基于Kalman滤波糙率反演模型的河道洪水实时预报研究

建立基于Kalman滤波理论的河道糙率反演模型。将河道不规则断面沿程概化为矩形、三角形和抛物线型断面。引入水力半径与水深的经验关系,基于圣维南方程组动量方程中惯性项与弗洛德数相关性,推求水深对糙率的偏导数,建立基于Kalman滤波理论的平原区河道糙率反演模型。选择淮河干流王家坝至鲁台子河段为例,将糙率反演模型与水动力学模型相结合进行河道洪水实时预报,并与一维水动力学模型的预报结果进行比较分析。结果表明,在预见期为6小时的实时预报中,耦合模型与原水动力学模型均取得较好的预报效果,耦合模型预报精度好于原水动力学模型,也证明了所建模型的合理性。     

感潮河网调水过程的数值模拟研究

利用外河潮位和内河水位涨落落差进行内陆河网引清调水和防洪排涝,是改善感潮河网水环境、保障当地供水安全和提高防灾减灾能力的一种有效途径。本文根据Saint-Venant方程组和Preissmann加权四点隐式有限差分格式建立了感潮河网调水数学模型,该模型应用于浦东新区河网调水过程模拟的结果表明,其计算速度快、精度也较高,可对感潮河网调水水流时空变化过程、闸门开启过程引排水流量以及调水过程引排水总量进行模拟和计算。结合计算智能方法进一步讨论了调水过程外河潮位实时预报、感潮水闸流量的计算和调水模型河网糙率的反演问题。感潮河网调水过程数学模型的研究可以为平原河网地区水资源的智能监控提供支撑平台。     

基于带参数的卡尔曼滤波的河道糙率动态反演研究

河道糙率是洪水水力计算的重要参数，引入控制论理论，应用带参数的卡尔曼滤波法进行河道糙率反演分析。数值计算结果表明状态变化率对带参数的卡尔曼滤波法的滤波性能有较大影响，同时分析了观测断面数量对滤波结果的影响。针对计算量较大的特点，通过敏度矩阵相关性分析，提出了提高计算效率的有效方法。     

一维河网非恒定渐变流计算的汊点水位迭代法及其应用

采用Preissmann格式离散圣维南方程组,对离散得到的非线性系统通过Newton-Raphson迭代进行非线性求解,利用汉点水位迭代法处理河段间耦合问题,建立了适用于一维河网非恒定渐变流计算的数值模型.以矩形断面棱柱型渠道为例讨论了汊点水位迭代法的收敛性质和计算参数的选取原则,完善了汊点水位迭代法的理论基础.结合河网经典算例及三亚河水动力过程数值模拟对模型进行了验证,并分析了方法的收敛性及计算效率,计算表明汊点水位迭代法具有良好的工程适用性.     

基于模糊综合评价方法的内河河网流量分配模型

内河河网水环境改善可通过水体置换实现,对于来流一定的内河河网可通过优化河网的流量分配来实现各河段水体置换。河网流量分配与河网几何特征属性存在着密切的河相关系,当河网流量发生变化,河流自动调整达到平衡后,其纵横剖面形态与流量之间就形成特定的主从变量关系,本文选取河长l、河底比降i、分汊角度а等关键几何特征属性作为流量变化的从变量,引入模糊数学理论及粗糙集理论,运用模糊综合评价法确定不同几何特征属性对河网流量分配的影响权重,用于预测内河河网各河段的流量分配。将该模型应用于福州市内河引水工程水动力环境研究,验证了所建模型的合理性,研究结果对河网配水方案规划或常规运行调度方案比选具有重要的参考价值。     

无资料地区设计洪水位的计算方法

本文根据恒定均匀流及非均匀流方程，推导出顺直、扩散及收缩三种河段的洪水比降公式，且用“海河６３８”及“淮河７５８”最大洪水资料进行了验证。其计算方法均指在无水位资料地区，根据设计流量，糙率及大断面资料，推求设计洪水位，对电力工程建设有广泛的实用价值。     

水工模型试验中的草垫加糙方法研究

此文开展了草垫加糙方法的系列试验研究,计算了草垫加糙能够达到的糙率范围,得到了加糙后糙率与弗劳德数之间的变化关系,分析了草垫加糙对底部水流的影响,提出了草垫加糙的最小适用水深。将草垫加糙方法应用于滦河迁安段综合整治水力模型,试验结果表明,草垫加糙不仅可以达到模型糙率要求,而且能够很好地模拟河道的阻力特性,证明了草垫加糙方法的可行性。     

宜昌至杨家脑河段河床形态冲刷调整特点分析

针对三峡工程蓄水后宜昌至杨家脑河段河床形态的冲刷调整特点,基于实测资料,对该河段的冲刷分布及河床形态特点进行了分析,并讨论了二者之间的关系,最后采用分形维数对河段深泓纵剖面形态调整进行了量化分析。结果表明,其河床形态冲刷调整的最大特点是纵向的冲刷下切具有明显的不均衡性,即存在若干深泓较高、具有一定抗冲性的纵向节点,且多以分汊河段为主,通过对各分汊河段的比较发现,年内交替型分汊河段的深泓节点比非交替型分汊河段更为稳定,由于纵向节点的控制以及河段其他部位深泓的下切,使得该河段深泓纵剖面分形维数逐年加大,纵向形态变得更为复杂,使枯水糙率有所增加,对宜昌枯水位的下降起到了抑制作用。     

基于ADV的三峡水库瞬时含沙量测量研究北大核心CSCD

利用ADV在三峡水库淤积较为严重的忠县和奉节河段实施含沙量测量,建立了瞬时含沙量的声学反演方法。ADV声波强度信号通常受局部毛刺和高频噪声的影响,提出先用小波分析过滤高频噪声、再用相空间密度法剔除毛刺的声波信号处理方法。实测资料率定表明含沙量和声波强度在双对数坐标系下呈线性关系,其斜率和截距均为泥沙中值粒径的函数,从而得到了瞬时含沙量反演公式。据此计算的泥沙扩散通量与雷诺应力具有较强的正相关性、含沙量标量谱遵循Obukhov-Corrsin的-5/3次方规律,表明本文提出的瞬时含沙量反演方法可行。     

山前平原型城市雨洪模拟与应用——以济南市为例

近年来,我国城市区域暴雨洪涝灾害频发,而山前平原型城市由于地形地貌特殊,其造成的人员伤亡和经济损失尤为严重。文章以济南市黄台桥排水片区为研究对象,基于SWMM模型构建了山前平原型城市雨洪模拟模型。根据研究区地形地貌及汇流规律的差异将子汇水区分为山区、平原区和主城区三类,通过控制模型汇流演算方式、模型演算面积比及河道糙率系数设置情景,并采用遗传算法对模型参数进行率定与验证,从而定量分析子汇水区不同汇流方式及河道糙率对模拟结果的影响。研究结果表明：当采用SWMM模型传统汇流方式时,难以考虑山前平原型城市地形差异,模型模拟结果整体表现较差（平均Nash系数仅为0.61）;当针对山前平原型城市不同地形特点设置相应的汇流演算方式、模型演算面积比及河段糙率系数时,模型模拟精度得到显著提高（平均Nash系数达0.86）。研究结果可为山前平原型城市雨洪灾害的模拟与研究提供科学基础,并为区域防洪减灾提供相应的技术支撑。     

室内散射测量系统与神经网络参数反演

介绍了以矢量网络分析仪为核心的室内散射测量系统的组成、工作原理及其测量方法并利用该系统测量了不同含水量和不同粗糙度的裸土的微波散射系数。然后利用IEM模型计算的模拟数据作为人工神经网络的训练数据,用测量数据通过已训练的神经网络进行地表参数反演。结果表明室内散射系统的建立不仅有利于研究各种典型的地物微波散射机理,还为反演提供了所需要的数据。     

基于直接神经动态规划的电网状态估计及理论线损计算

针对电网线损的理论计算值与实际值之间的差别问题,提出利用基于直接神经动态规划的电网状态估计结果来计算线损。首先采用模糊聚类算法进行网络拓扑辨识,根据聚类向量弥补量测向量的不足,避免了不良数据的影响,得到正确的系统网络结构;然后对自适应动态规划算法进行扩维改进,建立了基于直接神经动态规划的电网状态估计模型,利用该模型的状态估计结果进行理论线损计算,得到逼近电网真实情况的线损数据。仿真结果证明了本文算法的可靠性和实用性。     

基于支路有功功率的配电网拓扑辨识方法

针对配电网量测冗余度低且开关变化频繁、识别出正确的拓扑结构存在困难的现状,文中提出一种基于支路有功功率的配电网拓扑结构识别方法。该方法基于支路有功功率残值的大小选择可能断开的支路,得到若干种可能拓扑结构;采用相同量测值,在每个可能拓扑结构下分别进行状态估计并计算匹配目标函数值,从可能拓扑结构集中找到可能性最高的拓扑结构作为可信拓扑结构,降低配电网拓扑结构分析的解空间;并引入快速潮流直流法进行状态估计,提高了算法的计算效率,从而把此类配电网拓扑检错问题转换为以量测值匹配度高为目的的配电网重构问题。算例表明,该方法合理有效,快速简便,且在带有较大量测误差的情况下也有很好的适应性。     

参数优选残差网络下的井震联合反演方法

声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(Residual Network, ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验,并与全连接神经网络(Fully Connected Neural Network, FCNN)和多元回归分析(Multiple Linear Regression, MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线,相关系数增加了2.5%,均方根误差减小了17.4%。     

基于改进Elman神经网络的风速预测

指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。     

城市电网总量负荷年最大值的双向预测方法

城市电网总量负荷预测是城市电网规划的基础工作。为了充分挖掘并利用负荷历史数据的更多信息,提出一种城市电网总量负荷年最大值的双向预测方法。该方法基于历史数据分析了电力负荷与用电量的相关关系,建立了负荷-用电比模型,据此求得基于用电量数据的各月电力负荷最大值,并利用这些最大值分别运用线性回归、指数平滑、灰色理论从纵向和横向对目标年的总量负荷最大值进行预测,将所得的六个预测值加权平均作为最终预测结果。实例分析表明该方法是正确的、有效的。     

智能变电站过程层网络监控方法

针对智能变电站过程层网络难以直接监控以及无法实现故障定位的问题,分析了过程层网络通信虚链路和物理链路映射关系问题,提出了一种基于过程层交换机的过程层网络动态监控方法。该方法将过程层交换机作为过程层网络运行状态的数据采集和监控单元,网络分析仪作为辅助分析工具,通过动态学习过程层网络拓扑、建立链路映射关系以及基于虚链路的流量统计列表,最终实现故障定位和过程层网络状态监控。实验表明该方法简单可行。     

基于河流阻力规律的河型统计与分类

将沿程水头损失公式向天然河流推广,利用坡降、流量、流速、泥沙粒径、河流形态等一系列河相关系参数,通过资料分析、数据拟合等技术手段,得到了河流阻力规律的表达形式。将河型参数作为分类指标,反演河流阻力规律表达形式,建立了一种物理概念明确、表达简单的河型分类方法。用两条阈值曲线将整个河流系统分成单流路型、稳定多流路型、不稳定多流路型这三大类型。通过研究发现,河型分类系统中单流路型河道对河岸强度相当敏感,而多流路型河道并不直接受河岸强度影响,尤其是大宽深比的情况。在外部扰动影响下,河流类型可以发生短暂的变化,如弯曲型河道出现游荡特征,但其最终能够回到原始平衡状态类型。     

基于孪生网络和长短时记忆网络结合的配电网短期负荷预测

保证数据驱动型配电网短期负荷预测精准的关键是选取合适的相似日数据集和构建合理的日负荷预测模型.文中研究了一种基于孪生网络(SN)和长短时记忆(LSTM)网络相结合的配电网短期负荷预测模型.基于配电网负荷相似日的影响因素具有多样化、强随机性的特点,利用SN两个输入权重共享的特点对历史负荷数据进行分析,进而对待测日的特征进行分类,以完成相似日数据选取.此外,利用灰狼优化算法全局搜索能力强、收敛速度快等特点,对基于LSTM网络的配电网短期负荷预测模型进行参数优化.最后,以某一个区域配电网的实际数据为例,验证上述预测方法的准确性与鲁棒性,与LSTM网络、基于粒子群优化的LSTM网络、支持向量机等方法对比可知,所提方法具有较高的准确度和计算效率.     

基于改进BP神经网络的螺杆转子铣削表面粗糙度预测

以提高螺杆转子等具有螺旋曲面零件铣削表面质量为目的。根据螺杆转子加工特点,针对主轴转速、进给倍率和间歇进给量进行单因素轮换铣削加工实验。采用改进粒子群算法确定BP神经网络初始权值和阈值的最优值,采用训练后的改进BP神经网络算法对铣削后的螺杆转子表面粗糙度进行预测,并与传统BP神经网络进行对比。结果表明,传统BP神经网络对表面粗糙度的训练精度最低,改进算法中粒子群迭代2 000次的平均相对误差最小,为1.21%。利用模型进行工艺参数对表面粗糙度影响规律的预测,可以看出,其他工艺参数不变的前提下,随着主轴转速的升高,表面粗糙度呈现降低趋势;随间歇进给量的增大,表面粗糙度先降低后升高;表面粗糙度随进给倍率的增加,呈现先降低后升高的趋势。结论：改进神经网络算法可以准确预测铣削后的螺杆转子表面粗糙度,为螺杆转子铣削加工中的工艺参数选择提供理论指导。