Page 85 - 《水资源与水工程学报》2024年第5期

! ５# ÅÆÇ， :： s½ ＣＮＮＬＳＴＭＡｔｔｅｎｔｉｏｎ ¹ºÈhg¯°g¹ÉJÊ4ËÌ1ÍÄ ８ １

Ð" >ð%<［Ｊ］． 9'r5，２０２１，４３（６）：８０８５＋９７． š［Ｊ］． ›'[ÒØ，２０２２，３８（６）：５９．
［１０］ＭＡＮ Ｙｕａｎｙｕａｎ，ＹＡＮＧ Ｑｉｎｌｉ，ＳＨＡＯ Ｊｕｎｍｉｎｇ，ｅｔａｌ． ［２６］F ¥， à É， «ãã， å． wxe'5UVáäËA
ＥｎｈａｎｃｅｄＬＳＴＭ ｍｏｄｅｌｆｏｒｄａｉｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｉｎｔｈｅ Ëü‘%< ［Ｊ］． ARASŠŒ （ Q§B），２０２１，５２
ｕｐｐｅｒＨｕａｉＲｉｖｅｒＢａｓｉｎ ，Ｃｈｉｎａ［Ｊ］．Ｅｎｇｉｎｅｅｒｉｎｇ，２０２３， （９）：１６３１．
２４：２２９２３８． ［２７］ø 6， 4TÐ， ›8‘． /Á Ｄｅｌｔａ >ð{Ç5UVáõ
［１１］ＢＩＡＮ Ｌｅｋａｎｇ，ＱＩＮ Ｘｕｅｅｒ，ＺＨＡＮＧ Ｃｈｅｎｇｌｏｎｇ，ｅｔａｌ． ~" ¢£［Ｊ］． 9'cô，２０１２，４３（７）：１１１４＋４６．
Ａｐｐｌｉｃａｔｉｏｎ ，ｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｍａｃｈｉｎｅ ［２８］ò†)， 1 ú， ` e， å． gVáõӜ Ｄｅｌｔａ－ＤＣＳＩ Ë
ｌｅａｒｎｉｎｇｍｅｔｈｏｄｃｏｍｂｉｎｅｄｗｉｔｈＬＳＴＭ ａｎｄＬｉｇｈｔＧＢＭ ：ａ ü‘>ð［Ｊ］． Œne..ø（ §»-.ÿ），２００９，４１
ｃａｓｅｓｔｕｄｙｆｏｒｒｕｎｏｆｆｓｉｍｕｌａｔｉｏｎｉｎａｎａｒｉｄａｒｅａ［Ｊ］．Ｊｏｕｒ （５）：１７．
ｎａｌｏｆＨｙｄｒｏｌｏｇｙ ，２０２３，６２５：１３００９１． ［２９］KLL， `ê.． ›'Ëü‘>ðä Ｄｅｌｔａ >ðŒwr
［１２］`Lb， q F，  P， å．ＴＶＧＭ－ＬＳＴＭ¥èYVC,ç 5EgáõӜ{š¢£［Ｊ］． á¬.ø，２００７，６５
UYZk±¢£［Ｊ］． ADEÚ¯，２０２３，３９（６）：１０４１１０． （４）：６５３６６２．
［１３］F_`， F þ， F&˜， å． /Á ＬＳＴＭ ^|îï{ ［３０］ＨＯＣＨＲＥＩＴＥＲＳ，ＳＣＨＭＩＤＨＵＢＥＲＪ．Ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍ
ＷＲＦ／ＷＲＦ－Ｈｙｄｒｏ¥ è ç U " ø ［Ｊ］． A R . ø， ｏｒｙ ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，１９９７，９（８）：１７３５１７８０．
２０２３，５４（１１）：１３３４１３４６． ［３１］ＣＨＡＵＤＨＡＲＩＳ，ＭＩＴＨＡＬＶ，ＰＯＬＡＴＫＡＮＧ，ｅｔａｌ．Ａｎ
［１４］ＧＵＪｉｕｘｉａｎｇ，ＷＡＮＧＺｈｅｎｈｕａ，ＫＵＥＮＪ，ｅｔａｌ．Ｒｅｃｅｎｔ ａｔｔｅｎｔｉｖｅｓｕｒｖｅｙｏｆａｔｔｅｎｔｉｏｎｍｏｄｅｌｓ［Ｊ］．ＡＣＭ Ｔｒａｎｓａｃ
ａｄｖａｎｃｅｓｉｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ ［Ｊ］．Ｐａｔｔｅｒｎ ｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（ＴＩＳＴ），
Ｒｅｃｏｇｎｉｔｉｏｎ，２０１８，７７：３５４３７７． ２０２１，１２（５）：１３２．
［１５］r(5， ­JŠ， ½Äˆ， å． /Á ＬＳＴＭ{Ÿtà:ß ［３２］º Š， +œ´． /ÁDÊ{ ＣＮＮ－ＬＳＴＭ－Ａｔｔｅｎｔｉｏｎ ’
sg&V D U V ç U Y Z C " ［Ｊ］． Ý n ß s， ¾" YV%<［Ｊ］． Q!d(=ù-.ŠŒ，２０２３，１９
２０２１，４３（４）：１１４４１１５６． （９）：６９７５．
［１６］1Bþ， 2úú， DT， å． /Á Ａｔｔｅｎｔｉｏｎ ¸_ø ［３３］ＫＲＩＺＨＥＶＳＫＹＡ，ＳＵＴＳＫＥＶＥＲＩ，ＨＩＮＴＯＮＧＥ．Ｉｍａ
ＬＳＴＭ－Ｓｅｑ２ｓｅｑ YV{çUYZ%<［Ｊ／ＯＬ］． Ýnß ｇｅＮｅｔｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔ
s，２０２３，［２０２４０４１５］．ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅ ｗｏｒｋｓ ［Ｊ］．ＣｏｍｍｕｎｉｃａｔｉｏｎｓｏｆｔｈｅＡＣＭ，２０１７，６０（６）：
ｔａｉｌ／６２．１０７２．Ｐ．２０２３１１０３．１３３５．００２．ｈｔｍｌ． ８４９０．
［１７］lZ´． ér5UV=jÚ¯äàK1&+cd$Ä{ ［３４］ＳＲＩＶＡＳＴＡＶＡＮ，ＨＩＮＴＯＮＧ，ＫＲＩＺＨＥＶＳＫＹＡ，ｅｔａｌ．
3‹［ＥＢ／ＯＬ］．（２０１９０９１８）［２０１９１０１５］．ｈｔｔｐ：／／ｗｗｗ． Ｄｒｏｐｏｕｔ ：ａｓｉｍｐｌｅｗａｙｔｏｐｒｅｖｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｒｏｍ
ｑｓｔｈｅｏｒｙ．ｃｎ／ｄｕｋａｎ／ｑｓ／２０１９１０／１５／ｃ＿１１２５１０２３５７．ｈｔｍ． ｏｖｅｒｆｉｔｔｉｎｇ ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＲｅｓｅａｒｃｈ，
［１８］“,†， 2ŸR， aMT， å． gVA´ïCbﻑ‘ ２０１４，１５（１）：１９２９１９５８．
1>ð［Ｊ］． AR.ø，２０２４，５５（１）：１１２． ［３５］I„“， 1‚µ， 㠔， å． /Á ＬＳＴＭ－Ａｄａｍ{ú™
［１９］. Í， «Pî， “,†， å． /ÁgVA´ïžªä ¸Wá"ÚYV［Ｊ］． ¸S§»，２０２４，４１（１）：１７５１８２．
ＳＷＡＴ YV{V5UVAqr´ï˜~¢£［Ｊ］． AR ［３６］ＭＯＲＩＡＳＩＤＮ，ＡＲＮＯＬＤＪＧ，ＶＡＮＬＩＥＷ ＭＷ，ｅｔａｌ．
AS-Šu+，２０２４，４４（１）：９１５＋２２． Ｍｏｄｅｌｅｖａｌｕａｔｉｏｎｇｕｉｄｅｌｉｎｅｓｆｏｒｓｙｓｔｅｍａｔｉｃｑｕａｎｔｉｆｉｃａｔｉｏｎｏｆ
［２０］aMT， “,†， «Pî． /Á Ｔａｐｉｏ ä ＬＭＤＩ YV{V ａｃｃｕｒａｃｙｉｎｗａｔｅｒｓｈｅｄｓｉｍｕｌａｔｉｏｎｓ ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅ
5UVö¤Ñ[ADER†³Œ¨¿¢£［Ｊ］． AD ＡＳＡＢＥ ，２００７，５０（３）：８８５９００．
EÚ¯，２０２３，３９（４）：９４１０１． ［３７］ＬＥＧＡＴＥＳＤＲ，ＭＣＣＡＢＥＪＲＧＪ．Ｅｖａｌｕａｔｉｎｇｔｈｅｕｓｅｏｆ
［２１］cùÈ， “,†，  ©， å． /Á ＳＷＡＴ{V5UVA “ｇｏｏｄｎｅｓｓｏｆｆｉｔ”ｍｅａｓｕｒｅｓｉｎｈｙｄｒｏｌｏｇｉｃａｎｄｈｙｄｒｏｃｌｉｍａｔ
EŸ–12¢£C" ［Ｊ］． 6Aa\[AR-Š（ Q ｉｃｍｏｄｅｌｖａｌｉｄａｔｉｏｎ ［Ｊ］． ＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，
§B），２０２３，２１（５）：８６２８７２． １９９９，３５（１）：２３３２４１．
［２２］x J， c Ž， «Pî， å． /Á ＳＷＡＴ{V5UVAD ［３８］1 •，  [， F –， å． áõ[shR†~ixµA
E=j²J'ŽCã¡»‘¢£［Ｊ］． ADE[A§ 5UVçUYZ［Ｊ］． =j.ø，２０１７，３７（４）：１２５２１２６０．
».ø，２０２３，３４（６）：１９． ［３９］p ¹， p =．２０２１ vÆÿV5Zå‘ACAv\‘
［２３］^'， ˆ º， “?， å． /Á ＳＷＡＴYV{V5U ¢£［Ｊ］． 9'r5，２０２２，４４（Ｓ２）：８９＋１２．
V`QcÕçèzf”‰‹ŒC7†­¢£［Ｊ］． Q ［４０］c8ƒ， 1P<， c? ， å． V5çU1~€C,
!xÆARAS，２０２２（６）：７６８３＋８９． ‚ƒ„ ¢£［Ｊ］． 9'r5，２０２３，４５（１１）：４９５４．
［２４］+0ú， «¤Í， 2 ‘， å． /Á ＣＭＩＰ６ {()Czf ［４１］ˆG„， ë <， ëµg， å． ¥è Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ {
‹zf|}˜~［Ｊ］． ADEÚ¯，２０２３，３９（２）：４０４９． ＬＳＴＭçU"øYV%< ［Ｊ］． jke..ø （ §.
［２５］àd[， 1Úu． ¼mY­ÛÔYVQ+1¿>ð ÿ），２０２２，５５（８）：７５５７６１．