Page 118 - 2025年第56卷第7期

［３２］ 祁诗阳，沈宸，刘小标，等．基于小波变换的郑州降雨量与太阳黑子活动关系分析［Ｊ］．现代地质，２０２３，
３７（１）：１８４ － １９６．
［３３］ ＴＯＲＲＥＮＣＥＣ，ＣＯＭＰＯＧＰ．Ａｐｒａｃｔｉｃａｌｇｕｉｄｅｔｏｗａｖｅｌｅｔａｎａｌｙｓｉｓ［Ｊ］．ＢｕｌｌｅｔｉｎｏｆｔｈｅＡｍｅｒｉｃａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌ
Ｓｏｃｉｅｔｙ，１９９８，７９（１）：６１ － ７８．
［３４］ 王秀杰，封桂敏，耿庆柱．小波分析组合模型在日径流预测中的应用研究［Ｊ］．自然资源学报，２０１４，２９
（５）：８８５ － ８９３．
［３５］ 李红燕，王志平，羊华，等．基于 Ｍｏｒｌｅｔ小波分析的弥苴河径流量变化及其影响因素分析［Ｊ］．人民珠江，
２０２１，４２（３）：５３ － ６０．
［３６］ 梁中耀，刘永，盛虎，等．滇池水质 时 间 序 列 变 化 趋 势 识 别 及 特 征 分 析 ［Ｊ］．环 境 科 学 学 报，２０１４，３４
（３）：７５４ － ７６２．
［３７］ ＣＬＥＶＥＬＡＮＤＲＢ，ＣＬＥＶＥＬＡＮＤＷ Ｓ，ＴＥＲＰＥＮＮＩＮＧＩ．ＳＴＬ：ａｓｅａｓｏｎａｌ － ｔｒｅｎｄｄｅｃｏｍｐｏｓｉｔｉｏｎｐｒｏｃｅｄｕｒｅｂａｓｅｄ
ｏｎｌｏｅｓｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＯｆｆｉｃｉａｌＳｔａｔｉｓｔｉｃｓ，１９９０，６（１）：３ － ７３．
［３８］ ＤＲＡＧＯＭＩＲＥＴＳＫＩＹＫ，ＺＯＳＳＯＤ．Ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，
２０１４，６２（３）：５３１ － ５４４．
［３９］ 江星星，宋秋昱，杜贵 府，等．变 分 模 式 分 解 方 法 研 究 与 应 用 综 述 ［Ｊ］．仪 器 仪 表 学 报，２０２３，４４（１）：
５５ － ７３．
［４０］ 徐岩，向益锋，马天祥．基于粒子群算法优化参数的 ＶＭＤ － ＧＲＵ短期电力负荷预测模型［Ｊ］．华北电力大
学学报（自然科学版），２０２３，５０（１）：３８ － ４７．
［４１］ ＰＡＲＫＭ Ｊ，ＨＡ Ｒ，ＫＩＭ Ｎ Ｗ，ｅｔａｌ．Ａｓｓｅｓｓｍｅｎｔｏｆｆｕｔｕｒｅｃｌｉｍａｔｅａｎｄｖｅｇｅｔａｔｉｏｎｃａｎｏｐｙｃｈａｎｇｅｉｍｐａｃｔｓｏｎ
ｈｙｄｒｏｌｏｇｉｃａｌｂｅｈａｖｉｏｒｏｆＣｈｕｎｇｊｕｄａｍ ｗａｔｅｒｓｈｅｄｕｓｉｎｇＳＷＡＴ ｍｏｄｅｌ ［Ｊ］．ＫＳＣＥ ＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，
２０１４，１８（４）：１１８５ － １１９６．
［４２］ ＹＯＯＣ，ＫＩＭ Ｊ，ＹＯＯＮＪ．Ｕｎｃｅｒｔａｉｎｔｙｏｆａｒｅａｌａｖｅｒａｇｅｒａｉｎｆａｌｌａｎｄｉｔｓｅｆｆｅｃｔｏｎｒｕｎｏｆｆｓｉｍｕｌａｔｉｏｎ：Ａｃａｓｅｓｔｕｄｙ
ｆｏｒｔｈｅＣｈｕｎｇｊｕ － ｄａｍ ｂａｓｉｎ ，Ｋｏｒｅａ［Ｊ］．ＫＳＣＥＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２０１２，１６（６）：１０８５ － １０９２．
［４３］ ＫＩＭ Ｓ，ＴＡＣＨＩＫＡＷＡＹ，ＴＡＫＡＲＡ Ｋ．Ｒｅｃｅｎｔｆｌｏｏｄｄｉｓａｓｔｅｒｓａｎｄｐｒｏｇｒｅｓｓｏｆｄｉｓａｓｔｅｒｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ ｉｎ
Ｋｏｒｅａ ［Ｊ］．ＡｎｎｕａｌｓｏｆＤｉｓａｓｔｅｒＰｒｅｖｅｎｔｉｏｎＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＫｙｏｔｏＵｎｉｖｅｒｓｉｔｙ，２００７，５０（Ｂ）：１５ － ３１．

Ａｔｗｏ － ｓｔａｇｅｄｙｎａｍｉｃｄｅｃｏｍｐｏｓｉｔｉｏｎ － ｐｒｅｄｉｃｔｉｏｎ － ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｍｏｄｅｌｆｏｒ
ｍｅｄｉｕｍ－ ｌｏｎｇｔｅｒｍ ｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇ

４
１
１
１，２，３
１
ＣＨＥＮＸｉａｏｚｅ，ＷＡＮＧＺｈｏｎｇｊｉｎｇ ，ＬＩＵＤａｎ，ＳＨＩＹｕｊｉａ，ＫＡＮＧＢｏｏｓｉｋ
（１．ＤｅｐａｒｔｍｅｎｔｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８４，Ｃｈｉｎａ；
２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒｏ － ｓｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８４，Ｃｈｉｎａ；
３．ＳｃｈｏｏｌｏｆＣｉｖｉｌａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ ７５００２１，Ｃｈｉｎａ；
４．ＤｅｐａｒｔｍｅｎｔｏｆＣｉｖｉｌ＆ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，ＤａｎｋｏｏｋＵｎｉｖｅｒｓｉｔｙ，Ｙｏｎｇｉｎ １６８９０，ＳｏｕｔｈＫｏｒｅａ）
Ａｂｓｔｒａｃｔ：Ｍｅｄｉｕｍ － ｌｏｎｇｔｅｒｍｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇｉｓａｃｒｉｔｉｃａｌｆｏｕｎｄａｔｉｏｎｆｏｒｏｐｔｉｍｉｚｉｎｇｗａｔｅｒｒｅｓｏｕｒｃｅｍａｎａｇｅｍｅｎｔ．
Ｗｉｔｈｔｈｅｉｎｔｅｎｓｉｆｉｃａｔｉｏｎｏｆｃｌｉｍａｔｅｃｈａｎｇｅ ，ｔｈｅｖａｒｉａｂｉｌｉｔｙｏｆｒｕｎｏｆｆｈａｓｉｎｃｒｅａｓｅｄ，ｍａｋｉｎｇｔｈｅｆｏｒｅｃａｓｔｉｎｇｍｏｒｅ
ｃｈａｌｌｅｎｇｉｎｇ．Ｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｒｕｎｏｆｆｆｏｒｅｃａｓｔｓａｎｄｅｘｔｅｎｄｔｈｅｆｏｒｅｃａｓｔｐｅｒｉｏｄ ，ｉｎｔｈｉｓｐａｐｅｒ，ｂｙｉｎｔｅｇｒａｔ
ｅｄＳｅａｓｏｎａｌａｎｄＴｒｅｎｄｄｅｃｏｍｐｏｓｉｔｉｏｎｕｓｉｎｇＬｏｅｓｓ （ＳＴＬ），ＶａｒｉａｔｉｏｎａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ（ＶＭＤ）ａｎｄｔｈｅｄｅｅｐ
ｌｅａｒｎｉｎｇｍｏｄｅｌＩｎｆｏｒｍｅｒ ，ａｔｗｏ － ｓｔａｇｅｄｙｎａｍｉｃｄｅｃｏｍｐｏｓｉｔｉｏｎ － ｐｒｅｄｉｃｔｉｏｎ － ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｍｏｄｅｌ（ＳＴＬ － ＶＭＤ － Ｉｎ
ｆｏｒｍｅｒ）ｆｏｒｍｅｄｉｕｍ － ｌｏｎｇｔｅｒｍｒｕｎｏｆｆｆｏｒｅｃａｓｔｗａｓｄｅｖｅｌｏｐｍｅｎｔ．ＴｈｅａｐｐｌｉｃａｔｉｏｎａｔｔｈｅＳｈｉｘｉａｌｉｈｙｄｒｏｌｏｇｉｃａｌｓｔａｔｉｏｎ
ｏｆＹｏｎｇｄｉｎｇＲｉｖｅｒＢａｓｉｎｓｈｏｗｓｔｈａｔｔｈｅｆｏｒｅｃａｓｔＮａｓｈ － Ｓｕｔｃｌｉｆｆｅｅｆｆｉｃｉｅｎｃｙ（ＮＳＥ）ｒｅａｃｈｅｓ０．８９７，０．８４３，ａｎｄ０．
７９６ｆｏｒｐｒｅｄｉｃｔｉｏｎｐｅｒｉｏｄｓｏｆ１ ，３，ａｎｄ６ｍｏｎｔｈｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｉｎｄｉｃａｔｉｎｇｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｗｉｔｈｔｈｅｐｏｔｅｎｔｉａｌ
ｉｎｓｅｐａｒａｔｉｎｇｔｈｅｔｉｍｅｓｅｒｉｅｓ ，ｅｘｔｅｎｄｉｎｇｔｈｅｆｏｒｅｃａｓｔｉｎｇｈｏｒｉｚｏｎ，ａｎｄｉｍｐｒｏｖｉｎｇｆｏｒｅｃａｓｔａｃｃｕｒａｃｙ．Ｔｈｅａｐｐｒｏａｃｈ
ｗｉｌｌｂｅｎｅｆｉｔｔｏｔｈｅｍｅｄｉｕｍ － ｌｏｎｇｔｅｒｍｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇ．
Ｋｅｙｗｏｒｄｓ：ｒｕｎｏｆｆｆｏｒｅｃａｓｔ；ＳＴＬ；ＶＭＤ；Ｉｎｆｏｒｍｅｒ；ＹｏｎｇｄｉｎｇＲｉｖｅｒ

（责任编辑：韩 昆）

— ９ ４ —
４