基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于改进 abcd 模型的黄河源区径流变化与归因

为改进模型对高寒地区融雪径流模拟不足的缺陷，将融雪模块耦合到传统 abcd 模型。利用 1980—2018 年 逐月实测的径流数据和通过 AnuSpline 方法插值的格网气象要素，驱动改进后的abcd 模型，分析三江源生态保护 措施实施前后（1980—1999 年和 2000—2018 年）黄河源区径流的动态变化，并量化关键气象因素与人类活动对 径流变化的影响程度，即相对贡献。结果表明：耦合融雪模块的 abcd-snow 模型完善了高寒地区水文过程的模拟， 提高对径流的模拟性能，在黄河源区表现出较好的适用性；整个研究时段黄河源区的实测径流呈不显著减少趋势 （?0.80?mm/a，p>0.05），但 2000 年前径流则呈现显著下降趋势（?4.12?mm/a，p<0.05），2000 年后径流则呈显著增加 趋势（3.16?mm/a，p<0.05）；?归因分析表明气候变化是源区径流变化的主导因素。2000 年前，气候变化对径流减少 的相对贡献率为 62.8%，人类活动对径流的贡献为 37.2%；2000 年后，气候变化对径流增加的贡献率达到 120.0?%， 人类活动对径流的贡献为?20.0%。其中：降水的变化是决定径流变化主导因素；其他气候因素的相对贡献较小； 以人类活动为主的生态恢复可显著降低河川径流。本研究有助于理解气候变化和下垫面变化对黄河源区水资源 变化的系统驱动机理，并为流域水资源合理配置提供科学参考依据。     

凤阳县农村基层防汛预报预警体系存在的问题及对策

一、前言凤阳县位于安徽省东北部,淮河中游南岸,是安徽境内最原始的陆壳地区之一。岗丘与浅山占全县总面积的85.7%,属江淮丘陵地带。区域范围在北纬32°37′~33°03′,东经117°19′~117°57′之间,县域面积1949.5平方公里。目前凤阳县农村基层防汛预报预警体系薄弱,存在一系列问题。对此本文就目前存在的问题和解决对策进行分析。     

EMD算法发展及应用综述

经验模态分解算法在各个领域都有广泛的应用,在工业领域中,对机械设备故障的机理研究,有助于监测机械运行状态,在医学领域中,准确的检测出患者与正常人数据的差异有助于疾病的分析和诊断,由于经验模态分解算法在非线性非平稳信号分析中具有显著优势,多年来深受学者的关注。文章总结了经验模态分解算法近年来的发展改进及应用。     

改进的噪声总体集合经验模式分解方法在轴承故障诊断中的应用

在复杂的流程工业中,机械设备往往处在高速、重载、高温、高辐射的环境中,轴承作为主要的机械零部件起着重要作用。由于轴承故障振动信号的微弱和不平稳的特性,造成故障特征向量提取和故障诊断存在着困难。提出一种改进的CEEMDAN(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)轴承故障诊断方法。通过对比分析仿真信号和实测信号可以得知:ICEEMDAN方法可以改善信号重构质量,具有良好的自适应性,能够提高故障信号的信噪比,从而可以有效地识别并提取有用的故障特征信息。     

岩溶隧道突泥原因分析与防治技术研究

本文针对岩溶隧道突泥形成的原因进行分析,包括水介质软化溶蚀、岩体内孔隙扩张、结构弹塑性变形、冲刷扩径作用等,通过研究加强超前地质预报、合理选择开挖工法、优化辅助施工方法和突泥处理工作的应用等防治技术措施,目的在于加快岩溶隧道施工速度,降低施工风险。