Page 59 - 2023年第54卷第7期
P. 59
１８６９ － １８７５．
［３４］ ＶＡＳＷＡＮＩＡ，ＳＨＡＺＥＥＲＮ，ＰＡＲＭＡＲＮ，ｅｔａｌ．Ａｔｔｅｎｔｉｏｎｉｓａｌｌｙｏｕｎｅｅｄ［Ｚ］．ａｒＸｉｖ，２０１７．
［３５］ ＨＵＡＮＧＨ，ＴＡＮＧＱ，ＬＩＵＺ．ＡｄａｐｔｉｖｅｃｏｒｒｅｃｔｉｏｎｆｏｒｅｃａｓｔｉｎｇａｐｐｒｏａｃｈｆｏｒｕｒｂａｎｔｒａｆｆｉｃｆｌｏｗｂａｓｅｄｏｎｆｕｚｚｙＣ －
ｍｅａｎｃｌｕｓｔｅｒｉｎｇａｎｄａｄｖａｎｃｅｄｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，２０１３，２０１３（１）：１ － ７．
［３６］ ＬＩＴ，ＱＩＡＮＺ，ＨＥＴ．Ｓｈｏｒｔ － Ｔｅｒｍ ｌｏａｄｆｏｒｅｃａｓｔｉｎｇｗｉｔｈｉｍｐｒｏｖｅｄＣＥＥＭＤＡＮ ａｎｄＧＷＯ － Ｂａｓｅｄｍｕｌｔｉｐｌｅｋｅｒｎｅｌ
ＥＬＭ［Ｊ］．Ｃｏｍｐｌｅｘｉｔｙ，２０２０．ｄｏｉ：１０．１１５５?２０２０?１２０９５４７．
ＧｒｏｕｔｉｎｇｆｌｏｗｈｙｂｒｉｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＣＥＥＭＤＡＮ － Ｔｒａｎｓｆｏｒｍｅｒ
ＬＩＫａｉ，ＲＥＮＢｉｎｇｙｕ，ＷＡＮＧＪｉａｊｕｎ，ＧＵＡＮＴａｏ，ＹＵＪｉａ
（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｇｒｏｕｔｉｎｇｆｌｏｗｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｇｒｏｕｔｉｎｇｐａｒａｍｅｔｅｒｓｏｆｈｙｄｒａｕｌｉｃｅｎｇｉｎｅｅｒｉｎｇ．Ｔｈｅａｂｎｏｒｍａｌ
ｃｏｎｓｔｒｕｃｔｉｏｎｃｏｎｄｉｔｉｏｎｃａｎｂｅｆｏｕｎｄｂｙｔｈｅｅｆｆｅｃｔｉｖｅｇｒｏｕｔｉｎｇｆｌｏｗｐｒｅｄｉｃｔｉｏｎｔｏｇｕａｒａｎｔｅｅｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｑｕａｌｉｔｙａｎｄ
ｓａｆｅｔｙ．Ｈｏｗｅｖｅｒ ，ｔｈｅｇｅｏｌｏｇｉｃａｌｃｏｎｄｉｔｉｏｎｉｓｃｏｍｐｌｅｘａｎｄｇｒｏｕｔｉｎｇｆｌｏｗｄａｔａｈａｓｔｈｅｆｅａｔｕｒｅｓｏｆｓｔｒｏｎｇｎｏｎｌｉｎｅａｒｉｔｙ
ａｎｄｖｏｌａｔｉｌｉｔｙ，ｔｈｅｒｅｆｏｒｅｔｈｅｐｒｅｄｉｃｔｉｏｎｐｒｅｃｉｓｉｏｎｉｓｕｎｓａｔｉｓｆｉｅｄ．Ｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓｏｆｔｈｅｅｘｉｓｔｉｎｇｇｒｏｕｔｉｎｇｆｌｏｗｐｒｅ
ｄｉｃｔｉｏｎａｒｅａｓｆｏｌｌｏｗｓ ：ｔｈｅｔｒａｄｉｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｉｓｉｎｓｕｆｆｉｃｉｅｎｔｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｒｅｓｕｌｔｉｎｇｉｎｕｎｓａｔｉｓ
ｆｉｅｄｐｒｅｄｉｃｔｉｏｎｐｒｅｃｉｓｉｏｎ ；ｔｈｅｔｒａｄｉｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｃａｌｃｕｌａｔｅｓｏｎｅｒｅｓｕｌｔｂｙｏｎｅｃａｌｃｕｌａｔｉｏｎ，ｍｕｌｔｉｐｌｅ
ｔｉｍｅｓｔｅｐｐｒｅｄｉｃｔｉｏｎｒｅｑｕｉｒｅｓｃｏｍｐｌｅｘｍｕｌｔｉｐｌｅｃａｌｃｕｌａｔｉｏｎｓ；ｔｈｅｐｒｅｄｉｃｔｉｏｎｔｉｍｅｏｆｏｎｅｐｏｉｎｔｉｓｓｈｏｒｔａｎｄｔｈｅｐｒｅｄｉｃ
ｔｉｏｎｒｅｓｕｌｔｃａｎｎｏｔｒｅｆｌｅｃｔｔｈｅｔｏｔａｌｔｒｅｎｄｏｆｇｒｏｕｔｉｎｇｆｌｏｗｓｅｑｕｅｎｃｅ ，ｔｈｅｒｅｆｏｒｅｉｔｉｓｎｏｔｂｅｎｅｆｉｃｉａｌｔｏｃｏｎｔｒｏｌｇｒｏｕｔｉｎｇ
ｆｌｏｗａｎｄｇｕａｒａｎｔｅｅｃｏｎｓｔｒｕｃｔｉｏｎｑｕａｌｉｔｙ．Ｆｏｒｔｈｏｓｅｐｒｏｂｌｅｍｓ ，ｔｈｉｓｒｅｓｅａｒｃｈｐｒｏｐｏｓｅｓｔｈｅｇｒｏｕｔｉｎｇｆｌｏｗｈｙｂｒｉｄｐｒｅｄｉｃ
ｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＣＥＥＭＤＡＮ － Ｔｒａｎｓｆｏｒｍｅｒ．Ｔｈｅｇｒｏｕｔｉｎｇｆｌｏｗｉｓｄｅｃｏｍｐｏｓｅｄｔｏｅｉｇｅｎｍｏｄｅｆｕｎｃｔｉｏｎａｎｄｒｅｓｉｄｕａｌ
ｓｉｇｎａｌｂａｓｅｄｏｎＣｏｍｐｌｅｔｅＥｎｓｅｍｂｌｅＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈＡｄａｐｔｉｖｅＮｏｉｓｅ（ＣＥＥＭＤＡＮ），ａｎｄｔｈｅ
ｐｒｏｂｌｅｍｓｏｆｓｔｒｏｎｇｎｏｎｌｉｎｅａｒｉｔｙａｎｄｖｏｌａｔｉｌｉｔｙａｒｅｓｅｔｔｌｅｄ．ＴｈｅｓｅｑｕｅｎｃｅｐｒｅｄｉｃｔｉｏｎｏｆＩｎｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎ （ＩＭＦ）
ｉｓｒｅａｌｉｚｅｄｕｓｉｎｇｍｕｌｔｉ － ｈｅａｄａｔｔｅｎｔｉｏｎＴｒａｎｓｆｏｒｍｅｒ，ａｎｄｔｈｅｔｏｔａｌｄｅｐｅｎｄｅｎｃｙｂｅｔｗｅｅｎｉｎｐｕｔｄａｔａａｎｄｏｕｔｐｕｔｄａｔａｉｓ
ｅｓｔａｂｌｉｓｈｅｄｕｓｉｎｇｍｕｌｔｉ － ｈｅａｄａｔｔｅｎｔｉｏｎｍｅｔｈｏｄ．Ｔｈｉｓｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅｉｎｅｘｔｒａｃｔｉｎｇｄｙｎａｍｉｃｔｅｍｐｏｒａｌｆｅａｔｕｒｅｓａｎｄ
ｉｍｐｒｏｖｉｎｇｔｈｅｅｘｔｒａｃｔｉｎｇｑｕａｌｉｔｙ．Ｆｉｎａｌｌｙ ，ｔｈｅｇｒｏｕｔｉｎｇｆｌｏｗｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗｉｔｈｍｕｌｔｉ － ｉｎｐｕｔａｎｄｍｕｌｔｉ － ｏｕｔｐｕｔｉｓ
ｅｓｔａｂｌｉｓｈｅｄｔｏｉｍｐｒｏｖｅｔｈｅｃａｌｃｕｌａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ ，ｐｒｏｖｉｄｉｎｇｔｈｅｒｅｆｅｒｅｎｃｅｆｏｒｇｒｏｕｔｉｎｇｆｌｏｗｃｏｎｔｒｏｌ．Ｔｈｅｐｒｏｐｏｓｅｄ
ＣＥＥＭＤＡＮ － Ｔｒａｎｓｆｏｒｍｅｒｍｏｄｅｌｈａｓｂｅｔｔｅｒｃａｌｃｕｌａｔｉｏｎａｃｃｕｒａｃｙａｎｄｅｆｆｉｃｉｅｎｃｙｉｎｇｒｏｕｔｉｎｇｆｌｏｗｐｒｅｄｉｃｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｇｒｏｕｔｉｎｇｆｌｏｗ ｐｒｅｄｉｃｔｉｏｎ； ｃｏｍｐｌｅｔｅｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈａｄａｐｔｉｖｅｎｏｉｓｅ；
Ｔｒａｎｓｆｏｒｍｅｒａｌｇｏｒｉｔｈｍ；ａｔｔｅｎｔｉｏｎａｌｇｏｒｉｔｈｍ；ｓｅｑｕｅｎｃｅｔｏｓｅｑｕｅｎｃｅ
（责任编辑：李福田）
— ８ １ ７ —
