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。     

库水温自动化监测方案的设计及应用

为了研究某在线调蓄水库冬季的水温调节问题，分析水库水温的垂向变化及时空分布规律，特在某水库制定水温自动化方案并予以实施。首先采用先进的进口设备温深仪CTD调查水温沿深度的分布情况，以确定传感器的安装深度。再将温压一体传感器按设计位置固定在钢缆上，采用水温自动化设备采集不同深度的水温数据，并实时上传到水温数据平台进行分析和展示。经过2020—2021年4个月的数据观测，该水温自动化监测系统运行正常，已取得了一个冬季完整的水温数据，初步了解冬季水温变化规律及垂向水温分布情况，对解决调蓄水库的水温调节问题具有一定的参考价值。     

基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

基于地基水力耦合效应的关门山水库大坝防渗墙塑性损伤分析

深厚覆盖层面板堆石坝变形的评价与控制是决定坝型进一步发展和推广使用的重要因素。文章以辽宁省关山水库大坝防渗墙为例,结合实测数据和模型计算成果,对面板堆石坝的地基防渗墙的力学和损伤特征进行研究。结论显示:关山水库防渗墙应力变形处于合理范围,不会产生开裂现象。文中研究思路和方法,可促进相关理论的完善和研究本身的深入开展。