Page 44 - 《水资源与水工程学报》2025年第1期
P. 44

!３６ "!１ #                         & ' ( ) & * + , -                               Ｖｏｌ．３６Ｎｏ．１
               ２０２５ $ ２ %               ＪｏｕｒｎａｌｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ＆ＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇ                 Ｆｅｂ．，２０２５

            ＤＯＩ：１０．１１７０５／ｊ．ｉｓｓｎ．１６７２－６４３Ｘ．２０２５．０１．０５


                      's Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ fOW#äŒ4µ¦



                                                    ,GH， IJK
                                            （ E9a0 í00G， ¡Á FU ２１１１００）
                > ?： Ö³EJKAB@A， ^+´¯Z[š １９６１—２０１５ T{âÿ‚Jíê， eL£ç Ｃｒｏｓｓｆｏｒｍｅｒ iº， b
                •–F™Ú‰'p´， 'ڃÜëÏÎ@<íê， ¢Ý4©ª‹Òë~|Î{so。–#¯®/Ü^5úQÞ{
                Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ iº， ðñ³EJKÿ‚J， Æ}Éóàuiº‚+,Z[òó>Ã{È'。®«S¤：Ｒｅｇ－
                Ｃｒｏｓｓｆｏｒｍｅｒ iº’6¨ Ｃｒｏｓｓｆｏｒｍｅｒ iº， I’stí（Ｒ） ž² {Ñtí（ＮＳＥ） µT–é¯ ７．４６％ž ２１．６３％， 3
                €"Ð6（ＲＭＳＥ） ÊÓ¯ １５．２５％； ¦‹Òiº‚6Ãq4，Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ iº¦Á(³´ü†¬3»ƒ2†p
                €0iº（ＳＶＭ） \æ~0iº（ＬＳＴＭž Ｉｎｆｏｒｍｅｒ）， S0#¢»{ij{«ží·Ñ。Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ iº
                ìàðñ³EJK‚J–—¯}.,{€， ‚ôÎJKZ]^œ„\æ~0iº¦Z[ij}KՀr
                ‡ˆq1´î。
                1@A： ÿ‚JÏÎ@<ðñ； æ~0；Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ； ³EJK
                BC<DE：Ｐ３３３   FGHIJ：Ａ    FKLE：１６７２６４３Ｘ（２０２５）０１００４００７

                         ＤａｉｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎＲｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒｍｏｄｅｌ

                                              ＷＡＮＧＫｕｎｙｕ，ＬＩＵＸｉａｎｇｙａｎｇ
                                    （ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１１００，Ｃｈｉｎａ）
                Ａｂｓｔｒａｃｔ：ＴａｋｉｎｇｔｈｅＷｅｉｈｅＲｉｖｅｒＢａｓｉｎａｓｔｈｅｒｅｓｅａｒｃｈｂａｃｋｇｒｏｕｎｄ，ｔｈｅｄａｉｌｙｒｕｎｏｆｆｄａｔａｏｆＸｉａｎｙａｎｇ
                ｓｔａｔｉｏｎｆｒｏｍ１９６１ｔｏ２０１５ａｒｅｓｅｌｅｃｔｅｄａｓｔｈｅｄａｔａｉｎｐｕｔｆｏｒｔｈｅＣｒｏｓｓｆｏｒｍｅｒｍｏｄｅｌ．Ｆｏｃｕｓｉｎｇｏｎｔｈｅｍｕｌｔｉ
                ｄｉｍｅｎｓｉｏｎａｌｔｉｍｅｓｅｒｉｅｓｄａｔａ ，ｔｈｉｓｐａｐｅｒａｄｏｐｔｓｔｈｅｔｗｏｓｔａｇｅａｔｔｅｎｔｉｏｎ（ＴＳＡ）ｍｅｃｈａｎｉｓｍｔｏｂｅｔｔｅｒｃａｐｔｕｒｅ
                ｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔｄｉｍｅｎｓｉｏｎｓ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅＲｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒｍｏｄｅｌｉｎｃｏｒｐｏｒａｔｉｎｇ
                ｍｕｌｔｉｓｏｕｒｃｅｃｏｖａｒｉａｔｅｓｉｓｐｒｏｐｏｓｅｄｔｏｆｕｒｔｈｅｒｅｎｈａｎｃｅｔｈｅａｄａｐｔａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌｔｏｃｏｍｐｌｅｘｈｙｄｒｏｌｏｇｉｃａｌ
                ｃｏｎｄｉｔｉｏｎｓ．ＴｈｅｒｅｓｕｌｔｓｏｆｄａｉｌｙｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｉｎｔｈｅＷｅｉｈｅＲｉｖｅｒＢａｓｉｎｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｏ
                ｒｉｇｉｎａｌＣｒｏｓｓｆｏｒｍｅｒｍｏｄｅｌ ，ｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｉｍｐｒｏｖｅｓｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ（Ｒ）ａｎｄＮａｓｈｅｆｆｉｃｉｅｎ
                ｃｙｃｏｅｆｆｉｃｉｅｎｔ （ＮＳＥ）ｂｙ７．４６％ ａｎｄ２１．６３％ ｒｅｓｐｅｃｔｉｖｅｌｙ；ｒｅｄｕｃｅｓｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＲＭＳＥ）
                ｂｙ１５．２５％．Ｉｎｔｈｅｃｏｍｐａｒａｔｉｖｅｅｘｐｅｒｉｍｅｎｔｓｏｆｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ，Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒｏｕｔｐｅｒｆｏｒｍｓｔｈｅｃｏｎ
                ｖｅｎｔｉｏｎａｌｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌ （ＳＶＭ）ａｎｄｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌｓ（ＬＳＴＭａｎｄＩｎｆｏｒｍｅｒ）ａｃｒｏｓｓｖａｒｉｏｕｓ
                ｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ，ｄｅｍｏｎｓｔｒａｔｉｎｇｓｕｐｅｒｉｏｒｓｉｍｕｌａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅａｎｄｓｔａｂｉｌｉｔｙ．Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ
                ｍｏｄｅｌｏｆｆｅｒｓａｎｅｗａｐｐｒｏａｃｈｆｏｒｔｈｅａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｆｒｕｎｏｆｆｉｎｔｈｅＷｅｉｈｅＲｉｖｅｒＢａｓｉｎ，ａｎｄｐｒｏｖｉｄｅｓ
                ｖａｌｕａｂｌｅｉｎｓｉｇｈｔｓｉｎｔｏｆｕｔｕｒｅａｐｐｌｉｃａｔｉｏｎｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔａｎｄｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌｓｉｎｈｙｄｒｏ
                ｌｏｇｉｃａｌｓｉｍｕｌａｔｉｏｎ．
                Ｋｅｙｗｏｒｄｓ：ｄａｉｌｙｒｕｎｏｆｆｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎ；ｄｅｅｐｌｅａｒｎｉｎｇ；Ｒｅｇ－Ｃｒｏｓｓｆｏｒｍｅｒ；ｔｈｅＷｅｉｈｅＲｉｖｅｒＢａｓｉｎ
                                                               m‡ˆ?W‰Š        ［１］ 。xï， ðñøùú¼、 ›œ¼
            １ ./01
                                                               ÆDžNv$%{‹-89， JKt†út$Î$
                 JKZ[ðñ”Z]^œ„{sîJª:                           +,， IZ[LDšrµñÏ1fgÑ、 Ü^úûå
            µ， ‚ƒp0Z]^›¡¢b•、 þœ„žSl                          /:c>{;6       ［２４］ 。Z[ðñ}K{;6VW/

                !"#$：２０２４０３０５； %&#$：２０２４０８１８
                '()*： !"wx#0%»?@(3（４１８３０１１０）
                +,-.： )²g（１９９９—）， Æ， ¡ÁFUN， ÈPABS， VWXYÏÎ@<ðñ€Ô{AB
                qr+,： 5Ô¯（１９７６—）， K， Ç~8ûN， OP， QR， ÈTSTU， VWXYí굶、 p€0、 áȸ¹:€r
                        {AB。
   39   40   41   42   43   44   45   46   47   48   49