人工神经网络在水库优化调度中的应用

本文介绍了人工神经网络基本原理和常用的前馈式网络模型,并将该模型理论应用到水库优化调度之中。详细描述了水库优化调度的神经网络模型的特点和优点,并以工程实例证明了此方法可行性。     

水库灌区水资源管理信息系统

通过对水库灌区系统的剖析，提出中小水库灌区系统的概念性模型，设计了表述灌区渠系及用户的树状数值结构和灌区网状数据结构，开发了通用水库灌区系统生成模块和交互式优经配水模块，适宜于一般灌区水资源信息管理。     

人工神经网络在黄河下游灌区的应用研究

人工神经网络误差反传前馈网络(BP神经网络)在水科学领域应用最为广泛。运用BP神经网络对黄河下游引黄水量进行了预测，采用1983—1992年资料建立了引水量与降水量、灌溉面积、灌溉定额的多元线性回归模型，对计算的引黄水量进行比较。结果表明，BP法精度明显高于线性回归法。     

云南蜻蛉河大型灌区水库联合优化调度

针对蜻蛉河大型灌区在干旱条件下的水资源供需矛盾突出的问题,选取径流资料、灌区用水资料和水库资料建立了灌区水库优化调度模型。结果表明:在保证率为75%的情况下引水总量为668.25万m3;其中胡家山水库引水最多,大康郎水库引水最少。     

宝鸡峡灌区多水库联合调节

针对宝鸡峡灌区缺水的状况及其日益严峻的形势，合理、充分利用渭河林家村以上主要支流及干流的水资源，增加灌区供水水量，对灌区工农业生产及国民经济发展具有重大意义。本文针对灌区引水系统结构复杂、影响因素较多的特点、进行灌区多水库联合调节程序的开发设计、期望合理解决多水库联合调度运行问题。     

BP人工神经网络在岩体质量分级中的应用

通过金沙江某水电站的野外地质调查获取了丰富的基础地质资料后,针对其地质特点,提炼出岩石单轴抗压强度(R)、岩石质量指标(RQD)、岩体风化程度、节理组数(Jn)、节理粗糙系数(Jr)、节理蚀变系数(Ja)和地下水状态7个对岩体质量起控制作用的因素作为神经网络模型的输入变量。基于MATLAB软件平台设计的人工神经网络,通过具有较强代表性的116组样本数据的训练得到了稳定性好、可信度高的岩体质量分级网络模型。在对36组测试数据分析后,发现该模型的仿真结果具有较高的准确度和良好的吻合度,能够满足实际工程需要。     

数字水库灌区自动化监测调度系统研究

雪野水库灌区为大型灌区，位于莱芜市西北部，跨9个乡镇、办事处，南北长21．6km，东西宽20．8km，设计灌溉面积2．03万hm^2，有效灌溉面积1．49万hm^2。全灌区多年平均浅层地下水开采量3554万m^3，多年平均降雨量733mm，水库多年平均来水量9137万m^3，基本能够满足农业用水。但随着     

自压喷灌在常峪口水库灌区中的应用

自压喷灌在常峪口水库灌区的修建应用过程中采取了一系列工程措施和技术措施，解决了面积大，压力大，技术难度大，管线长和运行复杂等难题，满足了自压喷灌多项技术指标，效果良好。     

Mike Basin水资源模型在水库调度中的应用介绍

Mike Basin是由丹麦水利研究院研发的综合性水资源数学模型软件.介绍了该模型的功能、用途,分析了Mike Basin水资源模型针对水库复杂调度过程中遇到的一些问题,通过自身计算引擎的二次开发,以及使用VBA及C#等程序语言,完成高级水库调度规则程序的设置,解决了水资源模拟过程中的水库下游用水户供水及水库预警泄流等复杂问题.为大尺度、多流域.多用户.多任务的水资源分配及管理的提供了一种科学的模拟解决方法.     

都江堰灌区水量调度与紫坪铺水库运行方案研究

本文就紫坪铺水库建成运行后给都江堰渠首枢纽的水量调度上带来的影响,分析紫坪铺水库调度与都江堰供水之间的矛盾,探讨解决矛盾的方法,使有限的水资源能发挥出更大的综合效益,实现古堰的可持续发展。     

A Neural Networks Approach for Deriving Irrigation Reservoir Operating Rules

A neural networks approach is applied to the derivation of the operating rules of an irrigation supply reservoir. Operating rules are determined as a two step process: first, a dynamic programming technique, which determines the optimal releases byminimizing the sum of squared deficits, assumed as objective function, subject to various constraints is applied. Then, theresulting releases from the reservoir are expressed as a functionof significant variables by neural networks. Neural networks aretrained on a long period, including severe drought events, andthe operation rules so determined are validated on a differentshorter period. The behaviour of different operating rules is assessed by simulating reservoir operation and by computing several performance indices of the reservoir and crop yield through a soil water balance model. Results show that operating rules based on an optimization with constraints resembling real system operation criteria lead to a good performance both in normal and in drought periods, reducing maximum deficits and water spills.     

首件制在港口湾水库灌区工程中的应用

为提升水利工程建设质量管理水平,实行首件制质量管理很有必要。本文以港口湾水库灌区工程混凝土渡槽槽身预制和水闸现浇混凝土底板为例,分析首件制在水利工程中的管理模式、应用流程,通过首件工程选定、施工准备、工序实施、检查与纠偏、验收与评价等流程开展首件制质量控制。结果表明,首件制的实行,可以改进、完善施工工艺,有效提升工程质量。     

门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

黄口堰水库灌区渡槽设计研究

黄口堰水库灌区龙角上渡槽总长169 m,是1座矩形简支钢筋混凝土渡槽。在龙角上渡槽的设计中,对不同的断面型式进行了结构内力计算,以验证设计断面的合理性,并探讨了不同槽身断面、跨度对槽身抗裂性能、弯曲性能的影响。     

人工神经网络与遗传算法在多泥沙洪水预报中的应用

由于水沙作用机制和演进规律的复杂性，以及河道形态变化等因素，多泥沙洪水预报一直是洪水预报的难点，对高含沙洪水快速、准确的预报是多年来国内外专家十分关注的课题。作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。检验结果表明，该方法能够较好地识别多泥沙洪水的演进规律，对水位、流量和含沙量都能进行合理预报。     

Joint Application of Artificial Neural Networks and Evolutionary Algorithms to Watershed Management

Artificial neural networks (ANNs) have become common data driven tools for modeling complex, nonlinear problems in science and engineering. Many previous applications have relied on gradient-based search techniques, such as the back propagation (BP) algorithm, for ANN training. Such techniques, however, are highly susceptible to premature convergence to local optima and require a trial-and-error process for effective design of ANN architecture and connection weights. This paper investigates the use of evolutionary programming (EP), a robust search technique, and a hybrid EP–BP training algorithm for improved ANN design. Application results indicate that the EP–BP algorithm may limit the drawbacks of using local search algorithms alone and that the hybrid performs better than EP from the perspective of both training accuracy and efficiency. In addition, the resulting ANN is used to replace the hydrologic simulation component of a previously developed multiobjective decision support model for watershed management. Due to the efficiency of the trained ANN with respect to the traditional simulation model, the replacement reduced the overall computational time required to generate preferred watershed management policies by 75%. The reduction is likely to improve the practical utility of the management model from a typical user perspective. Moreover, the results reveal the potential role of properly trained ANNs in addressing computational demands of various problems without sacrificing the accuracy of solutions.     

雪野水库灌区节水措施与效益分析

雪野水库灌区节水改造工程方案设计新颖、投资省;防渗效果好、糙率小、输水速度快,节水效果明显;带动了灌区灌溉管理制度改革,灌区各村自发成立了农民用水户协会,形成了民主管理、自我管理、共同受益的局面.     

Application of Artificial Neural Networks to Project Reference Evapotranspiration Under Climate Change Scenarios

Water Resources Management - Evapotranspiration is sensitive to climate change. The main objective of this study was to examine the response of reference evapotranspiration (ET0) under various...