Page 125 - 2025年第56卷第2期

ｃｕｌｔｔｏａｃｈｉｅｖｅｉｎｔｅｌｌｉｇｅｎｔｗａｔｅｒｄｉｓｔｒｉｂｕｔｉｏｎｔａｓｋｓｉｎｃａｎａｌｓｙｓｔｅｍｓ．Ｔｈｅｒｅｆｏｒｅ，ａｓｅｔｏｆｍｅａｓｕｒｅｍｅｎｔ － ｃｏｎｔｒｏｌｇａｔｅｅ
ｑｕｉｐｍｅｎｔｔｈａｔｃａｎａｃｃｕｒａｔｅｌｙｍｅａｓｕｒｅｔｈｅｏｕｔｌｅｔｆｌｏｗｏｆｔｈｅｆｉｎａｌｃｈａｎｎｅｌｉｓｄｅｖｅｌｏｐｅｄ．Ｔｏａｃｈｉｅｖｅａｃｃｕｒａｔｅｍｏｎｉｔｏ
ｒｉｎｇｏｆｔｈｅｆｌｏｗｔｈｒｏｕｇｈｔｈｅｇａｔｅｓｔｒｕｃｔｕｒｅ ，ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｓｔｈｅｈｙｄｒａｕｌｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｍｅａｓｕｒｅｍｅｎｔ －
ｃｏｎｔｒｏｌｇａｔｅａｎｄｉｄｅｎｔｉｆｉｅｓｔｈｅｆｌｏｗｐａｔｔｅｒｎａｔｄｉｆｆｅｒｅｎｔｏｐｅｎｉｎｇｓ （ｅ）ｏｆｔｈｅｇａｔｅ．Ｔｈｅｎ，ｂａｓｅｄｏｎｔｈｅＢｕｃｋｉｎｇｈａｍ
ｔｈｅｏｒｅｍ ａｎｄｔｈｅｌｅａｓｔｓｑｕａｒｅｍｅｔｈｏｄ ，ｔｈｅｆｌｏｗｍｅａｓｕｒｅｍｅｎｔｍｏｄｅｌｏｆｔｈｅｇａｔｅｓｔｒｕｃｔｕｒｅｉｓｅｓｔａｂｌｉｓｈｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅ
ａｃｃｕｒａｃｙｏｆｔｈｅｍｏｄｅｌｉｓａｎａｌｙｚｅｄａｎｄｅｖａｌｕａｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｗｈｅｎｔｈｅｒｅｌａｔｉｖｅｏｐｅｎｉｎｇｏｆｔｈｅｍｅａｓｕｒｅ
ｍｅｎｔ － ｃｏｎｔｒｏｌｇａｔｅｉｓｒｅｌａｔｉｖｅｌｙｈｉｇｈ，ｔｈｅｆｌｏｗｔｈｒｏｕｇｈｔｈｅｇａｔｅｉｓｗｅｉｒｆｌｏｗ，ａｎｄｖｉｃｅｖｅｒｓａ，ｉｔｉｓｏｒｉｆｉｃｅｆｌｏｗ．Ｔｈｅ
ｃｒｉｔｉｃａｌｒｅｌａｔｉｖｅｏｐｅｎｉｎｇ（ｅ?Ｈ） ｃ ｏｆｔｈｅｃｒｉｔｉｃａｌｒｅｌａｔｉｖｅｏｐｅｎｉｎｇｏｆｔｈｅｔｗｏｆｌｏｗｐａｔｔｅｒｎｓｉｓ１．０３３．Ｔｈｅａｖｅｒａｇｅｒｅｌａｔｉｖｅ
ｅｒｒｏｒｏｆｔｈｅｄｉｓｃｈａｒｇｅｃａｌｃｕｌａｔｉｏｎｍｏｄｅｌｃｏｎｓｔｒｕｃｔｅｄｆｏｒｄｉｆｆｅｒｅｎｔｇａｔｅｏｐｅｎｉｎｇｓｉｓ４．７％，ｗｈｉｃｈｉｓ２６．３％ ｍｏｒｅａｃｃｕ
ｒａｔｅｔｈａｎｔｈｅｆｌｏｗｍｅａｓｕｒｅｍｅｎｔｅｑｕａｔｉｏｎｆｏｒｒｅｃｔａｎｇｕｌａｒｔｈｉｎ － ｐｌａｔｅｗｅｉｒｓ．Ｔｈｅｅｒｒｏｒｏｆｔｈｅｏｒｉｆｉｃｅｆｌｏｗｍｏｄｅｌｉｓｌｅｓｓ
ｔｈａｎ２．９％．Ｗｈｅｎｅ?Ｈ ｃ ＞０．１４，ｔｈｅｆｌｏｗｉｓｃｌａｓｓｉｆｉｅｄａｓａｌａｒｇｅｏｒｉｆｉｃｅｆｌｏｗｗｉｔｈａｄｉｓｃｈａｒｇｅｃｏｅｆｆｉｃｉｅｎｔｏｆ０．７，ｏｔｈ
ｅｒｗｉｓｅ，ｉｔｉｓａｓｍａｌｌｏｒｉｆｉｃｅｆｌｏｗｗｉｔｈａｄｉｓｃｈａｒｇｅｃｏｅｆｆｉｃｉｅｎｔｏｆ０．８４６．Ｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓｃａｎｐｒｏｖｉｄｅａｒｅｆｅｒｅｎｃｅ
ｆｏｒｔｈｅａｃｃｕｒａｃｙｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｉｎｔｅｌｌｉｇｅｎｔｇａｔｅｆｌｏｗｍｏｎｉｔｏｒｉｎｇｔｅｃｈｎｏｌｏｇｙｏｆｔｈｅｉｒｒｉｇａｔｉｏｎｃｈａｎｎｅｌ．
Ｋｅｙｗｏｒｄｓ：ｍｅａｓｕｒｅｍｅｎｔ － ｃｏｎｔｒｏｌｓｌｕｉｃｅｇａｔｅ；ｄｉｓｃｈａｒｇｅｃｏｅｆｆｉｃｉｅｎｔ；ｄｉｍｅｎｓｉｏｎａｌａｎａｌｙｓｉｓ；ｐｒｅｃｉｓｉｏｎｅｖａｌｕａｔｉｏｎ；
ｔｅｒｍｉｎａｌｉｒｒｉｇａｔｉｏｎｃｈａｎｎｅｌｆｌｏｗｍｅａｓｕｒｅｍｅｎｔ

（责任编辑：王 婧）

（上接第 ２５２页）
Ｒｅｓｅａｒｃｈｏｎｓｔｒｅａｍｆｌｏｗｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇ
ｅｎｓｅｍｂｌｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌ
１
２
１
ＨＵＡＮＧＪｉｎｇｈａｎ，ＷＡＮＧＺｈａｏｃａｉ，ＷＵＪｕｎｈａｏ，ＹＡＯＺｈｉｙｕａｎ １
（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎ，ＳｈａｎｇｈａｉＯｃｅａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１３０６，Ｃｈｉｎａ；
２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｓｔｕａｒｉｎｅＣｏａｓｔａｌＳｃｉｅｎｃｅ，ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２４１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｉｎｃｒｅａｓｉｎｇｏｃｃｕｒｒｅｎｃｅｏｆｅｘｔｒｅｍｅｗｅａｔｈｅｒｅｖｅｎｔｓａｎｄｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｓｔｒｅａｍｆｌｏｗｖａｒｉａ
ｔｉｏｎｓ ，ｉｔｉｓｃｈａｌｌｅｎｇｉｎｇｔｏｒｅａｌｉｚｅａｃｃｕｒａｔｅｓｔｒｅａｍｆｌｏｗｐｒｅｄｉｃｔｉｏｎ，ａｎｄｐｒｅｖｉｏｕｓｓｔｕｄｉｅｓａｒｅｍｏｓｔｌｙｂａｓｅｄｏｎｐｏｉｎｔ
ｐｒｅｄｉｃｔｉｏｎｏｆｄｅｔｅｒｍｉｎａｔｅｖａｌｕｅｓ，ｗｈｉｃｈｉｓｈａｒｄｔｏｔａｋｅｉｎｔｏａｃｃｏｕｎｔｔｈｅｅｆｆｅｃｔｏｆｕｎｃｅｒｔａｉｎｔｙａｎｄｌｅａｄｔｏｔｈｅｌａｃｋ
ｏｆｐｒａｃｔｉｃａｌａｐｐｌｉｃａｂｉｌｉｔｙｏｆｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ．Ｉｎｔｈｉｓｓｔｕｄｙ ，ａｄｅｅｐｌｅａｒｎｉｎｇｅｎｓｅｍｂｌｅｍｏｄｅｌｆｏｒｓｔｒｅａｍｆｌｏｗ
ｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｍｅｔｅｏｒｏｌｏｇｉｃａｌａｎｄｈｙｄｒｏｌｏｇｉｃａｌｖａｒｉａｂｌｅｓｉｓｄｅｖｅｌｏｐｅｄ．Ｔｈｅｍｏｄｅｌｆｉｒｓｔｆｉｌｔｅｒｓｏｕｔｔｈｅ
ｋｅｙｄｒｉｖｉｎｇｖａｒｉａｂｌｅｓａｆｆｅｃｔｉｎｇｓｔｒｅａｍｆｌｏｗｔｈｒｏｕｇｈｔｈｅＰｅａｒｓｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ （ＰＣＣ）．Ｔｈｅｎｔｈｅｒａｗｄａｔａ
ａｒｅｄｅｃｏｍｐｏｓｅｄｉｎｔｏｉｎｔｒｉｎｓｉｃｍｏｄｅｆｕｎｃｔｉｏｎｓ（ＩＭＦｓ）ｂｙｖａｒｉａｔｉｏｎａｌｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＶＭＤ）．Ｔｈｅｃｏｍｐｏ
ｎｅｎｔｓａｒｅ ｔｈｅｎ ｑｕａｄｒａｔｉｃａｌｌｙ ｄｅｃｏｍｐｏｓｅｄ ｕｓｉｎｇ ｃｏｍｐｌｅｍｅｎｔａｒｙ ｅｎｓｅｍｂｌｅ ｅｍｐｉｒｉｃａｌｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎ
（ＣＥＥＭＤ）ｔｏｃａｐｔｕｒｅｍｏｒｅｄｅｔａｉｌｓｏｆｔｈｅｄａｔａ．Ｔｈｅｐｏｉｎｔｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｓｔｒｅａｍｆｌｏｗａｒｅｏｂｔａｉｎｅｄｂｙａｇａｔｅｄ
ｒｅｃｕｒｒｅｎｔｕｎｉｔ （ＧＲＵ）ｉｎｃｏｒｐｏｒａｔｉｎｇａｎａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ （ＡＭ），ａｎｄａｎｉｍｐｒｏｖｅｄｓｐａｒｒｏｗｓｅａｒｃｈａｌｇｏｒｉｔｈｍ
（ＩＳＳＡ）ｉｓｕｓｅｄｔｏｏｐｔｉｍｉｚｅｈｙｐｅｒｐａｒａｍｅｔｅｒｓｓｕｃｈａｓｔｈｅｌｅａｒｎｉｎｇｒａｔｅｏｆｔｈｅＧＲＵａｎｄｔｈｅｎｕｍｂｅｒｏｆｈｉｄｄｅｎｌａｙｅｒ
ｄｉｍｅｎｓｉｏｎｓｔｏｅｎｈａｎｃｅｔｈｅｍｏｄｅｌｐｅｒｆｏｒｍａｎｃｅ．Ｆｉｎａｌｌｙ，ｎｏｎｐａｒａｍｅｔｒｉｃｋｅｒｎｅｌｄｅｎｓｉｔｙｅｓｔｉｍａｔｉｏｎ（ＮＫＤＥ）ｉｓｉｎ
ｔｒｏｄｕｃｅｄｆｏｒｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎ．ＴｈｅｃｏｍｂｉｎｅｄｍｏｄｅｌＶＭＤ － ＣＥＥＭＤ － ＩＳＳＡ － ＡＭ－ ＧＲＵ（ＶＣＩＡＧ）ｃｏｎｓｔｒｕｃｔｅｄｉｎ
ｔｈｉｓｓｔｕｄｙｐｅｒｆｏｒｍｓａｄｖａｎｃｅｍｕｌｔｉ － ｐｅｒｉｏｄｐｒｅｄｉｃｔｉｏｎｆｏｒｎｉｎｅｈｙｄｒｏｌｏｇｉｃａｌｓｔａｔｉｏｎｓｉｎｔｈｅＪｉａｌｉｎｇＲｉｖｅｒｂａｓｉｎ．Ｔｈｅ
ｒｅｓｕｌｔｓｏｆｔｈｅｓｔｕｄｙｓｈｏｗｅｄｔｈａｔｔｈｅｍｏｄｅｌｐｅｒｆｏｒｍｓｗｅｌｌｉｎｔｈｅｓｈｏｒｔｔｅｒｍ，ｗｉｔｈＮａｓｈｅｆｆｉｃｉｅｎｃｙｃｏｅｆｆｉｃｉｅｎｔｓ
（ＮＳＥ）ｃｌｏｓｅｔｏ１ｆｏｒｓｅｖｅｒａｌｓｔａｔｉｏｎｓ．Ｆｏｒｆｌｏｏｄｆｏｒｅｃａｓｔｉｎｇ，ｔｈｅｍｏｄｅｌ’ｓＮＳＥｆｏｒＤｏｎｇｊｉｎｔｕｏ，Ｗｕｓｈｅｎｇ，ａｎｄ
Ｊｉｎｘｉｓｔａｔｉｏｎｓａｒｅ０．７３，０．９２，ａｎｄ０．９２，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｅｆｆｅｃｔｓｏｆｔｈｅｉｎｐｕｔｖａｒｉａｂｌｅｓｏｎｒｕｎｏｆｆ
ａｒｅｑｕａｎｔｉｆｉｅｄｂｙｔｈｅＳｈａｐｌｅｙｖａｌｕｅｍｅｔｈｏｄ（Ｓｈａｐｌｅｙ）．ＴｈｅＶＣＩＡＧｍｏｄｅｌｐｒｏｐｏｓｅｄｉｎｔｈｉｓｓｔｕｄｙｎｏｔｏｎｌｙｐｅｒ
ｆｏｒｍｓｗｅｌｌｉｎｓｔｒｅａｍｆｌｏｗｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ，ｂｕｔａｌｓｏｈａｓｓｉｇｎｉｆｉｃａｎｔａｄｖａｎｔａｇｅｓｉｎｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎｏｆｕｎｃｅｒ
ｔａｉｎｔｙ ，ｗｈｉｃｈｃａｎｐｒｏｖｉｄｅｍａｎａｇｅｒｓｗｉｔｈｍｏｒｅａｃｃｕｒａｔｅａｎｄｒｅｌｉａｂｌｅｒｕｎｏｆｆｉｎｆｏｒｍａｔｉｏｎ，ａｎｄｔｈｕｓｂｅｔｔｅｒｓｕｐｐｏｒｔ
ｒｕｎｏｆｆｒｉｓｋａｓｓｅｓｓｍｅｎｔａｎｄｓｃｉｅｎｔｉｆｉｃｄｅｃｉｓｉｏｎ － ｍａｋｉｎｇｐｒｏｇｒａｍｓｉｎｐｒａｃｔｉｃｅ．
Ｋｅｙｗｏｒｄｓ：ｄｅｅｐｌｅａｒｎｉｎｇｅｎｓｅｍｂｌｅｍｏｄｅｌｓ；ｓｔｒｅａｍｆｌｏｗ ｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎ；ｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎ； ｉｍｐｒｏｖｅｄ
ｓｐａｒｒｏｗｓｅａｒｃｈａｌｇｏｒｉｔｈｍ；ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ

（责任编辑：韩 昆）

— ２ ６ ５ —