Page 51 - 2023年第54卷第3期

［１８］ 刘媛媛，刘业森，郑敬伟，等．ＢＰ神经网络和数值模型相结合的城市内涝预测方法研究［Ｊ］．水利学报，
２０２２，５３（３）：２８４ － ２９５．
［１９］ 刘鲭洁，陈桂明，刘小方，等．ＢＰ神经网络权重和阈值初始化方法研究［Ｊ］．西南师范大学学报（自然科
学版），２０１０，３５（６）：１３７ － １４１．
［２０］ 张忠波，何晓燕，耿思敏，等．改进的粒子群算法在水库优化调度中应用［Ｊ］．中国水利水电科学研究院
学报，２０１７，１５（５）：３３８ － ３４５．
［２１］ 陈博文，邹海．总结性自适应变异的粒子群算法［Ｊ］．计算机工程与应用，２０２２，５８（８）：６７ － ７５．
［２２］ 仝秋娟，赵岂，李萌．基于自适应动态改变的粒子群优化算法［Ｊ］．微电子学与计算机，２０１９，３６（２）：６ －
１０，１５．
［２３］ 黄璇，郭立红，李姜，等．改进粒子群优化 ＢＰ神经网络的目标威胁估计 ［Ｊ］．吉林大学学 报 （工 学 版），
２０１７，４７（３）：９９６ － １００２．
［２４］ 韩信，张宝忠，魏征，等．考虑气象因子不确定性的参考作物蒸散量预报方法［Ｊ］．中国水利水电科学研
究院学报，２０２１，１９（１）：３３ － ４４．
［２５］ 王维博，林川，郑永康．粒子群算法中参数的实验与分析 ［Ｊ］．西华大学学报 （自 然 科 学 版），２００８（１）：
７６ － ８０，１０５ － １０６．
［２６］ 龙远，邓小龙，杨希祥，等．基于 ＰＳＯ － ＢＰ神经网络的平流层风场短期快速预测［Ｊ］．北京航空航天大学
学报，２０２２，４８（１０）：１９７０ － １９７８．
［２７］ 高昶霖，宋燕利，左洪洲，等．基于动态权重的自适应 ＰＳＯ － ＢＰ神经网络焊接缺陷成因诊断［Ｊ］．焊接学
报，２０２２，４３（１）：９８ － １０６．
［２８］ ＣＯＵＲＴＩＣＥＧ，ＢＡＵＥＲＢ，ＣＡＨＩＬＬＣ，ｅｔａｌ．Ａｃａｔｅｇｏｒｉｃａｌａｓｓｅｓｓｍｅｎｔｏｆｄｏｓｅ － ｒｅｓｐｏｎｓｅｄｙｎａｍｉｃｓｆｏｒｍａｎａｇｉｎｇ
ｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｅｆｆｅｃｔｓｏｎｓａｌｍｏｎｉｄｓ［Ｊ］．ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔ，２０２０（８０７）：１５０８４４．
［２９］ ＸＵＦ，ＢＡＯＬＩＧＡＯＢ，ＣＨＥＮＸ，ｅｔａｌ．Ｓｈｏｒｔｉｎｆｏｒｍａｔｉｖｅｔｉｔｌｅ：Ｑｕａｎｔｉｔａｔｉｖｅａｓｓｅｓｓｍｅｎｔｏｆａｃｕｔｅｉｍｐａｃｔｓｏｆｓｕｓ
ｐｅｎｄｅｄｓｅｄｉｍｅｎｔｏｎｃａｒｐｉｎｔｈｅＹｅｌｌｏｗＲｉｖｅｒ［Ｊ］．ＲｉｖｅｒＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１８，３４：１２９８ － １３０３．
［３０］ ＴＲＩＴＴＨＡＲＴＭ，ＨＡＩＭＡＮＮＭ，ＨＡＢＥＲＳＡＣＫＨ，ｅｔａｌ．Ｓｐａｔｉｏ － ｔｅｍｐｏｒａｌｖａｒｉａｂｉｌｉｔｙｏｆｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｓｉｎｒｉｖｅｒｓ
ａｎｄｅｃｏｌｏｇｉｃａｌｉｍｐｌｉｃａｔｉｏｎｓｏｆｒｅｓｅｒｖｏｉｒｆｌｕｓｈｉｎｇｏｐｅｒａｔｉｏｎｓ［Ｊ］．ＲｉｖｅｒＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１９，３５：９１８ － ９３１．

Ａｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｆｏｒｔｈｅｉｍｐａｃｔｏｆｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗｏｎｆｉｓｈｅｓｂａｓｅｄ
ｏｎｔｈｅＩＰＳＯ－ ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ

１
１
１
１
２
１
ＬＩＸｉａｏｃｈｅｎ，Ｂａｉｙｉｎｂａｏｌｉｇａｏ，ＬＩＸｉａｎｇｄｏｎｇ，ＸＵＦｅｎｇｒａｎ，ＭＵＸｉａｎｇｐｅｎｇ，ＤＯＮＧＺｈｉｑｉａｎｇ
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｉｍｕｌａｔｉｏｎａｎｄＲｅｇｕｌａｔｉｏｎｏｆＷａｔｅｒＣｙｃｌｅｉｎＲｉｖｅｒＢａｓｉｎ，
ＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＲｅｓｅａｒｃｈ，Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ；
２．ＱｉｎｇｈａｉＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏ － ｅｌｅｃｔｒｉｃｐｏｗｅｒＤｅｓｉｇｎＣｏ．，Ｌｔｄ，Ｘｉｎｉｎｇ ８１０００１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗｐｒｏｃｅｓｓｍａｙｃａｕｓｅｎｅｇａｔｉｖｅｉｍｐａｃｔｓｏｎｆｉｓｈｅｓａｎｄｏｔｈｅｒａｑｕａｔｉｃａｎｉｍａｌｓ
ｄｕｒｉｎｇｒｅｓｅｒｖｏｉｒｓｅｄｉｍｅｎｔｆｌｕｓｈｉｎｇ．Ｎｅｖｅｒｔｈｅｌｅｓｓ ，ｔｈｅｒｅｉｓａｌａｃｋｏｆｓｔｕｄｉｅｓｏｎｃｏｒｒｅｓｐｏｎｄｉｎｇｑｕａｎｔｉｔａｔｉｖｅａｓｓｅｓｓｍｅｎｔ
ｍｅｔｈｏｄｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆｉｍｐａｃｔｏｆｔｈｅｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗ．Ｉｎｏｒｄｅｒｔｏｐｒｅｄｉｃｔａｎｄｅｖａｌｕａｔｅｔｈｅｉｍｐａｃｔｏｆｒｅｓ
ｅｒｖｏｉｒｓｅｄｉｍｅｎｔｄｉｓｃｈａｒｇｅｐｒｏｃｅｓｓｅｓｏｎｄｏｗｎｓｔｒｅａｍ ｆｉｓｈ ， ｔｈｉｓｐａｐｅｒｕｓｅｓｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｆｒｏｍ ｔｈｅｓｔｕｄｙｏｆ
ｓｕｒｖｉｖａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＹｅｌｌｏｗＲｉｖｅｒ ＧｙｍｎｏｃｙｐｒｉｓＥｃｋｌｏｎｉａｎｄＣｙｐｒｉｎｕｓＣａｒｐｉｏｉｎｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗａｎｄ
ｅｓｔａｂｌｉｓｈｅｄａｎＩＰＳＯ － ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ － ｂａｓｅｄｍｅｔｈｏｄｆｏｒｐｒｅｄｉｃｔｉｎｇｔｈｅｉｍｐａｃｔｏｎｆｉｓｈｍｏｒｔａｌｉｔｙ ，ａｎｄｔａｋｅｓｉｎｔｏ
ａｃｃｏｕｎｔｔｈｅｅｆｆｅｃｔｓｏｆｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｃｏｎｃｅｎｔｒａｔｉｏｎ，ｍｅｄｉａｎｐａｒｔｉｃｌｅｓｉｚｅ，ｄｉｓｓｏｌｖｅｄｏｘｙｇｅｎ，ｅｘｐｏｓｕｒｅｔｉｍｅ，
ｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅ，ａｎｄｏｔｈｅｒｆａｃｔｏｒｓｏｎｆｉｓｈｓｕｒｖｉｖａｌ．Ｔｈｅｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｏｆｔｈｅｔａｒｇｅｔｆｉｓｈｍｏｒｔａｌｉｔｙｉｓｌｅｓｓｔｈａｎ
６％．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅＩＰＳＯａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｉｓｃｌｏｓｅｌｙｃｏｕｐｌｅｄｗｉｔｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｉｎｔｒｏｄｕｃｅｓｄｙｎａｍｉｃ
ｐａｒａｍｅｔｅｒｓａｎｄｖａｒｉａｔｉｏｎａｌｐｅｒｔｕｒｂａｔｉｏｎｓ ，ｈａｓｂｅｔｔｅｒｐｒｅｄｉｃｔｉｏｎａｂｉｌｉｔｙｔｈａｎＢＰａｎｄＰＳＯ － ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ａｎｄ
ｉｔｓａｃｃｕｒａｃｙｉｓｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄｗｈｅｎｃｏｍｐａｒｅｄｔｏｅｘｉｓｔｉｎｇＳｔｒｅｓｓＩｎｄｅｘ（ＳＩ），ＳｅｖｅｒｉｔｙｏｆＩｌｌＥｆｆｅｃｔ（ＳＥＶ），
ａｎｄｍｕｌｔｉｖａｒｉａｔｅｆｉｔｔｉｎｇｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｓａｔｈｏｍｅａｎｄａｂｒｏａｄ．Ｔｈｅａｎａｌｙｓｉｓｄｅｍｏｎｓｔｒａｔｅｓｔｈａｔｔｈｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈ
ｏｄｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒｃａｎａｃｃｏｕｎｔｆｏｒｔｈｅｓｉｔｕａｔｉｏｎｉｎｗｈｉｃｈｆｉｓｈｍｏｒｔａｌｉｔｙｉｎｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗｉｓｇｏｖ
ｅｒｎｅｄｂｙａｃｏｍｂｉｎａｔｉｏｎｏｆｍｕｌｔｉｐｌｅｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓｗｉｔｈｃｏｍｐｌｅｘｃｏｒｒｅｌａｔｉｏｎｓａｍｏｎｇｍｕｌｔｉｐｌｅｆａｃｔｏｒｓ．Ｔｈｉｓｐａ
ｐｅｒｐｒｏｖｉｄｅｓａｎｅｗｍｅｔｈｏｄｆｏｒａｓｓｅｓｓｉｎｇｔｈｅｉｍｐａｃｔｏｆｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗｏｎｆｉｓｈｅｓ．
Ｋｅｙｗｏｒｄｓ：ＩＰＳＯ － ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｈｙｐｅｒ － ｃｏｎｃｅｎｔｒａｔｅｄｆｌｏｗ；ｆｉｓｈ；ｍｏｒｔａｌｉｔｙ；ｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄ

（责任编辑：韩 昆）

— ３ ０ １ —