Page 52 - 2024年第55卷第1期

ｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔｉｎｔｈｅｌｏｗｅｒｒｅａｃｈｅｓｉｓｒｅｄｕｃｅｄｓｉｇｎｉｆｉｃａｎｔｌｙ，ａｎｄｃｏｎｄｉｔｉｏｎｓｏｆｗａｔｅｒａｎｄｓｅｄｉｍｅｎｔ
ｃｈａｎｇｅｏｂｖｉｏｕｓｌｙ，ｗｈｉｃｈｈａｓａｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｏｎｔｈｅｒｅｓｅｒｖｏｉｒｓｅｄｉｍｅｎｔａｔｉｏｎｐｒｏｃｅｓｓａｎｄｍａｋｅｓｔｈｅｒｏｌｅｏｆｐｅｂ
ｂｌｅｂｅｄｌｏａｄｍｏｒｅｉｍｐｏｒｔａｎｔｉｎｔｈｅｔｏｔａｌｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔ．Ｔｈｅｒｅｆｏｒｅ ，ｉｔｉｓｏｆｇｒｅａｔｏｆｓｉｇｎｉｆｉｃａｎｃｅｔｏｃａｒｒｙｏｕｔｔｈｅ
ｌａｗｏｆｐｅｂｂｌｅｂｅｄｌｏａｄｔｒａｎｓｐｏｒｔｉｎｔｈｅｌｏｗｅｒｒｅａｃｈｅｓｏｆｔｈｅＪｉｎｓｈａＲｉｖｅｒｕｎｄｅｒｎｅｗｗａｔｅｒａｎｄｓｅｄｉｍｅｎｔｃｏｎｄｉｔｉｏｎｓ，
ａｎｄｔｏｐｕｔｆｏｒｗａｒｄｔｈｅａｐｐｌｉｃａｂｌｅｉｎｃｉｐｉｅｎｔｖｅｌｏｃｉｔｙａｎｄｔｒａｎｓｐｏｒｔｒａｔｅｏｆｐｅｂｂｌｅｂｅｄｌｏａｄ．Ｂａｓｅｄｏｎｔｈｅｍｅａｓｕｒｅｄ
ｄａｔａａｔＳａｎｄｕｉｚｉＨｙｄｒｏｌｏｇｉｃａｌＳｔａｔｉｏｎｆｒｏｍ２００８ｔｏ２０２１，ｔｈｅｃｌａｓｓｉｃａｌｉｎｃｉｐｉｅｎｔｖｅｌｏｃｉｔｙｆｏｒｍｕｌａａｎｄｂｅｄｌｏａｄｔｒａｎｓ
ｐｏｒｔｒａｔｅｆｏｒｍｕｌａａｒｅｔｅｓｔｅｄａｎｄｃｏｒｒｅｃｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｃｌａｓｓｉｃａｌｆｏｒｍｕｌａｅ，ｔｈｅｃａｌｃｕｌａｔｉｏｎ
ａｃｃｕｒａｃｙｏｆｔｈｅｍｏｄｉｆｉｅｄｆｏｒｍｕｌａｉｓｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄｂｙｉｎｔｒｏｄｕｃｉｎｇａｃｏｅｆｆｉｃｉｅｎｔｗｉｔｈｔｈｅｐａｒｔｉｃｌｅｓｉｚｅａｓａｖａｒｉ
ａｂｌｅ ，ｗｈｉｃｈｉｎｄｕｃｅｓｄｉｆｆｅｒｅｎｔｐａｒｔｉｃｌｅｓｉｚｅｒａｎｇｅｓ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｒｅｓｕｌｔｓｏｆｃｌａｓｓｉｃａｌｂｅｄｌｏａｄｔｒａｎｓｐｏｒｔｒａｔｅｄｅｖｉ
ａｔｅｇｒｅａｔｌｙｆｒｏｍｔｈｅｍｅａｓｕｒｅｄｖａｌｕｅｓｗｈｅｎｔｈｅｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔｉｎｔｅｎｓｉｔｙｉｓｌｏｗ．Ｂｙｅｓｔａｂｌｉｓｈｉｎｇｔｈｅｉｎｔｅｎｓｉｔｙｒｅｌａ
ｔｉｏｎｓｈｉｐ ｏｆｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔａｎｄ ｗａｔｅｒｆｌｏｗ ａｎｄ ｉｎｔｒｏｄｕｃｉｎｇｈｉｄｄｅｎ ｐａｒａｍｅｔｅｒｓｔｏｍｏｄｉｆｉｅｄ ｆｏｒｍｕｌａ ， ｔｈｅ
ｃａｌｃｕｌａｔｉｏｎａｃｃｕｒａｃｙｏｆｌｏｗｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔｒａｔｅｉｓａｌｓｏｏｂｖｉｏｕｓｌｙｉｍｐｒｏｖｅｄ．Ｔｈｅｔｒａｎｓｐｏｒｔｌａｗｏｆｐｅｂｂｌｅｂｅｄｌｏａｄ
ｉｎＳａｎｄｕｉｚｉｒｅａｃｈｃａｎｂｅｄｍｏｒｅｅｆｆｅｃｔｉｖｅｌｙｒｅｆｌｅｃｔｅｄｂｙｔｈｅｍｏｄｉｆｉｅｄｆｏｒｍｕｌａｅｏｆｉｎｃｉｐｉｅｎｔｖｅｌｏｃｉｔｙａｎｄｂｅｄｌｏａｄ
ｔｒａｎｓｐｏｒｔｒａｔｅ．
Ｋｅｙｗｏｒｄｓ：ｌｏｗｅｒｒｅａｃｈｅｓｏｆＪｉｎｓｈａＲｉｖｅｒ；ｃａｓｃａｄｅｒｅｓｅｒｖｏｉｒ；ｐｅｂｂｌｅｂｅｄｌｏａｄ；ｉｎｃｉｐｉｅｎｔｖｅｌｏｃｉｔｙ；ｐｅｂｂｌｅｂｅｄ
ｌｏａｄｔｒａｎｓｐｏｒｔｒａｔｅ

（责任编辑：李福田）

（上接第 ３４页）
Ａｎｉｎｔｅｌｌｉｇｅｎｔｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎａｃｔｉｖｉｔｙ
ｄｕｒａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＨＴ － ＬＣＮＮ

１
３
１
１
２
１
ＸＩＡＯＹａｏ，ＺＨＯＮＧＤｅｎｇｈｕａ，ＹＵｊｉａ，ＨＵＹｉｋｅ，ＸＵＧｕｏｘｉｎ，ＣＨＥＮＱｉｕｔｏｎｇ
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＩｎｔｅｌｌｉｇｅｎｔＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＯｐｅｒａｔｉｏｎ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ ３０００７２，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ；
３．Ｈａｎｊｉａｎｇ － ｔｏ － ＷｅｉｈｅＲｉｖｅｒＶａｌｌｅｙＷａｔｅｒＤｉｖｅｒｓｉｏｎＰｒｏｊｅｃｔＣｏｎｓｔｒｕｃｔｉｏｎＣｏ．，Ｌｔｄ．，ＳｈａａｎｘｉＰｒｏｖｉｎｃｅ，Ｘｉ’ａｎ ７１０３０２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｅｘｔｒａｃｔｉｏｎｏｆａｃｔｉｖｉｔｙｄｕｒａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｉｓｉｍｐｏｒｔａｎｔｆｏｒｓｃｈｅｄｕｌｅａｎａｌｙｓｉｓａｎｄｄｅｃｉｓｉｏｎｏｆｔｕｎｎｅｌｃｏｎ
ｓｔｒｕｃｔｉｏｎ．ＡｃｏｍｍｏｎｗａｙｔｏｒｅｃｏｒｄｔｈｅａｃｔｉｖｉｔｙｄｕｒａｔｉｏｎｓｏｆｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎｉｓｄｒａｗｉｎｇｔｈｅｌｉｎｅｓｅｇｍｅｎｔａｓＧａ
ｎｔｔｃｈａｒｔｉｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｌｏｇ．Ｈｏｗｅｖｅｒ，ｔｈｅｔｒａｄｉｔｉｏｎａｌｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｔｈａｔｒｅｌｉｅｓｏｎｍａｎｕａｌｓｔａｔｉｓｔｉｃｓｉｓｆａ
ｃｉｎｇａｄｉｌｅｍｍａｂｅｔｗｅｅｎｅｆｆｉｃｉｅｎｃｙａｎｄａｃｃｕｒａｃｙ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒａｄｏｐｔｓａｌｉｎｅｓｅｇｍｅｎｔｄｅｔｅｃ
ｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇ．Ａｎａｕｔｏｍａｔｉｃｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎａｃｔｉｖｉｔｙｄｕｒａｔｉｏｎｉｎｆｏｒ
ｍａｔｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＨｏｕｇｈＴｒａｎｓｆｏｒｍ － ＬｉｎｅＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＨＴ － ＬＣＮＮ）ｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，
ｔｈｅｐｒｅｐｒｏｃｅｓｓｉｎｇｉｓｂａｓｅｄｏｎｈｏｍｏｇｒａｐｈｙｔｏｓｏｌｖｅｔｈｅｏｂｌｉｑｕｉｔｙ，ｒｏｔａｔｉｏｎａｎｄｔｗｉｓｔｏｆｔｈｅｏｒｉｇｉｎａｌｐｈｏｔｏｓ．Ｓｅｃｏｎｄ，
ｔｈｅｇｌｏｂａｌｃｏｎｔｅｘｔｎｅｔｗｏｒｋ（ＧＣＮｅｔ），ｗｈｉｃｈｈａｓｔｈｅａｂｉｌｉｔｙｏｆｅｓｔａｂｌｉｓｈｉｎｇｔｈｅｌｏｎｇ － ｄｉｓｔａｎｃｅｄｅｐｅｎｄｅｎｃｅｏｆｔｈｅ
ｆｅａｔｕｒｅｇｒａｐｈａｎｄｔｈｅｄｅｐｅｎｄｅｎｃｅｂｅｔｗｅｅｎｃｈａｎｎｅｌｓ ，ｉｓｉｎｔｅｇｒａｔｅｄｉｎｔｏｔｈｅｒｅｓｉｄｕａｌｍｏｄｕｌｅｏｆＨＴ － ＬＣＮＮｔｏｉｍ
ｐｒｏｖｅｔｈｅｍｏｄｅｌ ’ｓａｔｔｅｎｔｉｏｎｔｏｔｈｅｔａｒｇｅｔｌｉｎｅｓｅｇｍｅｎｔｏｆＧａｎｔｔｃｈａｒｔ，ｒｅｄｕｃｅｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｆｒｏｍ ｔｈｅｌｉｎｅｓｅｇ
ｍｅｎｔｏｆｔｈｅｔａｂｌｅａｎｄｔｅｘｔ ，ａｎｄｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ．Ｔｈｉｒｄ，ｔｈｅｃｏｏｒｄｉｎａｔｅｓｏｆｄｅｔｅｃｔｅｄｌｉｎｅｓａｒｅａｕｔｏ
ｍａｔｉｃａｌｌｙｃｏｎｖｅｒｔｅｄｉｎｔｏｃｏｎｓｔｒｕｃｔｉｏｎａｃｔｉｖｉｔｙｄｕｒａｔｉｏｎｓ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅａｃｔｉｖｉｔｙｄｕｒａ
ｔｉｏｎｓｏｆａＴＢＭ ｄｉｖｅｒｓｉｏｎｔｕｎｎｅｌｐｒｏｊｅｃｔｆｒｏｍ１７ｍｏｎｔｈｓｏｆｃｏｎｓｔｒｕｃｔｉｏｎｌｏｇｓ．Ｔｈｅｃａｓｅｓｔｕｄｙｓｈｏｗｓｔｈａｔｔｈｅｄｅｔｅｃ
ｔｉｏｎｐｒｅｃｉｓｉｏｎＡＰ ５ ，ＡＰ １０ ａｎｄＡＰ １５ ａｒｅ９４．７％，９５．０％ ａｎｄ９５．１％ ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｃｈａｒｅｈｉｇｈｅｒｔｈａｎｔｈｅｒｅｓｕｌｔｓ
ｏｆＨＴ － ＬＣＮＮａｎｄＬＣＮＮ．Ｃｏｍｐａｒｅｄｗｉｔｈｍａｎｕａｌｅｘｔｒａｃｔｉｏｎｒｅｓｕｌｔｓ ，ｔｈｅｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒｏｆｏｕｒａｕｔｏｍａｔｉｃｅｘ
ｔｒａｃｔｉｏｎｍｅｔｈｏｄｉｓｏｎｌｙ１．８２ｍｉｎ．Ｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓａｎｏｖｅｌｉｄｅａｆｏｒｅｘｔｒａｃｔｉｏｎｏｆｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎａｃｔｉｖｉｔｙｄｕ
ｒａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎａｃｃｕｒａｔｅｌｙａｎｄｅｆｆｉｃｉｅｎｔｌｙ．
Ｋｅｙｗｏｒｄｓ：ｄｕｒａｔｉｏｎｏｆｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎａｃｔｉｖｉｔｉｅｓ；ｉｎｆｏｒｍａｔｉｏｎｉｎｔｅｌｌｉｇｅｎｔｅｘｔｒａｃｔｉｏｎ；ｌｉｎｅｓｅｇｍｅｎｔｄｅｔｅｃｔｉｏｎ；
ｄｅｅｐｎｅｔｗｏｒｋｗｉｔｈＨｏｕｇｈｔｒａｎｓｆｏｒｍ；ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ

（责任编辑：李福田）

— ４ ７ —