1{ ７０％•Ä， È+çUYZä" *@UVO
            ðáõ~‹ç{ºª«­|， YV" 12¹Ö
                                                               ADEÞäø\‘úىŠre。*ͨÁ
                                           ［６］
            z_， *1Ol" °±=5še                  。
                                                               V 5 { % < ç €， Þ ß » ¼ Á g V A ´ ï ž
                 ˆ‰Ð‘.lŠŒ{&+， Б.lYVéA-
                                                               ª  ［１８１９］ 、 ADER†[ö¤Ñ¨¿       ［２０］ 、 AEŸ–1
                               ［７９］
            .ÑVÕÖ¢£l†             ， Æ,é5içUYZC"
                                                               2  ［２１］ 、 ADE=j²J   ［２２］ 、 zf¥D  ［２３］ å>E{%
             >E+ɏje{>2。™šÁŽ›{kž¸
                                                               <。,]， *ÍÍI·.žéV5UVÈ+/ÁÐ
            _YV， Б.lYVA·þà{!ª­äþù{e
                                                               ‘.lYV{çUYZC" ， Б.lYV{7
            †4Ò， éYZñòAB·»>E²ÉÜÝ{ø
            Í ［１０］ ， n¢% < / Á W Ž › % è Ù （ｃｏｎｖｏｌｕｔｉｏｎａｌ      †­é³UVÍI“º¢Ÿ¾。
            ｎｅｕｒａｌｎｅｔｗｏｒｋ ，ＣＮＮ） äc`ÕGHèÙ（ｌｏｎｇｓｈｏｒｔ                ÒB9ÅV5UV@%<g， é ＣＮＮ－ＬＳＴＭ－
            ｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ） åБ.lŠŒéçUYZ>                     Ａｔｔｅｎｔｉｏｎ YV/ÍÄ， c•¼yøŽð， ‹Œ¶{
            EÅՍš@ÜÝ{4±。Ｍａｎ å                ［１０］ ÎuŽ›        çU" YV， ›|ð¥¦¼yБ.lYVé³
            ＬＳＴＭYV， l†ÁÇ5UV{çUYZ。Ｂｉａｎ å                 ［１１］   UV{çUYZÿ‘， ΰèû&¡!~¥èYQ
            /Á ＬＳＴＭ[ ＬｉｇｈｔＧＢＭ{¥èYVézfUVÈ+                      š'(（ＣｏｕｐｌｅｄＭｏｄｅｌＩｎｔｅｒｃｏｍｐａｒｉｓｏｎＰｒｏｊｅｃｔＰｈａｓｅ
                            ［６］
            çUYZ。Ｙａｏ å        /Á ＣＮＮ－ＬＳＴＭä^]WXj                ６ ，ＣＭＩＰ６） ᬉŠ， " º›áõ~ӜiUV
            m（ｇａｔｅｄｒｅｃｕｒｒｅｎｔｕｎｉｔ，ＧＲＵ） xyБ.lYVC                çU{~ÌÍ， –—Xh~iV5UVçU˜~
            +7lc;YnŒw¥èYV， éOmôUV{çU                           ™š。%<4±*@UVADEÞ、 %&#$*Ð
            YZQ+ɏ¢£{­1。`Lbå                  ［１２］ ºðO5       Ñ&+•Cr5UV=jÚ¯äàK1&+í¨#
            UV‹Œ ＴＶＧＭ－ＬＳＴＭ¥èYV， ðÆÕäuÆ                        e!"ÖÙ{^ýúÙ-.BC。
   73   74   75   76   77   78   79   80   81   82   83