基于小波分解的径流预报非线性模型

径流时间序列中包含了大量的信息,从频率域上来看,这些信息包括变化平稳的低频信息和变化相对剧烈的高频信息。本文利用小波分解,将径流时间序列分解为低频项和高频项,低频项采用逐步回归法预报,高频项采用基于自组织法求解的Volterra滤波器预报,两者结果综合,最终实现径流预报。实例计算表明,该模型具有足够高的计算精度。     

大坝监测数据自回归模型特征根的应用研究

为了通过对大坝监测数据的分析来确定大坝安全监测的安全监控指标,应用时间序列分析方法,采用Levinson递推方法进行参数估计,对大坝监测数据回归分析模型的残差建立AR(p)模型.根据AR(p)模型特征多项式的根与单位圆距离的变化情况来判断大坝结构性态的变化趋势,并据此进行大坝的安全评价.在应用实例中,拱坝在运行过程中产生的裂缝和对坝体所进行的灌浆加固措施,对坝体结构性态所产生的影响以及变化均能够在分析结果中较好地反映出来,表明在大坝观测数据分析时,可以应用该方法有效地进行大坝结构性态的安全评价.     

台风暴雨影响区溃坝洪灾淹没损失评估

东南沿海地区受台风暴雨影响易发生山洪、诱发水库溃坝,且水库下游区域往往地势低洼开阔,易积水而出现大面积内涝,对溃坝洪水演进产生一定影响.采用能够考虑下游初始淹没水深的二维洪水演进模型计算溃坝洪水过程,阐述了溃坝洪水数值计算方法、洪水淹没损失分类及损失率确定方法,建立溃坝洪灾淹没损失评估模型.以戍浦江流域为例,确定溃坝洪灾损失率与淹没水深等级关系,对淹没区进行溃坝洪灾淹没损失评估.计算结果表明：水库一旦发生溃坝,洪灾将造成83亿元经济损失,下游社会和生态环境遭到严重破坏,采取有效的预警措施能够显著减少下游的人员伤亡及经济损失.通过溃坝灾害评估,有助于提高水库安全管理水平,为制定防洪避险预案提供支持.     

时延神经网络应用于洪水预报

本文运用时延神经网络模型来模拟降雨径流过程,根据Takens相空间重构理论对前期影响雨量进行重构,并将其作为神经网络降雨输入结点.该方法可以有效改变以往神经网络输入结点主观性的问题,为正确确定神经网络输入结点提供了理论依据.通过计算实例表明,该方法的降雨径流预测精度较高.     

大坝渗流观测数据中的混沌现象

探索性研究了大坝渗流观测数据中的混沌现象。文章首先采用互信息量法选择时间延迟τ,然后根据Takens重构相空间理论对大坝渗流观测数据进行相空间重构。作为实例研究,计算出了某水库大坝的渗流观测数据序列的最大Lyapunov指数为正,证明了在大坝渗流观测数据中存在混沌现象。     

真空预压的最终负压分布模式

为了揭示真空度衰减特性和确定最终竖向有效应力,研究了底部半透水边界下真空预压的最终负压分布模式。首先通过边界齐次化理论建立了真空预压和堆载预压固结方程之间存在的等效关系,获得最终负压沿深度分布公式。其次根据固结完成后的稳定渗流方程,研究了单层地基、多层地基和砂井地基的最终负压分布特性。研究表明,在半透水边界条件下最终负压呈现随深度衰减现象。对于单层地基或竖向排水体通水量恒定的砂井地基,最终负压沿深度呈单一线性衰减;对于多层地基或竖向排水体通水量分段恒定的砂井地基,最终负压沿深度分段线性衰减;对于渗透系数连续变化地基或竖向排水体通水量连续变化砂井地基,最终负压沿深度曲线衰减。最终负压衰减速率随着边界透水系数增大而增大。渗透系数越大的地层,最终负压衰减越慢;上层土体与最底层土体的渗透系数之比越大,底部边界处的最终负压越大,反之越小。算例表明,采用半透水边界地基模型能较合理地模拟真空预压最终负压和最终竖向有效应力沿深度减小特性。     

浙江省水域调查录入系统的设计和应用

浙江省水域调查录入系统将调查数据与电子地图相整合,对分类水域数据进行统计计算,并对输入数据进行合理性和完整性检查,得到调查范围内现有水域的详细数据,实现了水域调查数据输入、计算、统计和查询的数字化管理,提高了工作效率和工作质量,为各地下阶段水域保护规划编制和水域管理工作提供了数据支持。对该系统的设计原则、功能和技术设计等作了介绍。     

考虑非饱和区的土石坝渗流分析

土石坝的渗流场是由饱和与非饱和渗流区组成的统一体,由于受测定非饱和土渗流参数的试验设备限制,考虑非饱和区的土石坝渗流分析在实际工程中应用不多.本文根据国外实验室测定的体积含水量曲线,结合国外研究者提出的体积含水量曲线、渗透性函数的估算方法,在考虑非饱和区的情况下,对均质土坝的稳态渗流、瞬态渗流进行了分析与比较,得出一些粗浅的看法,以供探讨.     

BP-GA学习算法在短期洪水预报中的应用

先用遗传算法在权值空间中搜索，直到找到某一稳定的适应度值。针对遗传算法（CA）只能找到问题的本致解的缺点，利用BP算法在GA找到的权空间中进一步搜索，以求找至问题的准确解，并实现短期降雨径流的模拟和预报。在构建网络模型时，综合考虑了气候因素、前期降雨量上游支流的前期流人流量和计算出口断面的前期流量的影响。实验结果表明，基于这一方法的短期洪水预报具有较高的精度和可靠性。     

小波软阈值技术和人工神经网络在洪水预报中的研究

径流时间序列是时间、频率和流量等的函数。就目前对径流信息的认识来看．大体可将其分为确定性因素和随机性因素产生的信息。根据这些信息中隐藏的频率的不同，可利用小波变换原理将其分解到若干频率段上，即得到若干“近似”项和“细节”项。在运用小波原理对分解出来的各项重构之前，在各项上附加不同的阈‘值，即可达到对原始数据降噪的目的。本文将降噪后的径流数据用于BP网络的降雨径流模拟，网络的收敛性能和学习精度都得到了大大提高。通过实例验证表明，网络用于预报时也具有较强的泛化能力。