龙滩电站大法坪料场爆破施工技术研究

结合龙滩水电站大法坪料场爆破的技术难点,针对不同的岩石和要求,通过对采场的爆破分区,应用车制乳化炸药使料场开挖爆破施工取得成功,爆破料级配良好,满足了供料强度要求。     

灌区参与式管理存在的问题与对策

参与式灌溉管理是我国正在推广应用的灌区管理模式，本文通过对我国目前已实行参与式灌溉管理灌区的运行情况的调查，简单阐述了这种管理模式的绩效，着重分析了管理运行过程中存在的问题，并提出了解决这些问题的措施和建议。     

一种T形高压输电线路故障测距新方法

对T形线路的故障测距，现有方法都是先判断故障支路，再将3端线路等效成2端线路进行测距。但在 T节点附近短路，尤其是经高阻短路时，现有的测距方法由于无法正确判别故障支路而存在一定范围的测距死区。针对上述缺陷，分别假设故障发生在某一支路，由假定正常的2段支路端的电压、电流推算求得 T节点电压和注入假定故障支路的电流，从而分别求得3个故障距离。经证明，求得的3个故障距离有且仅有1个在0和对应支路总长度之间，该距离就是真实的故障距离，故障发生在对应支路上。该方法无需事先判别故障支路即可测距，在 T节点附近经高阻故障时无测距死区。其测距精度理论上不受过渡电阻和故障类型影响，无需故障前数据，且对滤波无高要求。EMTP仿真结果表明该方法正确、有效，测距精度高。     

基于AHP＋熵组合的相对发达地区新乡镇建设评价——以苏南三镇为例

面对新农村建设活跃和城市化进程加速，新乡镇建设也初见端倪，选取苏南三镇作为实证地点，构建相对发达地区新乡镇建设评价体系，利用主观赋权的层次分析法（AHP）和客观赋权的熵权法进行组合评价。     

万安水利枢纽底孔坝段中隔墙流激振动响应分析

 研究了万安水利枢纽底孔坝段中隔墙在水流脉动壁压作用下的结构随机振动问题，进行了一种泄流工况下的隔墙结构流激振动响应统计量的理论计算，模拟计算了隔墙－水流－基础耦合系统固有频率对流激振动响应的影响，并对水流脉动壁压随机荷载作用下的结构动力可靠度进行了理论分析。     

CFG桩复合地基在西南水闸重建工程中的应用

根据CFG桩复合地基的承载机理和特性,西南水闸重建工程采用了CFG桩复合地基.通过现场原位试验,证明了它的应用价值.     

企业空间集聚的成因分析

企业空间集聚是当今世界区域经济发展的重要特色。本文从同行业和不同行业两个角度分别探讨了企业空间集聚的成困,并实例分析了徐州市金山桥开发区企业集聚体的形成与发展。     

水库调水调沙回顾与展望--兼论小浪底水库运用方式研究

作者简要回顾了三门峡、恒山水库调度方式和小浪底工程设计、“八五”攻关和专题研究之运用方式以及碛口、三门峡、小浪底水库联合调度方式等。提出小浪底水库调度应坚持“多年调节泥沙 ,相机排沙”运用方式 ;调控库容应大一些 ,同时要有灵活性 ;充分利用天然大水过程排沙 ,必要时也可相机造峰 ;注重水库联合调水调沙运用及有关技术问题研究     

物流合理配送问题的多阶段建模优化求解方法

简述了现有货物配装问题在实际应用中的缺陷,并针对货物配送问题,提出了多阶段建模优化求解方法,并应用于实例中。实例证明该方法所求得的最优解更具合理性和实际意义。     

Monthly Streamflow Forecasting Using Convolutional Neural Network

Monthly streamflow forecasting is vital for managing water resources. Recently, numerous studies have explored and evidenced the potential of artificial intelligence (AI) models in hydrological forecasting. In this study, the feasibility of the convolutional neural network (CNN), a deep learning method, is explored for monthly streamflow forecasting. CNN can automatically extract critical features from numerous inputs with its convolution–pooling mechanism, which is a distinct advantage compared with other AI models. Hydrological and large-scale atmospheric circulation variables, including rainfall, streamflow, and atmospheric circulation factors are used to establish models and forecast streamflow for Huanren Reservoir and Xiangjiaba Hydropower Station, China. The artificial neural network (ANN) and extreme learning machine (ELM) with inputs identified based on cross-correlation and mutual information analyses are established for comparative analyses. The performances of these models are assessed with several statistical metrics and graphical evaluation methods. The results show that CNN outperforms ANN and ELM in all statistical measures. Moreover, CNN shows better stability in forecasting accuracy.