“荆楚安澜”现代水网建设思路与实施路径

从天然河湖水系和人工水利设施两方面分析了“荆楚安澜”现代水网的建设基础,多角度剖析了“荆楚安澜”现代水网建设的重要意义,详细阐述了“荆楚安澜”现代水网的建设思路、目标定位和总体布局,提出推进湖北水网三大功能间、不同行业领域间、不同层级水网间以及相邻水网间的协同融合,开展“荆楚安澜”现代水网建设的主要任务和重大工程及行动,以期通过现代水网建设,为湖北省高质量发展提供坚实的水安全保障。     

基于机器学习模型的河道水位预测

结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.999 2和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。     

基于GMM-CNN的鱼道内鱼类游泳行为提取方法

鱼道设计离不开鱼类行为特性的研究,智能监控是观测、记录和量化鱼类行为的主要手段,但由于鱼道紊动的水流环境对鱼体精确跟踪造成了困难。本研究提出一种适用于鱼道研究的鱼类游泳行为提取方法,通过高斯混合模型（GMM）和卷积神经网络模型（CNN）对鱼体图像语义分割,再根据鱼体像素计算上溯轨迹、游泳速度和摆尾幅度。方法的验证以草鱼为试验对象,分别进行基于UNet和SegNet的鱼体语义分割对比试验和鱼类游泳行为提取试验。试验结果表明：（1） UNet模型的图像语义分割结果（MPA=95.9%,MIoU=93.3%）优于SegNet模型（MPA=95.5%,MIoU=92.8%）;（2）应用GMM-CNN模型进行过鱼轨迹跟踪,其坐标平均相对误差（MRE_x=7.1%,MRE_y=2.4%）低于单独使用GMM方法23.1%、11.6%;（3） GMM-CNN模型测算鱼类行为能够准确定位鱼体特征点,应用于提取鱼类游泳行为时具有较高的精确度。基于GMM-CNN鱼类游泳行为提取方法可以为鱼道设计提供技术支持。     

基于SOFM和BP短期负荷预测方法

基于以自组织特征映射神经网络(Self-organizing feature map,SOFM)先聚类、神经网络再预测的模型以往多用在对疾病、天气方面的预测,由此提出了一种以SOFM与误差反向传播算法的神经网络(Back Propagation,BP)相组合应用为基本原理的短期电力负荷预测的组合模型。该模型主要基于SOFM网络的主要特性聚类,预先将训练样本集采取聚类分析,对其分为具有相似数据的若干子类,再根据每一子类构造一个BP网络模型。利用内蒙古自治区某市的实际日平均负荷数据进行仿真,证明了本文方法的有效性。     

基于钻孔图像的结构面分布分维数计算方法

在工程实践中,对岩体结构面分布的分维数进行实测往往存在一定的难度,但是采用钻孔摄像技术既能够准确获取布设的钻孔内各项地质信息,而且形成的钻孔图像能够直观地反映钻孔中岩体结构面的特征参数,因此提出了一种基于钻孔图像的岩体结构面分布分维数计算方法。该方法的原理是:首先,通过钻孔图像获取研究区域内各钻孔内的岩体结构面的特征参数(包括倾角、倾向、隙宽、间距);然后,根据各钻孔之间的连通判断准则,判断区域内各钻孔结构面的连通性,并估算出研究区域内结构面的迹长值,同时参照钻孔的孔位及深度信息,来界定研究区域模型的范围;最后,结合Monte-Carlo法,建立岩体结构面分布的三维网络模型,根据分维数计算方法,求解模型各研究面的分形维数,并将3个钻孔的整体连通模型和各钻孔模型所得到的分维数开展对比分析。结果表明,该方法的计算结果与其他评价方法的结论一致。     

时间尺度对平原感潮河网水动力水质模拟精度的影响

为探究不同时间尺度边界入流条件对平原感潮河网水动力水质模型模拟精度的影响,以典型平原感潮河网地区的张家港市中部为研究区域,结合野外同步监测数据、自动高频监测数据、常规监测资料等构建了水动力水质模型进行模拟分析。结果表明:时间尺度、开始取值时刻以及调度情况均会影响模拟精度;研究区域边界入流条件、水动力模拟结果和水质模拟结果可信的最大时间尺度为1 h,水质模拟精度优于水动力模拟精度。     

基于MRIO与SNA的中国水资源空间转移网络分析

基于2002年、2007年和2012年的多区域投入产出表的相关数据,利用多区域投入产出(MRIO)模型和社会网络分析法(SNA)分析了中国水资源流动网络的空间关联性和结构特征。结果表明:网络中的链接数量没有随水足迹贸易值的增加而增加,链接路径上的流量不断增加,网络的韧性不够,空间关联渠道有待拓展,存在一定的等级差异,稳定性需要加强;网络中一些省份链接的增加,会削弱其他省份的链接数目,这种可塑性特征有利于在全国范围内合理配置水资源;将网络划分为4个板块,板块间的溢出关系主要是以板块内部为主,且少数板块之间没有任何的溢出关系。     

基于多传感器数据融合的供水管网故障报警系统

针对传统的供水管网故障监控系统存在的误报次数多、抗干扰能力差、可信度低等缺点,研究利用多传感器监测供水过程的压力、电流、流速和液位等参数,采用基于D-S证据理论的多传感器数据融合技术,并对D-S证据理论进行了时间域和空间域融合方法的改进,以实现对供水管网故障的早期检测报警。结果表明:该方法可以有效避免监测数据的失误,解决了多传感器鲁棒性导致的证据冲突问题,提高了供水管网故障报警的可靠性。     

西控工程对望虞河西岸地区防洪的影响

为了评估西控工程对望虞河西岸地区造成的防洪影响,以望虞河西岸为研究区域并结合其水文特性,构建了适合于模拟平原河网地区产汇流过程的MIKE11水文水力模型并利用当地降雨、水位等实测资料进行了率定。通过模拟50年一遇设计暴雨情况下的不同工况,得到研究区域内水系各节点的水位等要素变化情况,并依此分析了西控工程对望虞河西岸地区造成的防洪影响。结果表明:西控工程运行后,研究区域内重要节点的最高水位抬升明显,部分地区有遭受洪水淹没的风险;MIKE11水文水力模型对于分析平原河网地区河流沿线闸控影响具有较高的应用价值。     

基于改进的神经网络与支持向量机的小流域日径流量预测研究

数据驱动水文模型可以在不考虑复杂物理过程的情况下,实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据,分别构建粒子群寻优算法改进的神经网络(PSO-BPNN)以及支持向量机(PSO-SVM)模型。通过进行不同形式的模型结果比较发现,两类模型均有较好的拟合能力及泛化能力,其中基于三日流量数据的(PSO-SVM)模型具有最优模拟结果,可以考虑用于月潭流域日径流量的预测,实现流域内水资源的合理配置以及相关灾害的预防。