Page 212 - 《水资源与水工程学报》2025年第2期

０
２ ８ & ' ( ) & * + , - ２０２５ $
ｖｉｄｕａｌｍｏｄｅｌｔｏｅｎｓｕｒｅｔｈｅｍｏｄｅｌ’ｓｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙａｎｄａｃｃｕｒａｃｙ．Ｆｉｎａｌｌｙ，ｔｈｅｆｉｎａｌｐｒｅｄｉｃｔｉｏｎｒｅ
ｓｕｌｔｗａｓｏｂｔａｉｎｅｄｂｙｐｅｒｆｏｒｍｉｎｇａｗｅｉｇｈｔｅｄａｖｅｒａｇｅｏｆｔｈｅｏｕｔｐｕｔｓｆｒｏｍｅａｃｈｉｎｄｉｖｉｄｕａｌｍｏｄｅｌ．Ｔｈｅｒｅｓｕｌｔｓ
２
ｓｈｏｗｔｈａｔｔｈｅＭＬＳＴＭ ｍｏｄｅｌｉｍｐｒｏｖｅｄｔｈｅｃｏｅｆｆｉｃｉｅｎｔｏｆｄｅｔｅｒｍｉｎａｔｉｏｎ （Ｒ）ｏｆｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅａｔ１，
１２，２４，ａｎｄ４８ｈｔｏ０．９５１，０．９３２，０．８７０，ａｎｄ０．８１５，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｄａｔａｓｅｔｏｆｓｏｉｌ
ｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔａｖｅｒａｇｅｓｆｒｏｍ ｆｏｕｒｓｏｉｌｌａｙｅｒｓ．ＴｈｅＭＬＳＴＭ ｍｏｄｅｌｅｆｆｅｃｔｉｖｅｌｙｅｎｈａｎｃｅｄｔｈｅｍｅｄｉｕｍ
ａｎｄｌｏｎｇｔｅｒｍｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｓｏｉｌｍｏｉｓｔｕｒｅｆｏｒｊｕｊｕｂｅｔｒｅｅｓ，ｗｉｔｈｐａｒｔｉｃｕｌａｒｌｙｓｉｇｎｉｆｉｃａｎｔｉｍｐｒｏｖｅ
ｍｅｎｔｓｉｎｐｒｅｄｉｃｔｉｏｎｓａｔ２４ａｎｄ４８ｈ．Ｔｈｅｓｅｆｉｎｄｉｎｇｓｃａｎｐｒｏｖｉｄｅａｓｔｒｏｎｇｓｕｐｐｏｒｔｆｏｒｔｈｅｐｒｅｃｉｓｅｉｒｒｉｇａｔｉｏｎ
ｍａｎａｇｅｍｅｎｔｏｆｊｕｊｕｂｅｔｒｅｅｓ ，ｔｈｕｓｉｍｐｒｏｖｉｎｇｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙａｎｄａｖｏｉｄｉｎｇｕｎｎｅｃｅｓｓａｒｙｗａｔｅｒｗａｓｔｅ．
Ｋｅｙｗｏｒｄｓ：ｐｒｅｄｉｃｔｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅ；ｍｕｌｔｉｈｅａｄｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ（ＭＬＳＴＭ）；ｓｐａｒｒｏｗｓｅａｒｃｈ
ａｌｇｏｒｉｔｈｍ（ＳＳＡ）；ｋｆｏｌｄｃｒｏｓｓｖａｌｉｄａｔｉｏｎ；ｓｏｕｔｈｅｒｎＸｉｎｊｉａｎｇｄｒｉｐｉｒｒｉｇａｔｉｏｎｊｕｊｕｂｅ
’í%， (í%”ȸ １ｄ ‘’o~(I.， º’Ú
１ ./01
２
܈}d‘;T‘’Þg （Ｒ ＞０．９４）， 3o»
VW4]（ 4W） JGvnÄÑûl£NÆÇ， Nªõ˜‘’ÒÓ。Ｆｉｌｉｐｏｖｉ Q ［１８］ YXJX<Æ
u$%TÝ{`an。(vnÏÐp@、 ÆÇ|m、 Ñ、 ÔI.Óê{ìUæQ©©Ž ＬＳＴＭí%， Ý
ÔIÈG、 ÙÑìl， °±,>pPLBJ;cT Îd’‘o~O6(Iîȸ ３ｄ T‘’， 3o¿
þn×1。pP （ＺｉｚｉｐｈｕｓｊｕｊｕｂａＭｉｌｌ．） Uæ(vn ž‰}oTo~O6(Iî。ＥｌＳａａｄａｎｉ Q ［１９］ È
—˜HI%Q;jy[Tb?¬­UCöN， ´z ÉTÁ  ê 6 I ¬ ¬ è （ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔ
.JŠ.¾úúâe·vF˜T;>Jn&¬­— ｗｏｒｋ，ＣＮＮ） J ＬＳＴＭT ＣｏｎｖｏＬＳＴＭí%º‘’ １ｄ
２
˜ ［１］ 。45ÔIÈGÉӗœÊ， (vnTFG^ To~mg„P„ê’É; （Ｒ ＝０．９）， 3‰,
Uo~I†>?Ÿu7#L[。vêBÃTI† 5F[Ó&。Ò!GQ ［２０］ Ÿ 9N ＬＳＴＭí%
>?Uþ=â ºTo， ™{o~I†¡5UC ¡ ６、１２、２４、４８ｈ To~O6(I‘Bª
２
T;c—qöúb? ［２］ 。o~I†(.´«¦ ‘’， ’Ú܈T Ｒ †xæ ０．９６８、０．９４３、０．８８８、
„P+ÆO™œ（ bÔI、 ÆÑJ6МgQ）、 o ０．７６９， %Y‘ ＬＳＴＭí%°±;½TBª‘’Ï
~QN、 v§、 vêæçQBL™œTš› ［３４］ ， ™ è， 3´wPNodep†eŽ。
š， Á·vþn•–×1， ·Û‘’P¿=âo ۈ e， +,†lٍgZAí%”©¯
o~Q˜¡5ȝP¿z.°±b?²³。 ·Ûvµ¶o~Q˜Ì>!T„÷ŸuúâJƒÃ
·¸>Ö()êZ， óÎZAJ6Î(T„ NQ©， 3\]‘’ÒÓ_l， o~Q˜‘’ÞgX
÷ƒˆÌ>， ÀŸ Ì>ß«í%»¼o~I†‘ Y!Ô， É9N‘’í%ºwPÏèRSm¹ºN
’u”¼T ［５６］ 。KNRÁ® ‘STUÖ¼Tï ʼn@。摥àˆeŒ， –—ÈÉ １ ûBXc
ìZAk×Uï½Ì>Q©À‘’oUij ［７］ ， ' ñëRI¬¬è（ｍｕｌｔｉｈｅａｄｌｏｎｇｓｈｏｒｔｔｅｒｎｍｅｍｏ
±BLïìZAdÁà 5šÓ&， Ú«é•Ý. ｒｙ ，ＭＬＳＴＭ） í%， åº}„‘’oU １、１２、２４、４８
［８］ ［９］ ［１０］
ï 、 \ï¡j 、 ßÎ$‘Y 、 BCþ,V‘ ｈ To~Q˜˜™。(í%4 ４ û ＬＳＴＭí%MÝ，
Yg× ［１１］ 、 ŽÂ Ｂｏｒｕｔａ \ï¡j ［１２］ 、 tXÕkè‘ éûí%†xY‰}„÷BgT„÷ƒˆÌ>Uæ
Y ［１３］ Q。n{， ZkïìZAí%º †cÃT„ ©Ž， ÀóΡKPí%©ÉÁy»¼›6 †， ý
÷ƒˆÌ>„¹ºZXT•ÅN， óôKÁþ«µ dX×To~Q˜‘’Áy。(í%”XYȝ4
¶„÷ŸuúâJƒÃNQ©， <Ms?»¼l. WpPo~Q˜T!cђÞg， ”æP¿TÞ
^«Ì>‘ †JQ©È}#U， ÉwPÏè;y， PL[,†Èç±èé•。
­©,V‰}•–|Ì>ÜT„P ［１４１５］ 。æïð
２ áâjk)QR
KPŒ， ()7ºÙŽ‘Bî†ì（ｍｕｌｔｉｌａｙｅｒ
ｐｅｒｃｅｐｔｒｏｎ，ＭＬＰ）、 ¸Û7#I¬¬è（ａｒｔｉｆｉｃｉａｌｎｅｕ ２．１ ÛTs\]
［１６］
ｒａｌｎｅｔｗｏｒｋ，ＡＮＮ） 、 {•I¬¬è（ｒｅｃｕｒｒｅｎｔｎｅｕ Úe5 ２０２１T ４t ２０Ï—１０t ３１Ï、２０２２
［１７］
ｒａｌｎｅｔｗｏｒｋ ，ＲＮＮ） QgZAí%。¶b，Ａｄｅ T ４ t ２０Ï—１０t ３１ϺVW;zÙÚST0
ｙｅｍｉ Q ［１７］ µ—‘NL=5cñëRI¬¬è WØ= ２２４T ５P X n （ H ¬ ７９°１６′４４″， _ p
（ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ） T«¦o~mg‘ ３７°１３′０１″） »¼， ÜÚenºŽû4Wvn!°