摘要:基于山东省2020年下垫面遥感数据及高分辨率DEM资料,从影响汇流的下垫面因子出发,按地貌-土地利用组合进行了汇流地类划分,并对全省53个不同面积的子流域汇流地类进行了分析。依据中国1∶100万数字地貌分类方案并结合山东省地貌实际情况,山东省地貌类型主要分为平原、丘陵和山地3类,平原、丘陵、山地之间的起伏度临界值分别为30、100 m,相应的坡度临界值分别为1.8°、5°；基于中国多时期土地利用遥感监测数据集土地利用分类系统,将耕地划分为水田和旱地,单列裸土地,最终将山东省土地利用分为8个大类；将地貌划分结果和土地利用划分结果进行叠加,划分山东省汇流地类为平原-旱地、平原-建设用地、丘陵-旱地等22类,其中平原-旱地面积占比最大；从子流域汇流地类平均情况来看,随着子流域面积增加,汇流地类数不断增加直至稳定,而最大汇流地类占比不断减小直至稳定。

摘要:分别采用MIKE模型和ArcGIS平台搭建洪水风险自然属性和社会属性空间信息格网并进行格网叠加,构建洪水风险评价指标体系,利用层次分析法和熵权法确定主客观权重,进而计算得出洪水风险综合指数并对南京市秦淮区3个相邻街道进行洪水风险评估。结果表明:不同降雨强度下,洪水风险综合指数西北部较高、东南部较低、易受损敏感区相对较高；随着降雨强度增大,洪水风险综合指数较高的区域范围不断扩大；研究区主要积淹点均处于洪水风险综合指数较高区域；基于空间信息格网的洪水风险评估可为精细化、动态化的洪水灾害风险评估与洪水管理提供参考。

摘要:为了更加准确地判断模型水轮机是否发生空化现象,提出了一种基于图像识别的模型水轮机多态图像智能识别方法。该方法通过机器预处理及二值化处理对目标水轮机转轮图像进行特征提取,并构造目标特征矩阵；将该目标特征矩阵与经专家库得到的修正系数或修正区间相乘后输入到空化识别模型中,并与模型中存储的模板图像的修正特征矩阵进行比对,实现模型水轮机的空化识别。工程应用结果表明:该方法的识别准确率约为80%,存在少许“错杀”现象,但可以满足使用要求；相较于现有方法,该方法不仅能提高水轮机空化识别的速度,还能提高识别质量,实现水轮机空化检测的智能化、数字化、简单化。

摘要:为分析渠坡变形破坏机理,针对新疆某输水明渠工程的湿陷性黄土进行了固结排水和固结不排水三轴剪切试验,并通过改进的邓肯-张模型对三轴剪切试验曲线进行了模拟,同时与邓肯-张模型和驼峰型三次曲线模型进行了对比分析。研究结果表明:随着围压增大,固结排水试验的应力-应变曲线和体变曲线均由软化型转变为硬化型；固结不排水试验应力-应变曲线均为硬化型,孔压曲线均表现为软化型；固结排水试验得到的有效黏聚力大于固结不排水试验得到的黏聚力,固结排水试验得到的有效内摩擦角与固结不排水试验得到的内摩擦角相差较小；改进后的邓肯-张模型参数共有9个；邓肯-张模型不能合理描述软化型三轴试验曲线,驼峰型三次曲线模型对强软化型三轴试验曲线契合度较差,而改进的邓肯-张模型能够较好地描述各种形态的湿陷性黄土三轴试验曲线,有较好的准确性。

摘要:为深入理解水泥基毛细吸力与含水量的关系,采用分形几何学方法和毛细管理论提出了考虑孔隙分形特征的水泥基毛细吸力预测模型。该模型通过建立分形模型参数与试样配合比的拟合关系,实现了不同配合比水泥基毛细吸力的快速预测。基于相对湿度法开展了水泥基孔径分布测量验证试验,结果表明:不同配合比(水、灰、砂)水泥基试样孔隙均具有明显分形特性,可用Menger海绵体分形模型较好描述；毛细吸力模型预测结果与验证试验测试结果的偏差主要集中在±20%以内,模型可以较为准确地预测水泥基毛细吸力与含水量的关系。

摘要:为研究孔隙相对含冰量影响下的水泥砂浆力学性能演化规律,基于周期性温变作用下水泥砂浆的电阻率测试结果,计算并分析得到水泥砂浆相对含冰量时程变化规律,并利用PPR建模技术建立了不同相对含冰量影响下的相对抗压强度计算模型。结果表明:周期性温变作用下,水泥砂浆电阻率与相对含冰量呈现较强的相关性,建立的计算模型能较好地预测周期性温变作用下相对抗压强度随水泥砂浆的水胶比、饱和度、循环次数、最大相对含冰量的变化。

摘要:为科学评估平原水网地区内涝治理效果,以昆山市淀山湖镇为研究对象,基于MIKE FLOOD模型,耦合一维河网、二维地形和一维管网模拟了平原水网地区城镇内涝情况。采用实测降雨数据对模型进行了率定和验证,并模拟了2年一遇、5年一遇、10年一遇和20年一遇4种重现期降雨条件下现状和治理后的最大淹没水深。模拟结果表明: 20年一遇降雨条件下内涝范围变化明显,其余3种重现期降雨条件下内涝范围变化不明显；对于降雨重现期较小条件下的城市内涝治理,应优先考虑管网改造,而针对短历时的强暴雨事件,应优先考虑海绵城市设施建设改造；为了应对不同重现期、短历时降雨造成的城市内涝风险,应在管网改造的基础上配合海绵城市设施建设改造。

摘要:为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型；IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高；WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。

摘要:为了解决城市洪涝模拟精细地形数据难以获取的问题,提出了一种考虑管网数据、道路数据和建筑物数据等多源数据融合的城市洪涝模拟高精度地形构建方法。以唐山市龙王庙河周边区域作为实例验证研究区域,基于该方法构建的DEM建立了研究区城市雨洪模型(GAST-SWMM耦合模型),并对两场降雨条件下的雨洪过程进行了模拟,模拟得到的积水位置与实际积水位置相吻合,其中一场降雨条件下两处水位的纳什效率系数分别达到0.92和0.87,水位峰值相对误差为3.35%和3.63%,验证了方法的有效性,表明采用该方法构建的DEM能够较好地反映研究区域的地形特征,可满足城市洪涝模拟的精度要求。

摘要:基于水位、流量、降水量长序列数据资料,构建了采用粒子群优化(PSO)算法进行超参数寻优的长短期记忆(LSTM)神经网络模型(PSO-LSTM模型),对位于江南运河苏州吴江段平原河网中心的平望站的汛期水位进行了预见期为1~3.d的短期预报,并与基于PSO算法的支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)以及门控循环单元(GRU)模型的水位预测结果进行了对比,同时探究了水利工程对水位预报精度的影响。结果表明:对于预见期为1~3.d的短期预报,PSO-LSTM模型具有较高的预测精度,但随着预见期的增长,预测精度逐渐降低；相较于PSO-SVM、PSO-RF、PSO-CNN和PSO-GRU模型,PSO-LSTM模型的平均绝对百分比误差更低,预测效果更好；PSO-LSTM模型能够较有效地进行汛期平原河网的水位预测,且加入水利工程等人工调控影响因素能够提升水位预测效果。

摘要:为确保颜洞、燕子洞提水回补异龙湖水体水质满足要求,对异龙湖流域泸江河团山—颜洞—燕子洞段水质状况和污染源开展了调查分析,结合该河段水质污染现状,设计了河道全方位的拦截、吸收、净化等措施组合的原位河流治理系统方案并开展了试验验证。结果表明:该河段污染严重,总氮质量浓度严重超标,岩溶污染突出,水质类别属于Ⅳ类及Ⅳ类以下；原位河流治理系统方案可使河道水质总氮污染得到明显改善,模拟河道上覆水、间隙水总氮质量浓度呈下降趋势,对上覆水总氮的实际平均削减率为49.99%。

摘要:为确保入黄排水沟水质稳定达标,实现黄河流域生态保护及高质量发展,应用WQI-DET指数和水质主成分分析指数(PCAI)两项综合水质指标分析了宁夏入黄第三与第五排水沟石嘴山段2020—2022年水质时空变化特征,并结合曼特尔检验和事后多重比较法从自然因素与人类因素两方面探究了排水沟水质变化驱动因素。结果表明:排水沟贺兰段断面水质达标率最低(第三排水沟57.6%,第五排水沟69.4%),第三排水沟污染源多,治理难度大,第五排水沟污染源少,水质稳定；农田退水污染主要发生在灌溉前期,灌溉中期与冬灌期的农田退水可对河道起净化作用；第五排水沟灌溉前期多项指标与其他时期存在显著差异( p < 0.05)；自然因素对排水沟水质无显著影响,当地污染源以生活污水和工业废水为主。

摘要:针对土石坝运行安全评价中指标间相互影响、主客观权重赋值不够合理以及隶属区间模糊性等问题,提出了一种土石坝运行安全评价的改进组合赋权-云模型。以运行期土石坝为对象,构建了土石坝安全评价指标体系,分别采用G1法和改进熵权法对评价指标进行主客观赋权,融合博弈论思想求解最优权重组合系数,并引入云模型理论降低评价过程中隶属区间的模糊性。对某土石坝安全状态进行评价并与两种传统组合赋权法进行了对比,结果表明,3种评价方法的评价结果相近且与实际情况相符,但改进组合赋权-云模型考虑了评价指标间的关联性,运用博弈论思想使主客观权重赋值更加合理,能更客观地反映土石坝的真实运行状态。

摘要:针对混凝土坝变形监测数据的非线性和复杂性等特征,为提高混凝土坝变形预测的精度,提出了一种基于改进经验模态分解(EMD)法和长短期记忆(LSTM)神经网络的混凝土坝变形预测模型。该模型采用小波阈值方法对EMD法分解的高频分量进行优化处理,在去除数据噪声的同时,尽可能保留原始数据的特征信息,并运用LSTM神经网络对处理后的数据进行时序预测。实例验证结果表明,该模型能够准确模拟坝体变形过程,具有较高的预测精度。

摘要:针对现有基于经典线性回归方法或浅层机器学习技术的混凝土坝变形预测模型在提取环境量因子复杂特征与学习变形-环境量长期依赖关系上的不足,提出了基于Inception模块与自注意力机制改进的门控循环单元(GRU)的混凝土坝变形预测模型。该模型综合运用了Inception模块的特征提取能力和GRU的长期依赖性学习能力,可从不同尺度提取大坝环境量监测序列的特征并进行大坝变形的长期预测,同时通过引入注意力机制,降低了学习多种环境因子特征时的模型过拟合风险。某特高混凝土双曲拱坝工程实例验证结果表明,该模型在典型监测点的预测性能都优于其他常用的浅层或深度学习模型,可用于混凝土坝变形预测。

摘要:为解决深度学习算法难以有效检测混凝土坝水下裂缝的问题,构建了基于MobileNetV2-DeepLabv3+的混凝土坝水下裂缝语义分割模型。该模型引入轻量化网络MobileNetV2,同时将深层特征下采样倍数降为8,以提高小数据集工况下的识别准确率和推理速度；将交叉熵损失函数与Dice损失函数的组合作为模型的损失函数,以缓解类别不平衡问题。工程实例验证结果表明:该模型在测试集上的平均像素准确率和平均交并比分别高达90.87%和86.33%,满足水下裂缝语义分割精度要求；典型工况下的混凝土坝水下裂缝的分割效果优于其他对比模型,泛化能力强；模型具有内存占比小、推理速度快的特点,可用于混凝土坝水下裂缝的检测。

摘要:针对目前特高拱坝实时风险率模型存在过于依赖监测统计、难以联系结构物理特征和临界状态、实测资料与临界状态间映射关系模糊等问题,提出了一种基于有限元正反分析的特高拱坝实时风险率模型。该模型基于麻雀搜索算法(SSA)和多输出支持向量回归(MSVR)反演确定坝体与地基综合物理力学参数,通过塑性应变能判据计算极限状态下的大坝服役超载安全系数,确定临界变形值,并根据工程可靠度理论及拱坝安全规范,得出实时风险率。西南地区某特高拱坝的实例验证结果表明:该模型可有效联结特高拱坝变形监测资料与工程临界状态间的关系,提升坝体弹性模量与坝基变形模量的反演效率,实现特高拱坝的结构安全监控预警,可用于特高拱坝长期工作性态评估和风险率实时管控。