Page 116 - 2025年第56卷第6期

Ｅｘｐｌａｉｎａｂｌｅｇａｔｅｄｒｅｃｕｒｒｅｎｔｕｎｉｔｎｅｔｗｏｒｋｍｏｄｅｌｆｏｒｇｒｏｕｔｉｎｇｐｏｗｅｒｔｅｍｐｏｒａｌｐｒｅｄｉｃｔｉｏｎ

１
１
２
１
３
３
ＷＡＮＧＸｉａｏｌｉｎｇ，ＸＵＡＮＸｉｎｑｉ，ＹＵＨｏｎｇｌｉｎｇ，ＬＩＺｈｉ，ＺＨＡＮＧＴｉａｎｈｏｎｇ，ＮＩＬｅｉ
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ ３０００７２，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ；
３．ＨｕａｎｅｎｇＬａｎｃａｎｇＲｉｖｅｒＨｙｄｒｏｐｏｗｅｒＩｎｃ．，Ｋｕｎｍｉｎｇ ６５０２１４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｇｒｏｕｔｉｎｇｐｏｗｅｒｉｓａｋｅｙｉｎｄｅｘｆｏｒｔｈｅｃｏｎｔｒｏｌｏｆｇｒｏｕｔｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｃｅｓｓ，ａｎｄａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｆ
ｇｒｏｕｔｉｎｇｐｏｗｅｒｈｅｌｐｓｔｏｏｐｔｉｍｉｚｅｔｈｅｇｒｏｕｔｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎｓｔｒａｔｅｇｙ．Ｕｎｄｅｒｔｈｅｃｏｕｐｌｅｄｉｎｆｌｕｅｎｃｅｏｆｇｅｏｌｏｇｉｃａｌｃｏｎｄｉ
ｔｉｏｎｓ ，ｃｏｎｓｔｒｕｃｔｉｏｎａｒｒａｎｇｅｍｅｎｔａｎｄｏｔｈｅｒｆａｃｔｏｒｓ，ｔｈｅｇｒｏｕｔｉｎｇｐｏｗｅｒｄａｔａｐｒｅｓｅｎｔｓｃｏｍｐｌｅｘｎｏｎｌｉｎｅａｒｔｅｍｐｏｒａｌｓｅ
ｒｉｅｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｈｏｗｅｖｅｒ，ｍｏｓｔｏｆｔｈｅｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈｅｓｉｎｇｒｏｕｔｉｎｇｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎａｐｐｌｙｃｏｎｖｅｎｔｉｏｎａｌｍａ
ｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌｓ，ｗｈｏｓｅｓｈａｌｌｏｗｓｔｒｕｃｔｕｒｅｍａｋｅｓｉｔｄｉｆｆｉｃｕｌｔｔｏｅｆｆｅｃｔｉｖｅｌｙｅｘｔｒａｃｔｔｈｅｃｏｍｐｌｅｘｔｅｍｐｏｒａｌｆｅａｔｕｒｅｓ
ｏｆｇｒｏｕｔｉｎｇｐｏｗｅｒ，ｒｅｓｕｌｔｉｎｇｉｎｌｏｗｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ．Ｂｅｓｉｄｅｓ，ｔｈｅｄｅｃｉｓｉｏｎ － ｍａｋｉｎｇｍｅｃｈａｎｉｓｍ ｉｎｔｈｅｅｘｉｓｔｉｎｇ
ｍｏｄｅｌｓｉｓｎｏｔｔｒａｎｓｐａｒｅｎｔ ，ｌｅａｄｉｎｇｔｏｐｏｏｒｍｏｄｅｌｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅａｂｏｖｅｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏ
ｐｏｓｅｓａｎＥｘｐｌａｉｎａｂｌｅＧａｔｅｄＲｅｃｕｒｒｅｎｔＵｎｉｔＮｅｕｒａｌＮｅｔｗｏｒｋ（ＥＧＲＮ）ｆｏｒｇｒｏｕｔｉｎｇｐｏｗｅｒｔｅｍｐｏｒａｌｐｒｅｄｉｃｔｉｏｎ．Ｆｉｒｓｔ，
ａＣｏｍｐｌｅｔｅＥｎｓｅｍｂｌｅＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈＡｄａｐｔｉｖｅＮｏｉｓｅｍｅｔｈｏｄｉｓａｐｐｌｉｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｇｒｏｕ
ｔｉｎｇｐｏｗｅｒｔｅｍｐｏｒａｌｄａｔａｉｎｔｏｄｉｆｆｅｒｅｎｔＩｎｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎｓ．Ｉｎｏｒｄｅｒｔｏｅｆｆｅｃｔｉｖｅｌｙｅｘｔｒａｃｔｔｈｅｍｕｌｔｉ － ｄｉｍｅｎｓｉｏｎ
ａｌｆｒｅｑｕｅｎｃｙｆｅａｔｕｒｅｓｏｆｔｈｅｇｒｏｕｔｉｎｇｐｏｗｅｒｔｉｍｅｓｅｒｉｅｓｄａｔａ ，ａｍｕｌｔｉ － ｈｅａｄｓｅｌｆ － ａｔｔｅｎｔｉｏｎ（ＭＨＡ）ｍｅｃｈａｎｉｓｍｉｓｅｍ
ｂｅｄｄｅｄａｔｔｈｅｉｎｐｕｔｓｉｄｅｏｆｔｈｅＧａｔｅｄＲｅｃｕｒｒｅｎｔＵｎｉｔ（ＧＲＵ）．Ｂｅｓｉｄｅｓ，ｔｈｅｔｅｍｐｏｒａｌｐａｔｔｅｒｎａｔｔｅｎｔｉｏｎ（ＴＰＡ）
ｍｅｃｈａｎｉｓｍｉｓｉｎｔｒｏｄｕｃｅｄｔｏｃａｐｔｕｒｅｔｈｅｌｏｎｇ － ｔｅｒｍｔｅｍｐｏｒａｌｄｅｐｅｎｄｅｎｃｅｏｆｔｈｅｇｒｏｕｔｉｎｇｐｏｗｅｒｄａｔａａｎｄｉｍｐｒｏｖｅｔｈｅ
ｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｍｏｄｅｌ．Ｆｕｒｔｈｅｒ，ｃｏｍｂｉｎｉｎｇｔｈｅｗｅｉｇｈｔａｓｓｉｇｎｍｅｎｔｏｆＭＨＡａｎｄｔｈｅｆｉｌｔｅｒａｎａｌｙｓｉｓｒｅｓｕｌｔｓｏｆ
ＴＰＡ ，ｔｈｅｋｅｙｆｒｅｑｕｅｎｃｙａｎｄｔｅｍｐｏｒａｌｄｅｐｅｎｄｅｎｃｅｆｅａｔｕｒｅｓｉｎｔｈｉｓｍｏｄｅｌａｒｅｍｉｎｅｄｔｏｅｎｈａｎｃｅｉｔｓｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙ．
Ｔｈｅａｎａｌｙｓｉｓｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｈａｓｈｉｇｈｅｒｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｔｏｏｔｈｅｒｃｏｍｐａｒａｔｉｖｅｍｏｄ
ｅｌｓ．Ｓｐｅｃｉｆｉｃａｌｌｙ ，ｉｔｓＭＡＥ，ＲＭＳＥ，ａｎｄＭＡＰＥａｒｅｒｅｄｕｃｅｄｂｙ２４．７８％，２７．２９％，ａｎｄ２４．９９％ ｏｎａｖｅｒａｇｅ，ａｎｄ
ｔｈｅｃｏｅｆｆｉｃｉｅｎｔｏｆｄｅｔｅｒｍｉｎａｔｉｏｎ（Ｒ２）ｉｓｉｍｐｒｏｖｅｄｂｙ７．７４％ ｏｎａｖｅｒａｇｅ．Ｉｔｄｅｍｏｎｓｔｒａｔｅｓｔｈａｔｃｏｍｐａｒｅｄｔｏｔｒａｄｉｔｉｏｎａｌ
ｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓ ，ｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｉｓｍｏｒｅｉｎｔｅｒｐｒｅｔａｂｌｅａｎｄｈａｓｈｉｇｈｅｒｔｒａｎｓｐａｒｅｎｃｙａｎｄｃｒｅｄｉｂｉｌｉｔｙ．
Ｋｅｙｗｏｒｄｓ：ｇｒｏｕｔｉｎｇｐｏｗｅｒ；ｇａｔｅｄｒｅｃｕｒｒｅｎｔｕｎｉｔ；ｅｘｐｌａｉｎａｂｉｌｉｔｙ；ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ；ｃｏｍｐｌｅｔｅｅｎｓｅｍｂｌｅｅｍ
ｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈａｄａｐｔｉｖｅｎｏｉｓｅ

（责任编辑：韩 昆）

论文摘要编写要点

论文摘要十分重要，它是沟通读者和作者之间的桥梁。在今天信息时代，读者不可能阅读刊物的
每一篇论文去查找所需的信息，只有通过摘要了解论文的主要内容，从而判断有无必要阅读全文。国
内外的检索系统为了信息交流，更建立了各种二次文献数据库，帮助读者通过查找论文摘要，以便提
取原文。而二次文献数据库的基础是作者的论文摘要。但许多作者却往往忽视了论文摘要的这一重要
意义，没有下工夫把论文摘要写好，尤其是英文摘要。当今科技领域，英文已经成为国际交流语言，
世界各国学者想追踪了解某一学科的发展情况，多会用英文工具书、数据库进行检索。而国外的检索
系统也主要通过英文摘要判断论文是否被收录进数据库。为了帮助作者写好摘要，我编辑部在给作者
的论文修改通知中都附有 《摘要编写要点》，供作者参考。现再刊登于下，以便作者查阅。
１．摘要是论文内容不加注释和评论的简短陈述，应包括正文的要点，具有独立性和自含性，让读
者不阅读全文就能了解论文的基本内容，以判断有无必要阅读全文，也可供二次文献采用。
２．摘要应说明研究工作的目的、方法与手段、结果和结论，要尽量简短，尽可能省略课题的背景
信息。
３．摘要中的内容应在正文中出现，不能对正文进行补充和修改。
４．摘要中不用图、表、非公用共知的符号和术语，不能引用文献；缩写名称在第一次出现时要有
全称（包括中文和英文）。
５．摘要中不要多列数据，出现的应该是最重要的、最关键数据。
６．中文摘要一般 ３００字左右，中英文摘要应基本对照，不能因为某些内容不好翻译就略去。
７．关键词是为了文献标引工作，是从论文中选取出来用以表示全文主题内容信息的单词或术语，
一般为 ３～８个词，尽量用规范词。
《水利学报》编辑部

— ８ ０ —
４