Page 123 - 《水资源与水工程学报》2025年第1期
P. 123

! １#         øùú， H： ûüýþkuvY ＢｉＴＣＮ－Ａｔｔｅｎｔｉｏｎ－ＬＳＳＶＭg6./                                      １ １ ９

               ａｌｎｅｔｗｏｒｋ（ＢｉＴＣＮ）；ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ（Ａｔｔｅｎｔｉｏｎ）；ｌｅａｓｔｓｑｕａｒｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＬＳＳＶＭ）

                                                               iº； Aƒ:    ［１２］ 1J¯a<úIíê{fgÑÂ
            １ ./01
                                                               7， b• ＣＮＮ–+bñíê{1Îë~Â7， °I
                 è,<Q14+2®3、 ÅC\ٟ ， ¦O!                       2¾õœÔôÐϳ´µŸ¶·（ｂｉｄｉｒｅｃｔｉｏｎａｌｌｏｎｇ
            a<Y4Ôê?W4¦， í¦µ¨<。¦IÇ                           ａｎｄｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ ，ＢｉＬＳＴＭ） ©ªÏÎë~¬{
            bñ4， ½Jcñ&œZ¦{74ú¼e4Óù                           %ú¼iÏ， °À#Â7å/P(ídÀ#.Æ
            8S½ÄJK{¨Á          ［１］ 。C‹È\Ï80À…;Ì                Ç;<úIðñ。Ìviº{XY31Jda<b
            .“¦{XY， ҈›ÈT¡$<， ‚N¶{Sîá                          ñíê{Ï@’sÑ， ñ ＣＮＮ{ø̔e4ÍÈ©
            °¨ÎÒa»¼        ［２］ 。QÈ， ‚Áf:¦{è,<ñ&                *dL·a–{ª:ÏÎéÞ， cֈ{©ªíê
            œZ¦Æǵ¶， YØ/„{è,<½Jbñi                             |Î{ô©éÞst          ［１３］ 。Ï@ø̵Ÿ¶·（ｔｅｍ
            º ［３４］ ， ‚è,<{ǜ„‡ˆ?W‰Š。                         ｐｏｒａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋ，ＴＣＮ） ¦XYLD4^µ
                                                               1J¯íê{Ï@Â7， ȯ¢Ý4…;Ì}c>。
                 ¦è,<½JÂÑ{AB4， 4•†¸iº、 à
                                ［５］                            Ｚｈａｎｇ :  ［１４］ ¦nÇdäòdeJðñ{AB4，
            ·Ñiºž7/iº             ”Yi{%&。’6|
                                                               £ç ＴＣＮˆ{–+¯deíê4{áÏÎfgÑ
            B， †¸iºÈ>ÃÜ.ïA， ñIðñß~b¦}
                                                               Â7， Àå/ډ'p´（ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ，Ａｔ
            ·ª³； à·ÑiºÈ¯•ìà4ðñ½Jï{
                                                               ｔｅｎｔｉｏｎ ） μŸ!ÏÎ@<4‹ÒÏÏ{?WÑ，
            µ2， ñI‚iºqí\eyòó{W•é； 7/
                                                               +t¯•„F{{«；Ｅｈｔｅｒａｍ:             ［１５］ Ǖ ＴＣＮi
            iºÈ¯–—¢9r、 ¢ìà{½Jðñ®«， ñI
                                                               º–+ÏÎÂ7， £çæ~Ø6ý³¶·（ｄｅｅｐｒｅ
            …LDÒÒ6•+,。¦p€0{89LD
                                                               ｓｉｄｕａｌｓｈｒｉｎｋａｇｅｎｅｔｗｏｒｋ，ＤＲＳＮ） óà–+Â7{Ÿ
                                                       ［６］
            4， ¤¡Ôp（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ） 、
                                                               ， XÓsÂ7ÀXʞíê4–+ÏÎÂ
                                        ［７］
            ðp±² （ｒａｎｄｏｍ ｆｏｒｅｓｔ，ＲＦ） žÒük~–a
                                                               7， ¿/ ＲＦ ÀǕ,{»¼€»¼iºqí， YØ
                                             ［８］
            （ｅｘｔｒｅｍｅｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇ，ＸＧＢｏｏｓｔ） :áÈðñ
                                                               ¯1JʞàP{Ã{Â~tíðñiº。ñ2†
            iºÃ•ƒa<89bñ}K+t¯)*{«。I
                                                               { ＴＣＮVWsڃ@<{¨ÔéÞst， Í1J¯
            4， z–_I¤¡Ôp（ｌｅａｓｔｓｑｕａｒｅｓｕｐｐｏｒｔｖｅｃｔｏｒ
                                                               Lœ{úûÎðñôÎ。cȒ6，ＢｉＴＣＮ（ｂｉｄｉｒｅｃ
            ｍａｃｈｉｎｅ，ＬＳＳＶＭ） u¦†ì¤¡Ôp（ＳＶＭ） {%
                                                               ｔｉｏｎａｌＴＣＮ） £ç¯œÔPX， st¶·È¯ÒÏ©
            &¬， eLz–_Iôï/í°2†{»¼=>ã                                                                      ［１６］
                                                               *ÎwLœžôÎÀçúû4{ÏÎéÞst                         。
            ¼gÑt†{…=>， ¦\¼¸¹LD{ÒÏ，                                  ［１７］
                                                               Ｚｈａｎｇ :   ®/w>ÃÞß{xfŸqiµ…
            <–鯹{í·ÑžýÕÐ~， I¦a<89
                                                               （ｃｏｍｐｌｅｔｅ ｅｎｓｅｍｂｌｅ ｅｍｐｉｒｉｃａｌｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ
                                             ［９］
            bñ}Ktd¯hi•。Ｃｈｅｎｇ :                 ^• ＬＳＳＶＭ
                                                               ｗｉｔｈａｄａｐｔｉｖｅｎｏｉｓｅ ，ＣＥＥＭＤＡＮ） ž Ÿ q – î ú Ú
            ªŽXY¯Xhkúd“¦ú{a<fgÑ(
                                                               （ｅｍｐｉｒｉｃａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ，ＥＷＴ） { » @， å /
            íiº， b•uiº‚“¦úÆLj{ðñÀ¸
                                                               ＢｉＴＣＮ×Â{ø̔¸žœÔÿ„p´–+Áµ
            ¹¯ðñ5Î， ôÎbñíê{Ä(¾´–—¯
                                                               {’s«Žúû， °úûÀçd ＢｉＬＳＴＭ4， ÖÈ
            #0é ê ž q 1；  ö 4 :       ［１０］ Ç • V ª µ µ ¶      %&XY¯}f‡ˆ•éß~{ðñiº；Ｃａｉ
            （ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ） /\a<úI              ［１８］
                                                               :    Ǖ ＢｉＴＣＮ*+¶·J{œÔ·ŠÂ7， £
            MNQš， ÊÓ¯iºÀçë~， Àb•B|»¼¹                          çÜ}wډ'p´（ｍｕｌｔｉｈｅａｄｓｅｌｆａｔｔｅｎｔｉｏｎ，ＭＨ
            （ｗｈａｌｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ，ＷＯＡ） ‡ˆ ＬＳＳＶＭ         ＳＡ ） XY%ƒ ＢｉＴＣＮ－ＭＨＳＡ{S‰¶·JGñ
            iº{z»&qíJ/， XY¯ ＰＣＡ－ＷＯＡ－ＬＳＳ                       iº， ˆ{LЯ ＢｉＴＣＮÇLD4ô1J‹Òš
            ＶＭ{a<úIðñiº。                                       @<™、 ‹Ò¬Šž‹Ò?WÑD~{=>。
                 nTÎ， µŸ¶·âãI#${Â7–+ží                             .¬lŒ，ＣＮＮ²³ƒILˆ{ª:Ö²Ç，
            êj/È'， ÓՃÜ#A}K。Á¤5:                      ［１１］   cÖ^µ©ª9ªÏ@st， ï ＴＣＮ–+ôÏÎ@
            ./b•ø̵ Ÿ ¶ · （ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔ             <Â7{È'‹®， ­ ＬＳＳＶＭ‚+,Ï@Žðñ
            ｗｏｒｋｓ ，ＣＮＮ） {Â7–+È'Ö\ôÐϳ´µŸ                       {ß~ˆ³。È， q[æ絶¯è,<ñ&œ
            ¶·（ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ） {Ï@ðñ»               Z¦{Ï@ÂÑ， b• ＢｉＴＣＮ¦Ï@ÿ„cœÔ–
            [， Yد%ƒ ＣＮＮ－ＬＳＴＭ{7¬è<½Jðñ                         +€r{»[， À£çډ'p´©ª¢sî{
   118   119   120   121   122   123   124   125   126   127   128