Page 65 - 2024年第55卷第9期

Ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｇｒａｄａｔｉｏｎｅｖｏｌｕｔｉｏｎｃｏｎｓｉｄｅｒｉｎｇｐａｒｔｉｃｌｅ
ｂｒｅａｋａｇｅｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅ

１
１
２
１
１
ＦＵＨｏｎｇｙｕａｎ，ＹＡＮＧＨａｉｔａｏ，ＷＵＥｒｌｕ，ＺＥＮＧＬｉｎｇ，ＺＨＯＮＧＴａｏ，ＪＩＡＮＧＹｉｙｕｎ １
（１．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ ４１０１１４，Ｃｈｉｎａ；
２．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｏｘｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｏｘｉｎｇ ３１２０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔｔｈｅｃｈａｎｇｅｏｆｐａｒｔｉｃｌｅｂｒｅａｋａｇｅａｎｄｇｒａｄａｔｉｏｎｃｕｒｖｅｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄ
ｓｔｏｎｅｄｕｒｉｎｇｉｍｐａｃｔｌｏａｄｉｎｇ，ａｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆ“ｉｍｐａｃｔｅｎｅｒｇｙａｎｄｗａｔｅｒｃｏｎｔｅｎｔ － ｃｒｕｓｈｉｎｇｉｎｄｅｘ － ｇｒａｄａｔｉｏｎ
ｄｉｓｔｒｉｂｕｔｉｏｎ” ｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｆｉｒｓｔｌｙ， ｂｙｉｎｔｒｏｄｕｃｉｎｇａｓｉｎｇｌｅｐａｒａｍｅｔｅｒｇｒａｄｉｎｇ
ｅｑｕａｔｉｏｎｔｈａｔｃａｎ ｄｅｓｃｒｉｂｅｔｈｅｃｏｎｔｉｎｕｏｕｓｇｒａｄｉｎｇｃｕｒｖｅ ， ｔｈｅｍａｔｈｅｍａｔｉｃａｌｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｔｈｅｓｉｎｇｌｅ
ｐａｒａｍｅｔｅｒｇｒａｄｉｎｇｅｑｕａｔｉｏｎａｎｄｔｈｅｐａｒｔｉｃｌｅｂｒｅａｋａｇｅｒａｔｅ Ｂ ｗ ｉｓｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｃｏｎｖｅｒｓｉｏｎｏｆ“ｃｒｕｓｈｉｎｇｉｎｄｅｘ －
ｇｒａｄａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎ ”ｉｓｒｅａｌｉｚｅｄ．Ａｓｅｒｉｅｓｏｆｉｍｐａｃｔｔｅｓｔｓｗｉｔｈｄｉｆｆｅｒｅｎｔｗａｔｅｒｃｏｎｔｅｎｔａｎｄｉｍｐａｃｔｅｎｅｒｇｙｗｅｒｅｃａｒ
ｒｉｅｄｏｕｔｂｙｓｅｔｔｉｎｇｔｈｅｃｏｎｔｉｎｕｏｕｓｇｒａｄａｔｉｏｎｏｆｔｗｏｔｙｐｉｃａｌｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｆｉｌｌｅｒｓｏｆｉｎｖｅｒｓｅＳｔｙｐｅａｎｄｈｙｐｅｒ
ｂｏｌｉｃｔｙｐｅ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐａｒｔｉｃｌｅｂｒｅａｋａｇｅｒａｔｅｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｉｎｃｒｅａｓｅｓｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆ
ｉｎｉｔｉａｌｗａｔｅｒｃｏｎｔｅｎｔｗｈｅｎｔｈｅｉｍｐａｃｔｅｎｅｒｇｙｉｓｃｏｎｓｔａｎｔ ，ｒｅｇａｒｄｌｅｓｓｏｆｗｈｅｔｈｅｒｔｈｅｉｎｉｔｉａｌｇｒａｄａｔｉｏｎｏｆｃａｒｂｏｎａｃｅｏｕｓ
ｍｕｄｓｔｏｎｅｉｓｈｙｐｅｒｂｏｌｉｃｄｉｓｔｒｉｂｕｔｉｏｎｏｒｉｎｖｅｒｓｅＳ － ｔｙｐｅｄｉｓｔｒｉｂｕｔｉｏｎ．Ｗｈｅｎｔｈｅｗａｔｅｒｃｏｎｔｅｎｔｉｓｃｏｎｓｔａｎｔ ，ｔｈｅｐａｒｔｉｃｌｅ
ｂｒｅａｋａｇｅｒａｔｅｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｉｎｃｒｅａｓｅｓｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｉｍｐａｃｔｅｎｅｒｇｙ．Ｗｈｅｎｔｈｅｉｍｐａｃｔｅｎｅｒｇｙｒｅａ
ｃｈｅｓ６．０７５ｋＪ，ｔｈｅｐａｒｔｉｃｌｅｂｒｅａｋａｇｅｒａｔｅｒｅｍａｉｎｓｂａｓｉｃａｌｌｙｕｎｃｈａｎｇｅｄ，ａｎｄｔｈｅｐａｒｔｉｃｌｅｃｏｎｔｅｎｔｏｆｅａｃｈｐａｒｔｉｃｌｅ
ｇｒｏｕｐｔｅｎｄｓｔｏｂｅａｓｔａｂｌｅｐｒｏｐｏｒｔｉｏｎｒｅｌａｔｉｖｅｔｏｔｈｅｉｎｉｔｉａｌｃｏｎｔｅｎｔ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｐａｒｔｉｃｌｅ
ｂｒｅａｋａｇｅｒａｔｅ Ｂ ｗ ｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｉｎｔｈｅｉｍｐａｃｔｐｒｏｃｅｓｓａｎｄｔｈｅｉｎｉｔｉａｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔａｎｄｉｍｐａｃｔｅｎｅｒ
ｇｙ ，ｔｈｅｍａｔｈｅｍａｔｉｃａｌｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｐａｒｔｉｃｌｅｂｒｅａｋａｇｅｒａｔｅａｎｄｔｈｅｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔａｎｄｉｍｐａｃｔｅｎｅｒｇｙｉｓ
ｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｃｏｎｖｅｒｓｉｏｎｏｆ“ｉｍｐａｃｔｅｎｅｒｇｙａｎｄｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔ － ｃｒｕｓｈｉｎｇｉｎｄｅｘ”ｉｓｒｅａｌｉｚｅｄ，Ａｍａｔｈｅｍａｔ
ｉｃａｌｍｏｄｅｌｏｆ “ｉｍｐａｃｔｅｎｅｒｇｙａｎｄｗａｔｅｒｃｏｎｔｅｎｔ － ｃｒｕｓｈｉｎｇｉｎｄｅｘ － ｇｒａｄａｔｉｏｎｐａｒａｍｅｔｅｒ”ｗａｓｅｓｔａｂｌｉｓｈｅｄｂｙｕｓｉｎｇｔｈｅ
ｃｒｕｓｈｉｎｇｉｎｄｅｘａｓｔｈｅｍｅｄｉｕｍ，ａｎｄｉｔｗａｓｆｏｕｎｄｔｈａｔｔｈｅｍｏｄｅｌｃａｎｂｅｔｔｅｒｒｅｆｌｅｃｔｔｈｅｅｖｏｌｕｔｉｏｎｌａｗｏｆｔｈｅｇｒａｄａｔｉｏｎ
ｃｕｒｖｅｏｆｃａｒｂｏｎａｃｅｏｕｓｍｕｄｓｔｏｎｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｅｎｅｒｇｙａｎｄｗａｔｅｒｃｏｎｔｅｎｔｃｏｎｄｉｔｉｏｎｓ．
Ｋｅｙｗｏｒｄｓ：ｃａｒｂｏｎｍｕｄｓｔｏｎｅ；ｉｍｐａｃｔｔｅｓｔ；ｇｒａｄａｔｉｏｎｅｑｕａｔｉｏｎ；ｐａｒｔｉｃｌｅｂｒｅａｋａｇｅ；ｇｒａｄａｔｉｏｎｅｖｏｌｕｔｉｏｎ

（责任编辑：李 娜）

（上接第 １０５７页）
Ｄａｍ ｄｅｆｏｒｍａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｓｅｌｆ － ａｄａｐｔｉｖｅｔｅｍｐｏｒａｌｄｅｃｏｍｐｏｓｉｔｉｏｎｓｃｒｅｅｎｉｎｇ

４
１，２
１，２
１，２，３
１，２
１，２
ＧＵＹｕ ，ＳＵＨｕａｉｚｈｉ ，ＺＨＡＮＧＳｈｕａｉ，ＹＡＯＫｅｆｕ ，ＬＩＵＭｉｎｇｋａｉ ，ＱＩＹｉｎｉｎｇ
（１．ＴｈｅＮａｔｉｏｎａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＷａｔｅｒＤｉｓａｓｔｅｒＰｒｅｖｅｎｔｉｏｎ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｐｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ；
３．ＣｏｏｐｅｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＷａｔｅｒＳａｆｅｔｙａｎｄＨｙｄｒｏＳｃｉｅｎｃｅ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ；
４．ＰｏｗｅｒＣｈｉｎａＫｕｎｍｉｎｇＥｎｇｉｎｅｅｒｉｎｇＣｏｒｐｏｒａｔｉｏｎＬｉｍｉｔｅｄ，Ｋｕｎｍｉｎｇ ６５００５１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｈｉｇｈｐｒｅｃｉｓｉｏｎａｎａｌｙｓｉｓａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｄａｍｄｅｆｏｒｍａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｍｅａｎｓｔｏｍａｓｔｅｒｄａｍｗｏｒｋ
ｉｎｇｂｅｈａｖｉｏｒａｎｄｄｉａｇｎｏｓｅｄａｍａｎｏｍａｌｉｅｓ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｓｕｃｈａｓｉｎｓｕｆｆｉｃｉｅｎｔｉｎｆｏｒｍａｔｉｏｎｆｅａｔｕｒｅｍｉｎｉｎｇ，
ｗｅａｋｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙａｎｄｄｉｆｆｉｃｕｌｔｙｉｎａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｆｅｘｉｓｔｉｎｇｍｏｄｅｌｓ，ｇｒｅｙＷｏｌｆａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄ
ｔｏｏｐｔｉｍｉｚｅｔｈｅｃｏｍｐｌｅｔｅｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈａｄａｐｔｉｖｅｎｏｉｓｅｔｏｓｏｌｖｅｔｈｅｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ
ｐａｒａｍｅｔｅｒｃａｌｉｂｒａｔｉｏｎｐｒｏｂｌｅｍ，ａｎｄｔｈｒｅｓｈｏｌｄｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｗｅｒｅｕｓｅｄｔｏｒｅｔａｉｎｔｈｅｅｆｆｅｃｔｉｖｅｉｎｆｏｒｍａｔｉｏｎｆｅａ
ｔｕｒｅｓｏｆｄｅｆｏｒｍａｔｉｏｎｔｉｍｅｓｅｒｉｅｓｄａｔａ．Ｔｈｅｃｒｏｓｓ － ｖａｌｉｄａｔｉｏｎｍｅｔｈｏｄｉｓｃｏｍｂｉｎｅｄｗｉｔｈｒｅｃｕｒｓｉｖｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ
ｍｅｔｈｏｄ，ａｎｄｔｈｅｏｐｔｉｍａｌｆａｃｔｏｒｓｕｂｓｅｔｉｓｓｅｌｅｃｔｅｄｂｙｍｕｌｔｉｐｌｅｌｅａｒｎｅｒｓｔｏｒｅｍｏｖｅｒｅｄｕｎｄａｎｔｆｅａｔｕｒｅｓ，ｅｘｔｒａｃｔｅｆｆｅｃ
ｔｉｖｅｉｎｆｏｒｍａｔｉｏｎａｎｄｅｎｈａｎｃｅｔｈｅｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌ．Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｉｍｅｓｅｒｉｅｓｄａｔａ ，
ｔｈｅｎｕｍｂｅｒｏｆｓｔｅｐｓｉｎｔｈｅｔｉｍｅｗｉｎｄｏｗｏｆｔｈｅｂｉｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｏｐｔｉｍｉｚｅｄ，
ａｎｄｉｎｏｒｄｅｒｔｏｃｏｎｓｔｒｕｃｔｄａｍｄｅｆｏｒｍａｔｉｏｎａｎａｌｙｓｉｓａｎｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ，ｓｅｖｅｒａｌｍｅｔｈｏｄｓｓｕｃｈａｓｎｏｉｓｅｒｅｄｕｃｔｉｏｎ
ｏｆｄａｍｄｅｆｏｒｍａｔｉｏｎｄａｔａａｎｄｉｎｐｕｔｏｆｏｐｔｉｍａｌｆｅａｔｕｒｅｆａｃｔｏｒｓａｒｅｕｓｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｈａｓｔｈｅａ
ｂｉｌｉｔｙｏｆａｃｃｕｒａｔｅｌｙｍｉｎｉｎｇｎｏｎｌｉｎｅａｒｉｎｆｏｒｍａｔｉｏｎ，ａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｈａｓｂｅｅｎｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄ，
ｗｈｉｃｈｃａｎｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｆｏｒｄａｍｓａｆｅｔｙｍｏｎｉｔｏｒｉｎｇ．
Ｋｅｙｗｏｒｄｓ：ｄａｍｄｅｆｏｒｍａｔｉｏｎｐｒｅｄｉｃｔｉｏｎ；ｇｒｅｙｗｏｌｆａｌｇｏｒｉｔｈｍ；ｔｈｒｅｓｈｏｌｄｎｏｉｓｅｒｅｄｕｃｔｉｏｎ；ｂｉｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔ
－ ｔｅｒｍｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋ ；ｃｏｍｐｌｅｔｅｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈａｄａｐｔｉｖｅｎｏｉｓｅ

（责任编辑：韩 昆）

— １ ０ ０ —
７