基于D8算法和Dinf算法的水系提取研究

目前基于DEM提取水系研究较多,采用的方法不同,但对于对比不同方法的研究较少。以福建省为实验样区,采用SRTM DEM高程数据,对比分析了单流向算法(D8算法)与多流向算法(Dinf算法)提取水系结果。结果表明:Dinf算法提取的水系质量优于D8算法,但其计算过程较D8算法复杂;在平坦区域和大河流区域中,Dinf算法改善了D8算法容易产生的"平行伪河道"问题,生成的河网会比较圆滑、自然。     

栅格流向算法在山丘区水系提取中的应用评价

流向算法对于流域特征提取和分布式水文模型研究起着关键作用。选取3个研究区(夺底沟、姜湾、杜家湾研究区),使用30 m分辨率DEM数据,从集水面积灰度图、集水面积累积频率分布、相对差系数、实际效果以及运行时间5方面对目前常用的6种流向算法(D8、D8-LTD、rwflood、MFD、Dinf和MDinf)进行的对比分析结果显示,不同算法之间的相似性存在着较大差异;多流向算法还原河道的准确性优于单流向算法,rwflood算法准确性最差;不同流向算法运行时间差距明显,流向算法的选取应综合考虑精度与速率需求。     

基于不同分辨率DEM提取坡度值的转换关系研究

基于DEM提取计算单元坡度是分布式水文模型构建的重要手段之一,通过研究不同分辨率DEM对WEP-L模型计算单元坡度的影响及其转换关系,为模型计算中坡度与其他运算量之间非线性关系带来的计算精度与计算效率之间的矛盾提供解决方案。以NASA发布的30 m分辨率DEM数据为基础,以不同尺度流域(南小河沟流域,面积36.3 km~2;泾河流域,面积4.5万km~2)为研究对象,利用分形结合半方差函数的方法分析低分辨率DEM提取的计算单元坡度向高分辨率DEM提取的坡度信息转换的规律。研究发现以30 m分辨率DEM为基础提取的子流域套等高带结构能够很好地反映南小河沟流域地形"坡度等高分布"的特点;利用分形结合半方差函数的形式能够有效地实现基于低分辨率DEM提取的流域基本计算单元坡度向"真实"地形坡度值转换。根据模型计算需求,给出了不同分辨率DEM数据提取坡度值的转换关系。本研究可为分布式水文模型搭建面临的计算精度与计算效率矛盾问题提供借鉴和参考。     

数字孪生基础数据底板DEM修正方法研究

DEM是最重要的数字孪生基础数据之一，在水利规划设计以及工程建设等领域发挥了巨大的作用。然而各类DEM误差的存在不同程度地降低了分析与应用结果的可信度，特别是地形转DEM后的缺失值大大限制了后续基于DEM的分析使用。从栅格计算原理出发，通过Python调用ArcGIS相应的工具，对某区域的地形转DEM后接幅处出现的缺失值，采用该像元周边8个有值像元的均值来修正。结果表明：计算方法适用性强，结果可靠，计算速度快。研究区域内306个NoData像元的修正值和比较值的数据紧靠1∶1线，修正值和比较值的最大差值仅为3.55 m,中误差值0.75,远低于规范的误差限。通过Python调用Numpy,极大提高计算速度(本次计算用时10 s),而ArcGIS暂时没有该方法的直接修正工具。因此，提出的DEM修正方法可批量处理，不存在内存限制处理失败的情形，极大提高工作效率，对数字孪生基础数据处理有较强的应用价值。     

DDRM模型在渠江流域的应用研究

为了进一步探究分布式水文模型(DDRM)的适用性,基于渠江流域的数字高程模型(DEM),提取了研究区域的边界、河网水系,计算了研究区域的地形指数;然后采用基于DEM的DDRM模型进行流域降雨-径流过程模拟,并用确定性系数、洪峰相对误差、峰现时间误差等对DDRM模型的模拟精度进行了评价;同时,对比分析了不同DEM栅格分辨率(1 km和2 km)对模型模拟精度的影响。结果表明:基于上述2种分辨率的DDRM模型在渠江流域降雨-径流模拟中均取得了较好的模拟效果,其中基于1 km栅格的DDRM模拟精度略优于2 km栅格。DDRM模型结构简单,参数较少、物理过程明确,而且能够模拟流域土壤含水量和径流量的空间分布,可为缺资料地区水文模拟提供一种新的方法。     

高分辨率数字高程模型的构建方法

高分辨率数字高程模型(DEM)是正确计算坡度坡向、提取流域地形特征、进行水文分析的前提。本文以黄土高原典型丘陵沟壑区小流域为例，基于大比例尺(1∶10?000)数字化地形图和专业化DEM插值软件ANUDEM，探讨了ANUDEM在应用中的几个重要参数的取值，建立了高分辨率DEM，并对拟合DEM的质量进行了评价。研究表明，最佳分辨率为等高线间距的一半，一般为5m或2.5m，第二糙度系数为0.8，计算迭代次数为20～30次。ANUDEM建立的DEM表面光滑，回放等高线与原等高线符合度高，能真实地表现地形起伏，由其提取的水系与流域沟谷完全吻合且连续完整，适宜水文分析，是一种建立高质量DEM的优良方法。     

DEM在流域水文特征分析中的应用

简要介绍了数字高程模型（DEM）的结构和各类。总结了过去30多年来利用DEM提取流域特征的技术基础和算法，认为树状流域结构理论模型是一切算法的基础，最陡坡度法和窗口滑动技术是一切算法的出发点。着重介绍了基于流向分析和汇流分析的流域特征提取方法和过程，并给出了一个计算实例。     

基于相似测点残差信息挖掘的大坝变形异常值识别方法研究

为了提高监测数据中异常量的识别精度，提出了一种基于相似测点残差信息挖掘的大坝变形异常值识别方法。通过EMD算法进行相似测点变形的残差分离；基于变形残差与测点变形的相关性定量地研究测点间的残差权重，进而采用LSTM算法对变形测值进行训练得到估计变形量；最后建立异常值识别空间并分析变形中的异常值。由工程案例计算可知，该变形异常值识别方法可靠，精度高。     

适用于大尺度水文气候模式的DEM洼地填充和平坦区处理的新方法

针对传统的DEM(Digital Elevation Model)洼地和平坦区处理方法存在的速度慢等问题,提出了新的DEM处理方法。新方法由两个新算法组成:其一为DEM快速分位数分类算法,此算法先利用DEM的统计特征计算出分位数,然后分类,其时间复杂度仅为O(N),速度远大于传统分类方法的O(NlogN);其二为对分类后洼地和平坦区处理的新算法,此算法从高程最小的一类开始逐类处理,直到处理结束。用90m DEM对不同方法进行评价的结果表明:新方法在保证结果准确性前提下显著提高了DEM洼地和平坦区的处理效率。而且,新方法除了可将洼地填平之外,还可对洼地增加微小高程,生成无平坦区的DEM。新方法已成功地应用到地形指数的计算及TOPMODEL水文模拟,还适用于基于DEM的大尺度水文气候模拟与分析。     

基于分形的小流域水系演化试验研究

为揭示小流域水系演化特征,以高精度DEM为试验数据,在提取不同时期水系的基础上,应用网格法和基于Horton定律的方法对其分维值进行了计算分析。结果表明,模拟小流域河网分维值在早期快速增长,流域发育活跃,后期分维值均有一定程度的减小,流域发育活动趋于稳定;通过与面积高程积分值及地貌信息熵值进行验证比对,根据Horton定律计算的水系分维值对流域发育阶段的量化更加准确、可靠。     

岩质边坡稳定性时程分析下限法研究

基于动力学理论、塑性极限分析下限法理论、块体单元离散技术以及数学规划理论,提出了一种岩质边坡地震动力稳定性的时程分析下限法。首先使用块体单元离散岩质边坡,然后采用拟动力法原理计算块体单元形心的地震时程加速度,最终建立符合平衡方程、屈服条件、力边界条件的岩质边坡地震动力稳定性的线性数学规划模型,最后使用数学规划算法求解模型,获得地震作用下岩质边坡稳定性安全系数随时间的变化规律。相对于拟静力法只能得到单一的边坡安全系数值,本方法可以获得边坡安全系数的时程曲线和内力时程曲线。本方法概念明确、理论严谨、计算精度和效率高,可将其应用于岩质边坡的动力稳定性计算领域,为岩质边坡的抗震设计提供参考。     

边坡临界滑动面确定的蛙跳算法

将蛙跳算法引入到边坡极限平衡稳定性分析中,详细介绍了蛙跳算法的流程,并对典型土坡进行了计算分析,结果表明:蛙跳算法搜索到的最危险滑动面上较多的点位于软弱夹层内,所得到的安全系数比遗传算法结果更为合理。通过正交试验分析了蛙跳算法各个参数对计算结果的影响,并给出了推荐的参数取值。     

改进WOA-指数幂乘积模型在基坑变形预测中的应用

为提高基坑变形预测精度,提出基于拉普拉斯交叉算子(LX)改进的鲸鱼优化算法(LXWOA)优化的指数幂乘积(EPP)基坑变形预测模型。选取4个标准测试函数对LXWOA进行仿真验证,并与基本鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、正弦余弦算法(SCA)、粒子群优化(PSO)算法的仿真结果进行比较。利用LXWOA对EPP模型的指数参数进行优化,构建LXWOA-EPP变形预测模型,并构建WOA-EPP、GWO-EPP、SCA-EPP、PSO-EPP模型与LXWOA-SVM、LXWOA-BP模型作对比,以文献基坑监测数据为例进行实例研究,分别利用自相关函数法和虚假最邻近法确定实例延迟时间和嵌入维数,构建模型输入、输出向量,利用实例前15期和后3期监测数据对各模型进行训练和预测。结果表明:LXWOA搜索能力优于WOA、GWO、SCA和PSO算法,具有较好的寻优精度和全局搜索能力。LXWOA-EPP模型对实例预测的平均相对误差绝对值、平均绝对误差、均方根误差分别为0. 18%、0. 008 mm、0. 009 mm,均优于WOA-EPP等6种模型和文献预测精度,表明LXWOA能有效优化EPP模型参数,LXWOA-EPP模型用于变形预测是可行和有效的,模型及方法可为其他相关预测研究提供参考。     

Application of New Hybrid Optimization Technique for Parameter Estimation of New Improved Version of Muskingum Model

The Muskingum method is one of the most utilized lumped flood routing model in which calibration of its parameters provides an active area of research in water resources engineering. Although various techniques and versions of Muskingum model have been presented to estimate the parameters of different versions of Muskingum model, more rigorous approaches and models are still required to improve the computational precision of calibration process. In this study, a new hybrid technique was proposed for Muskingum parameter estimation which combines the Modified Honey Bee Mating Optimization (MHBMO) and Generalized Reduced Gradient (GRG) algorithms. According to the conducted literature-review on the improvement of Muskingum flood routing models, a new six-parameter Muskingum model was proposed. The hybrid technique was successfully applied for parameter estimation of this new version of Muskingum model for three case studies selected from literature. The obtained results were compared with those of other methods using several common performance evaluation criteria. The new hybrid method with the new proposed Muskingum model perform the best among all the considered approaches based on most of utilized criteria. The new Muskingum model significantly reduces the SSQ value for the double-peak case study. Finally, the achieved results demonstrate that not only the hybrid MHBMO-GRG algorithm overcomes the shortcomings of both phenomenon-mimicking and mathematical optimization techniques, but also the presented Muskingum model is appeared to be the most reliable version of Muskingum model comparing with other considered models in this research.     

溃坝水流作用下急弯河道泥沙输移数值模拟

将有限元特征分裂算法(CBS)应用于二维浅水控制方程的求解中,建立了模拟溃坝水流泥沙输移的数学模型。CBS算法在计算对流主导的问题时具有很好的稳定性与较高的精度,适用于处理溃坝水流流速大,水位、床面变化剧烈等问题。应用该模型对90°急弯河道全溃所致的水流运动进行了数值计算,并与试验资料进行了比较,证实了该方法的可靠性。最后用该模型模拟了180°弯道中溃坝水流在缓坡、陡坡时的洪水演进与泥沙输移。结果表明:模型能够较好地模拟溃坝水流运动,模拟结果符合水流泥沙运动规律。     

基于杂交粒子群响应面的边坡稳定可靠性算法

针对可靠度指标β数学优化模型的理论不足,以及常规数学优化方法易陷入于局部最优解的问题,提出了基于杂交粒子群响应面的边坡可靠性算法。新方法以β的几何意义为基础,在对正值物理量、非正态、非独立随机变量预处理的基础上,补齐了附加约束条件,完整地给出了可靠性求解的数学优化模型,并澄清了β的正负取值问题。采用二次响应面法构造极限状态方程,并基于杂交粒子群算法搜索β的全局最优解。3个代表性案例结果证明:完善后的可靠性数学优化模型理论正确,对从数学优化角度求解可靠性问题进行了有效补充;基于杂交粒子群响应面的可靠性算法具有较好的全局搜索能力和较高的精度,与蒙特卡洛法的计算结果接近,但迭代次数明显减少,计算效率更高。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题，其实质为安全系数最小的滑动路径的搜索问题，采用路径搜索算法蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点，通过引入奖惩策略，加快较优路径和普通路径上信息素的差异，分化各条路径上的信息素，从而提出了一种奖惩蚁群算法。通过把边坡滑动面搜索问题的离散模型化，采用奖惩蚁群算法解决滑动面搜索问题，提出了一种临界滑动面搜索的新方法。通过一个简单边坡和复杂边坡的典型算例计算及一个大坝边坡的工程的应用实例应用，验证了新滑动面搜索算法的有效性及其高效性。结果表明，无论是对简单边坡还是复杂边坡，本文算法都可以能以更快的速度搜索得到效果更好的临界滑动面，且工程应用效果良好。     

基于数字高程模型的水文模拟对比分析

本文以GIS为平台，分析比较了不同类型的地形及网格大小的数字高程模型(DEM)所提取的汇流路径长度、坡度等地形特征值。在新安江模型参数物理意义研究的基础上，将汇流参数与地形特征值建立相关关系。利用相关关系确定参数，进行水文模拟，通过分析比较不同网格大小的DEM对水文模拟的影响，确定了满足实际洪水预报要求的DEM网格大小。     

Water Supply Network Optimisation Using Equal Flow Algorithms

Algorithms to optimise water supply networks are developed and compared when a given set of transfer arcs is constrained to carry the same (or proportional) amounts of flow. Initially, a dynamic multi-period mathematical model is designed as a network flow model. A network simplex-based algorithm, Equalflow, and a subgradient-based algorithm, SUBeqf, are then presented. Both algorithms are characterised by polynomial complexity and can solve large-scale instances that arise when considering water system requirements. A specialised interface for water supply networks provides a data input processor to generate the overall multi-period network model in the implementation of the procedures. The implementation of the algorithms allows the consideration of different types of equal flow instances that take place in water resource system optimisation. The performances of the two algorithms and analysis of their computational efficiency with respect to state-of-the-art mathematical programming software are reported, considering equal-flow instances from a synthetically generated network and two water supply systems in the Sardinia region of Italy.