LSTM神经网络和量纲分析法在弧形闸门过流计算中的对比

为保障工程建筑物的合理设计、输水渠道的科学调控及调水系统的安全运行,需对弧形闸门过闸流量进行精确计算。以南水北调中线工程干渠59座节制闸为研究对象,建立基于量纲分析法和长短期记忆神经网络两种不同的弧形闸门流量计算模型,选取2018—2019年2 h时间尺度的原始观测数据作为模型输入,对比分析两种模型闸门流量计算的平均绝对误差、平均相对误差、均方根误差及纳什效率系数。结果表明：对于工程整体而言,长短期记忆神经网络方法的误差结果略优于量纲分析法,两者流量平均相对误差分别为2%~2.5%和3%~4%。另外,量纲分析法受水位波动影响较大,更适用于中线工程中下游（中、小流量）的闸门过流计算;长短期记忆神经网络方法受水位波动的影响相对略小,更适用于中线工程中上游（大、中流量）的闸门过流计算。该研究为南水北调中线工程闸门水力计算及调度运行提供了科学依据。     

数据包络分析在灌溉效益评价中的应用

本文分析了评价灌溉效益的众多指标,其中包括很多不能量化的非经济指标,基于投入—产出的思想将评价灌溉效益的诸指标分为投入指标和产出指标两大类,对灌溉效益进行综合评价,最后利用数据包络分析模型的二阶段法进行求解,并将其运用到实际中。     

北京市村镇集中供水厂运行管理现状分析及建议

集中供水厂是北京市村镇供水主要模式之一,通过对北京市124处集中供水厂管理模式、水源保护、消毒设施安装运行和水质监测等调查分析,剖析了集中供水厂运行管理存在的主要问题,并提出了解决问题的思路,为供水工程的良性运行管理提供参考。     

新P-Ⅲ型参数优化准则的探讨

本文将排序后的样本点看作是一组次序统计量的一次赋值,以样本点和相应次序统计量期望值之间的距离为依据,建立了新的P-Ⅲ型参数优化准则,并在此基础上使用十进制编码遗传算法来求解参数,结果表明新的参数优化准则计算结果优于矩法计算结果。     

数据挖掘技术在陡河水库洪水预报中的应用

利用人工神经网络和遗传程序设计建立了洪水预测模型,将其应用于陡河水库洪水预报,根据实测数据对降水、前雨与净雨的关系进行了挖掘。结果表明:这种方法避免了事先建立具体数学表达式的不足,可以自动寻找最优结构,并具有较高的精度。     

数据包络分析在城市供水效率评价中的应用

为了提高城市供水效率,缓解我国城市用水危机,首先应对城市供水效率进行科学地评价,这是一个复杂的多指标综合评价的问题。在详细分析众多城市供水效率评价因素的基础上,建立了基于数据包络分析理论的城市供水效率相对有效性的评价模型,并将该模型应用于实际之中,结果表明该方法不仅对输入、输出数据有很大包容性,而且不需要预先给出指标的权重,比传统方法更加方便、有效。     

北京市灌区专项普查成果分析与探讨

2010—2012年完成了北京市第一次水务普查,灌区专项普查是本次普查的第7个专项。通过普查,摸清了全市灌溉面积,掌握了北京市灌区各项信息和农业灌溉情况,对实现北京市农业灌溉精细化管理以及灌溉水资源的高效利用有着重要的意义。通过对普查数据的详细分析,探讨了目前北京市在农业灌溉方面存在的不足,并提出了加强农业高效节水、加大灌区技术改造及挖掘灌溉再生水利用潜力的建议。     

人工神经网络在流量计率定中的应用

南水北调中线各节制闸、分水口门处均设置了流量计。分水口门处的流量测量是分水水量计量的依据,节制闸的流量数据是输水调度的重要参考,流量计的率定是至关重要的工作。传统率定流量计的方法是通过水文精测法对流量计测量数据进行修正,一般根据比测数据的大致分布,人工选择数学函数拟合流量计与流速仪所测流量数据之间关系。这种方法在函数形式的选择上存在较大的人为随意性,并且往往需要多次试验,反复比较才能找到较为满意的线型,工作量大。针对上述问题,将人工神经网络应用于南水北调中线京石段滹沱河节制闸流量计率定中,对32组实测样本进行数据拟合,绝对值误差和为7.715,而传统利用二次函数进行拟合的误差为8.019,人工神经网络拟合精度较高,且该技术能够根据实测数据自动生成回归模型,适应性强,有较好的推广应用价值。     

北京市村镇供水工程水费收取现状分析与对策研究

目前北京市基本建成了农民安全饮水基础设施保障体系,为了解村镇供水工程运行管理情况,调查分析了北京市123处集中供水厂和3 500处村级供水站水费收取情况,剖析了目前北京市村镇供水工程水费收取存在水费收取率低、水资源浪费严重、水费征收机制缺失及供水工程运行经费短缺等制约村镇供水工程良性运行的问题,由此提出加大宣传提高农民用水缴费意识和完善村镇用水收费机制等相关对策建议,以此来保障村镇供水工程的良性运行。     

基于混沌优化神经网络的农业干旱评估模型

基于人工神经网络拟合函数的原理，建立了计算农业干旱程度的评估模型。通过拟合农业干旱程度的概率分布函数，对农业干旱的概率分布进行了研究。该模型可以在随机变量具体分布未知的情况下，拟合出其概率分布函数。在网络训练方法的选择上，将混沌优化算法和梯度下降法相结合，使计算能够迅速收敛到全局极小点。以河南省濮阳市渠村灌区为例，计算出当地农业干旱程度的概率分布，验证了该模型的有效性，表明该模型能够很好的用于农业干旱的评估。