黄河宁夏段河道淤积发展趋势分析

对黄河宁夏段河道淤积因素进行了分析论述,根据实测水文资料和径流模型对现状条件下宁夏河道泥沙淤积发展趋势进行了预测分析：2011—2020年年平均来水量可能为260亿～280亿m^3;2011—2020年宁夏河段的淤积情况可能与1986--1995年淤积情况相近,主槽年淤积速率可能为0．02～0．03m,如若支流来沙量大则年均淤积速率将可能达到0．05m,甚至更大一些．     

黄河下游游荡河型与弯曲河型之间的关系研究

分析了黄河下游的河型分类,计算并统计了黄河下游冲淤标准化输沙平衡数,采用集合数学方法,研究了弯曲河型和游荡河型的关系。研究表明,在冲淤标准化输沙平衡程度数方面,弯曲河型是游荡型的真子集,游荡河型包含弯曲河型,弯曲河型与游荡河型的重叠部分建议归为弯曲河型,游荡河型比弯曲河型多了些数值较大的冲淤标准化输沙平衡程度数。     

水土保持措施对汾河水库泥沙淤积的影响

对山西省汾河水库1962～2008年淤积情况的分析结果表明:水库淤积量总体呈减小趋势。汛期降水量和来水量是造成水库淤积的主要原因,实施水土保持措施可减少水库淤积。     

长兴入太湖河道口门的淤积问题与对策分析

长兴县环太湖堤岸长34 km,入湖河道口门32条.1991年环湖大堤建成运行以来,为流域防洪、供水、环境、航运效益的发挥作出了积极贡献,也改善了长兴县环太湖乡镇的交通条件.由于受地理位置、地质、水文特征和气象要素等条件的影响,入湖河道口门淤积比较严重,对淤积的成因进行了分析,提出治理对策和措施的建议.     

长江中游四大家鱼产卵场河段形态与水流特性研究

为了研究长江中游四大家鱼产卵所需的水流环境,采用数值模拟的方法对产卵河段的形态特征和水流特性进行了量化分析.通过统计和对比研究了4类产卵河段的能量坡降、水流流态、动能梯度、能量损失和弗劳德数等水力特性,分析了水力要素在典型断面上的分布特点.研究结果表明:四大家鱼产卵的河床形态比较特殊,能量坡降具有明显的2维特性;水流流态复杂多样;水流流经产卵河段后能量损失较大;河段横断面上的动能梯度和弗劳德数数值较小.以期为四大家鱼产卵场水流环境的保护提供理论基础和技术参考.     

江水源热泵尾水排放方式优选试验研究

为研究江水源热泵尾水在不同排放方式下对江河水域温升的影响,利用数字式温度传感器构建实时温度传感器网络,针对江水源热泵尾水淹没式、表面式和射流式3种排水方式及其在12种出流方式下江河水域的温升情况进行了模拟试验研究。对各种排放方式下的温升均值、温升方差、最高温升值、超温升均值点数等指标项采用加权平均法计算优选值,并结合三维温升图对试验结果进行了分析。结果表明,从整体上看射流式排放方式优于表面式和淹没式排放方式,双口出流方式优于单口出流方式,其中对河道水域温升影响最小的排放方式为表面式排水顺流双口出流方式。     

紧邻河道的深基坑围护防渗结构设计与施工

为探索在大型桥梁桩基工程施工中确定合理的基坑围护方案,以104国道微山潘家渡大桥深基坑防渗支护为例,对多头水泥搅拌桩墙防渗支护并结合钻孔注浆法防渗等进行研究,对本方案的制定、优化及施工工艺流程进行详细介绍,希望对类似工程施工提供参考借鉴.通过本组合方案的应用,证明水泥搅拌桩墙结合钻孔注浆起到了良好的支护和防渗作用,达到了安全、节省、高效的预期目标.     

遥感技术应用于河流对城市气候影响研究

为了确定松花江水域冬夏季对哈尔滨市及周边区域的影响,给城市河流规划与合理利用提供正确的理论支持,采用地面数据采集与遥感数据采集相结合的方法,对2004年1月25日和6月1日的热红外遥感影像图进行分析,以流经哈尔滨市的松花江段为研究对象,根据冬夏季温度、相对湿度分布,确定松花江城市河道对周边区域的影响.研究结果表明:在夏季,市区温度较郊区温度低,水域两侧地表温度呈递增分布,且变化趋势北岸比南岸明显,湿度市区较郊区高,市区以松花江及毗邻地区为湿度分布中心,且北岸比南岸影响半径大.在冬季,市区温度比郊区温度高约4℃,水域两侧温度分布差异明显,冰封水体表面温度与南岸温度接近,比北岸温度高约2℃,湿度分布符合城市干岛效应,市区湿度比郊区低约1%.该成果为后期地面定点观测和移动测量奠定了数据基础与技术支撑.     

粤港澳大湾区水安全协同调控理论框架研究

针对粤港澳大湾区水问题多维交织特性,基于流域系统整体观梳理总结了技术上可控、逻辑上关联的5个水安全调控子系统结构,包括：河势调控子系统、内河水环境水生态调控子系统、外江咸潮调控子系统、城市暴雨洪涝调控子系统、外江洪潮调控子系统。探讨了各子系统关键机理、系统间的协同作用原理、协同调控的关键技术需求及协同调控模型算法架构,构建了大湾区水安全协同调控理论框架,以珠江河口为例开展了粤港澳大湾区水安全协同调控理论的应用,为大湾区水问题系统治理提出了新的解决方案。     

基于机器学习模型的河道水位预测

结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.999 2和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。