长江中下游水沙数值模拟研究

根据长江中下游水沙运动特征,采用水动力学、河流动力学和数值模拟技术相结合的技术途径,建立了一、二维混合的非恒定流非均匀沙非平衡输沙的数学模拟模型,对长江中下游干流、河网区和洞庭湖水沙运动及其河床变形进行了数值模拟,并在水沙模拟的范围内着重对河网区内水沙动边界的处理、河网汊点分流分沙计算模式、动床阻力和河湖交换模式等问题进行了讨论,提出了解决问题的途径和技术处理方法.为了验证模型的适应性和有效性,采用1981年至1989年10年长江中下游水文资料对所建模型进行了检验,模拟结果较好地反映了长江中下游干流、河网区和洞庭湖水沙输运特征和河道冲淤的宏观效应.     

闸控河网水文-水动力-水质耦合数学模型——I.理论

针对流域级闸控大型河网水环境日常管理的应用需求与实际特点,将资料适应性强的水文学方法与数据要求相对严苛的水动力-水质数值模型相融合,构建了一维与二维嵌套、分块组合的闸控大型河网水文-水动力-水质耦合数学模型DHQM（Hydrology, Hydrodynamics, and Water Quality Model for Impounded Rivers）。模型由河道径流模拟、闸坝调度过程模拟、河道水质模拟、区间入流及入河污染负荷估算和水质预警实时校正等5个模块组成。模型可服务于水环境实时预警和调度,也可为闸坝水文环境效应的量化提供基础工具。     

基于水动力学模型的沿海城市洪水实时演进模拟

为了准确分析洪涝灾害对防洪体系现状的影响，做出相应的防洪减灾措施，以浙江省台州市灵江下游流域为研究区域，构建了基于Saint-Venant方程的水动力学耦合模型，对河道溃决洪水过程进行实时仿真模拟。综合考虑研究区域地形、气象、水文资料、水利工程、下垫面条件等因素，在一维河网模型和二维水动力学模型耦合衔接中，最大程度还原真实地形中河槽内外的水流交互淹没，借助研究区域内典型台风暴雨资料，率定验证本文建立的一维-二维耦合水动力学模型，检验后的模型可实现灵江下游沿岸城市不同量级设计洪水及历史洪水的实时淹没过程模拟。模型计算结果表明，该模型模拟复杂地形条件情况下流域洪水实时演进过程达到了较高精度，在水系沿程典型断面水位计算值与实测值误差不超过0.1 m。     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

城市洪涝水文水动力耦合模型构建与评估

为降低暴雨洪涝灾害损失,利用数值模拟方法研究城市洪涝过程,提前获取可靠的洪涝水情信息,具有重要的现实意义。根据城市洪涝过程的水文水动力学原理和方法,以SWMM模型与自主研发的二维模型为基础,提出一、二维模型耦合的具体方法,通过水平和垂直方向的连接构建水文水动力耦合模型。研究提出基于DLL的一、二维模型耦合策略,以垂向连接问题为理论案例,将模拟结果与InfoWorks ICM软件结果进行对比分析,阐明该垂向连接方式的合理性。以广州市东濠涌流域为实际案例,构建了东濠涌流域城市洪涝水文水动力耦合模型,选用2场实测降雨对模型进行模拟分析,发现模型在一维排水系统排水能力和二维地表积水的模拟均具有较好的精度和可靠性。结果表明所提出的连接算法合理可行,所构建的水文水动力耦合模型具有一定的可靠性,对城市洪涝模拟分析具有较好的应用价值。     

新安江模型中河网汇流参数Cs的一种计算方法

新安江模型河网汇流参数Cs主要取决于河网形态及地貌特征规律,针对PUB（Prediction in Ungauged Basin）问题,从物理机理分析的角度,构建描述河网汇流动态变化的微分方程并给出适当的定解条件,用解析法得出微分方程的解,从而探索出在无实测水文资料地区适用的Cs计算方法。选取中国湿润地区和半湿润地区25个流域,统计并分析了各流域次洪模型的Cs计算值和率定值。结果表明,从总体来看计算值和率定值基本上相等;不论流域是否分块,提出的Cs计算方法均适用;当其他参数保持不变,虽然Cs取计算值时所得到的次洪模拟结果略逊于取率定值的模拟结果,但误差在可接受的范围之内,也能取得良好的模拟效果;如果令Cs取计算值,再重新率定其余的各项参数,能够使模拟精度得到进一步提高。采用该法可推求无实测资料地区的汇流参数Cs值,使模型在无资料地区的应用成为一种可能。     

冻土水热耦合模型数值求解及结果检验

首先对作者所建立的基于多孔介质理论的季节冻土水热迁移耦合模型进行数值求解;对模型方程进行修正, 并给出了模型方程中参数的确定方法。然后以长春松原公路段土体为研究对象, 对实际工程中冻结情况下水分迁移的情况进行预测;给定模型边界条件对模型求解, 将结果与野外实际监测结果进行对比。温度变化对比数据表明, 模型可以较好地预测终值情况, 而中间过程的误差较大, 但是趋势基本一致。水分迁移方向及量的对比数据表明, 模型计算结果要小于实测结果, 但是整体上计算结果与实测结果的变化趋势较一致, 且同样是和最终值吻合较好, 误差最小。结果表明, 模型计算结果可较好地模拟参数最终值, 但存在一定误差。     

喀斯特流域降雨-径流人工神经网络模型结构分析及模拟

喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。      

湖泊调蓄作用对河网计算的影响

分析了Muskingum法及其衍生的水动力学模型在水流计算中的优缺点,以及湖泊调蓄作用的计算方法,在此基础上建立了能够反映湖泊调蓄作用的河网模型,并采用荆江洞庭湖河网水系1996和1997年的相关资料进行了对比计算.结果表明,考虑湖泊的调蓄作用时,模型的计算值与实测值吻合较好,说明对湖泊调蓄作用的处理是较为符合实际情况的,所建模型具有较好的适用性.分析了湖泊调蓄作用对河网水沙数值计算影响的复杂性.     

杭嘉湖地区洪水演进水动力学模型研究

杭嘉湖地区地势低洼,河网密布,圩洼众多,洪涝水组成复杂,洪水调度十分困难。根据杭嘉湖地区的下垫面条件,利用加拿大一维水动力模型(1-DM)对杭嘉湖地区河网洪水演进进行了探讨。经验证,1-DM计算结果满意,有较好的使用价值。     

水流模拟智能化问题的探讨

对水流模拟的发展历史进行了总结,指出阻碍水流模拟发展的主要问题,提出克服这些瓶颈问题的方法是将智能科学与水利科学交叉融合,实现水流的智能模拟。据此,介绍了水流智能模型理论,结合遗传算法、模糊逻辑、元胞自动机、混沌分析理论、人工神经网络、专家系统、数据挖掘等智能理论和技术,对水流智能模拟的实现途径作了探讨,并指出建造一个优秀的水流模拟智能系统的关键是联合运用各种智能方法,认为智能化是当前水流模拟发展的新方向,水流智能模型将是水利科学的一种新的研究途径,并将在研究水流问题上具有广阔的应用前景。     

An application of artificial intelligence for rainfall-runoff modeling

This study proposes an application of two techniques of artificial intelligence (AI) for rainfall-runoff modeling: the artificial neural networks (ANN) and the evolutionary computation (EC). Two different ANN techniques, the feed forward back propagation (FFBP) and generalized regression neural network (GRNN) methods are compared with one EC method, Gene Expression Programming (GEP) which is a new evolutionary algorithm that evolves computer programs. The daily hydrometeorological data of three rainfall stations and one streamflow station for Juniata River Basin in Pennsylvania state of USA are taken into consideration in the model development. Statistical parameters such as average, standard deviation, coefficient of variation, skewness, minimum and maximum values, as well as criteria such as mean square error (MSE) and determination coefficient (R ²) are used to measure the performance of the models. The results indicate that the proposed genetic programming (GP) formulation performs quite well compared to results obtained by ANNs and is quite practical for use. It is concluded from the results that GEP can be proposed as an alternative to ANN models.     

Predicting longitudinal dispersion coefficient using ANN with metaheuristic training algorithms

A reliable prediction of dispersion coefficient can provide valuable information for environmental scientists and river engineers as well. The main objective of this study is to apply intelligence techniques for predicting longitudinal dispersion coefficient in rivers. In this regard, artificial neural network (ANN) models were developed. Four different metaheuristic algorithms including genetic algorithm (GA), imperialist competitive algorithm (ICA), bee algorithm (BA) and cuckoo search (CS) algorithm were employed to train the ANN models. The results obtained through the optimization algorithms were compared with the Levenberg–Marquardt (LM) algorithm (conventional algorithm for training ANN). Overall, a relatively high correlation between measured and predicted values of dispersion coefficient was observed when the ANN models trained with the optimization algorithms. This study demonstrates that the metaheuristic algorithms can be successfully applied to make an improvement on the performance of the conventional ANN models. Also, the CS, ICA and BA algorithms remarkably outperform the GA and LM algorithms to train the ANN model. The results show superiority of the performance of the proposed model over the previous equations in terms of DR, R ² and RMSE.     

基于不确定性分析框架的动态环状河网水质模型——以温州市温瑞塘河为例

以温州市温瑞塘河为背景,基于不确定性分析的框架,开发了动态环状河网水质模型。用HSY(Hornberger,Spear and Young)算法作水质参数的不确定性分析,求得模型参数的空间分布,从而提高模型使用的可靠性、降低决策的风险度。模型由水量子模型及水质子模型两部分组成:水量子模型采用圣维南方程并用四级解法求解;水质子模型采用CSTR(Continuously Stirred Tank Reactor)模型的机理,并结合环状河网特征作了修正,由于只需解常微分方程,因而避免了矩阵求解,显著提高了计算效率,使得用HSY算法进行不确定性分析成为可能。模型选取温州市温瑞塘河流域的鹿城区河网进行了首次应用,用HSY算法率定水质参数并讨论了参数的不确定性。对参数率定结果进行验证,结果比较理想。最后简要讨论了参数不确定性传递。     

巷道围岩参数的人工神经网络预测

应用人工智能方法解决地下工程问题,提出了预测巷道围岩参数的人工神经网络预测法,构造了预测围岩参数的神经网络模型。预测结果证明,该模型具有很高的预测精度。提出的方法有一定的实用价值和参考价值。     

基于改进BP网络算法的边坡稳定性评价

影响边坡稳定性的因素复杂且具有随机性和不确定性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络适用于解决非确定性的边坡稳定性评价问题。结合遗传算法的并行搜索结构和模拟退火的概率突跳特性,提出了一种用于BP网络权值学习的GASA混合策略,并综合考虑影响边坡稳定性的各方面因素,建立了基于GASA混合策略的神经网络模型,并利用大量工程资料对网络进行训练和测试,得出了一些有意义的结论。     

非饱和土吸力预测的进化神经网络方法

利用遗传算法和神经网络,基于不同类型,不同条件下非饱和土的吸力测试数据,建立了一种以含水量为主要因素,耦合密度、初始含水量、先期固结压力、孔隙比5个因素的吸力预测模型。预测结果分析表明,所建的模型能很好地拟合试验结果,从而,验证了该模型的合理性和可行性。     

基于BP神经网络的溶洞规模预测及应用

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。      

GIS数据融入遥感图像理解的模型初探

作者在本文中讨论了利用电磁波散射的数值计算、高光谱、人人智能进行遥感图像理解的现状，说明了地理信息系统（GIS）数据融入遥感图像理解的重要性，概述了GIS数据融入所面临的问题，指出了GIS融入遥感图像理解对处理系统的一般要求，分析了基于数据挖掘的专家系统、神经网络、进行计算的特点和性能。结合神经网络和进化计算能融合多源数据、高度并行、自适应、自组织能力和知识处理的能力，以及进化计算通过重组、变异和复制算法具有优化选择的功能，构建了基于进化计算的神经网络的GIS数据，并融入模型。模型中GIS属性数据惯穿遥感图像理解的全过程，是一种高层次的数据融合，且GIS数据特征的提取、处理和遥感图像理解是高度并行的。它是一种实现GIS数据融入遥感图像理解的有效途径。基于数据挖掘的专家系统也具有上述功能，但存在数据挖掘的困难。     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。