地表径流速度对城市内涝影响规律

为分析地表径流速度对城市内涝的影响,采用一维地下排水管网与二维城区地形的动态耦合模型,选取大连市某排水区块作为研究区域,设置4种地表径流速度10种设计降雨场景,模拟分析在不同重现期设计降雨及不同地表径流速度下研究区的内涝积水特性。结果表明:随着地表径流速度降低,管道排水压力变小,管道排水达标率最高可提升48.05%,且降雨重现期越短,地表径流流速对管道排水压力的削减效果越明显;地表径流流速对检查井溢流量影响显著,随着地表径流速度降低,检查井溢流量峰值最高可减小2 750 m~3,峰现时间最长可滞后56 min,同时随着降雨重现期增长,地表径流流速对检查井溢流量的削减效果减弱;研究区低、高风险区淹没面积随地表径流速度降低,最高可分别减小1.64万、8.37万m~2,但中风险区淹没面积变化反复。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于分形理论的黄河内蒙古段河势演变特征及其与凌汛灾害关联研究

寒区河道凌汛灾害河势“弯道效应”的量化评估十分重要。基于分形理论提出河道横断面-纵剖面-平面多维度河势分形维数计算方法及其物理机制，并探讨黄河内蒙古段不同维度河势演变分形特征及其与凌汛灾害的关联关系。结果表明，黄河内蒙古段不同维度河势均具有多尺度自相似分形特征，且具有多年记忆周期的长程相关性；冰坝（严重性冰塞）发生频次与河道主槽弯曲分形维数呈正相关指数型函数关系，与河相系数、深泓点高程和河段平均底坡分形维数负相关，与水深-面积分形维数正相关，总体表明冰坝灾害更易发生于主槽偏移摆动大、蜿蜒曲折、河湾发育程度高的宽浅型弯曲河道，研究成果可为凌汛期冰塞冰坝灾害易发河段诊断及预测提供重要理论依据。     

Laboratory Studies to Determine Suitable Chemicals to Improve Oil Recovery from Garzan Oil Field

Garzan oil field is located at the south east of Turkey. It is a mature oil field and the reservoir is fractured carbonate reservoir. After producing about 1% original oil in place (OOIP) reservoir pressure started to decline. Waterflooding was started in order to support reservoir pressure and also to enhance oil production in 1960. Waterflooding improved the oil recovery but after years of flooding water breakthrough at the production wells was observed. This increased the water/oil ratio at the production wells. In order to enhance oil recovery again different techniques were investigated. Chemical enhanced oil recovery (EOR) methods are gaining attention all over the world for oil recovery. Surfactant injection is an effective way for interfacial tension (IFT) reduction and wettability reversal. In this study, 31 different types of chemicals were studied to specify the effects on oil production. This paper presents solubility of surfactants in brine, IFT and contact angle measurements, imbibition tests, and lastly core flooding experiments. Most of the chemicals were incompatible with Garzan formation water, which has high divalent ion concentration. In this case, the usage of 2-propanol as co-surfactant yielded successful results for stability of the selected chemical solutions. The results of the wettability test indicated that both tested cationic and anionic surfactants altered the wettability of the carbonate rock from oil-wet to intermediate-wet. The maximum oil recovery by imbibition test was reached when core was exposed 1-ethly ionic liquid after imbibition in formation water. Also, after core flooding test, it is concluded that considerable amount of oil can be recovered from Garzan reservoir by waterflooding alone if adverse effects of natural fractures could be eliminated.     

Cross-sector collaboration within Dutch flood risk governance: historical analysis of external triggers

ABSTRACT

This article synthesizes the literature on Dutch flood risk governance to analyze how external conditions shaped past and present dynamics of cross-sector collaboration for integrated flood risk management in the Netherlands. It traces the extent to which policy and legal frameworks, socio-economic circumstances, political realities, power relations and conflict situations have influenced attempts at collaboration between flood safety, spatial planning, environmental protection and other sectors. Despite the growing interdependences, existing power relations between the sectors are characterized by the dominance of the water sector. Hence, cross-sector collaboration can develop as long as it does not compromise flood safety.     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

淮河入江水道行洪能力分析

入江水道是淮河下游最大的泄洪河道,承担着淮河上中游70%以上的洪水泄入长江。根据1961—2018年大洪水期间的实测资料,利用水位流量法计算分析入江水道的泄洪能力和防洪能力。结果表明:因历史客观条件限制以及4个梯级控制河段整治的难度与复杂性,在不同时期各控制河段的行洪能力呈现各自不同的特点;经过多年持续有效治理,河道行洪能力整体得到提高;由近年来实测资料推算,各控制河段的行洪能力基本达到设计要求。对入江水道行洪能力的分析为淮河下游区的防汛抗洪和降低特大洪水威胁提供借鉴和参考,对区域经济社会又好又快发展具有现实意义。     

平原地区城市湖泊防洪与景观功能协调研究——以枝江市金湖为例

为了使城市湖泊尽可能滞蓄雨洪、发挥景观功能、打造良好的居民"亲水空间",以枝江市金湖为例,根据金湖主要泄洪渠道的实际情况,利用Mike 21模型模拟计算汛限水位值,按照景观水位确定大、小洪水工况下合理的水位。在此基础上,提出传统的静态景观水位与改进的动态景观水位两种方案。结果表明:以50年一遇、30年一遇为代表的大洪水工况下合理景观水位为40.7 m,以20年一遇、10年一遇为代表的小洪水工况合理景观水位为41.3 m;静态方案采用50年一遇洪水计算结果为标准执行,将40.7 m作为金湖固定的景观水位;动态方案水位可在41.3~40.7 m之间波动;金湖适宜采用动态景观水位运行方案,水位可在40.7~41.3 m之间波动;根据短期预报及历史监测资料分析后合理调度,将41.3 m作为金湖常水位,确定预测洪水大小后调整水位迎战洪水。据此,可在充分利用水资源的同时有效协调景观高水位需求与防洪之间的矛盾。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

鲸鱼优化支持向量机的短期风电功率预测

为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimiza?tion algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。