基于雪岭云杉树轮的阿克苏河干流冬季径流重建

基于阿克苏河上游高山区采集的雪岭云杉树轮样芯构建了雪岭云杉树轮宽度年表,结合阿克苏河干流径流数据解析了雪岭云杉长期生长与阿克苏河干流径流关系,并重建了阿克苏河干流1813—2015年冬季径流序列。结果表明:利用雪岭云杉树轮宽度年表重建的阿克苏河干流1813—2015年冬季径流序列模拟值与实测值吻合度较高,重建径流序列稳定可靠;1813—2015年阿克苏河干流冬季多年平均流量为82.19 m~3/s,共出现5次持续丰水期和3次持续枯水期,最长的枯水段持续17年(1943—1959年);阿克苏河干流冬季径流变化存在51 a、29 a、16 a周期,第一主周期为51 a。     

雨水径流颗粒物对陶瓷透水砖堵塞的影响

通过雨水径流水质的实地检测,分析了雨水径流中颗粒物粒径分布规律;采用室内试验模拟了雨水径流引起的陶瓷透水砖堵塞过程,系统研究了雨水径流中颗粒物对陶瓷透水砖堵塞的影响。结果表明:雨水径流中的颗粒物绝大部分平均粒径小于50 μm;陶瓷透水砖堵塞机制主要是粒径 20~<50 μm的颗粒物引起的表面堵塞,砖表面截留的颗粒物质量约占总截留颗粒物质量的75%;陶瓷透水砖表面截留颗粒物的粒径范围与砖表面孔径范围并不一致,主要是因为陶瓷透水砖截留的颗粒物在其表面形成的“类滤膜”的筛滤截留作用。建议合理减小陶瓷透水砖小于50 μm范围的孔径占比,以提高人工清扫恢复陶瓷透水砖透水性能的效率。     

An automatic parameter calibration method for the SWAT model in runoff simulation

Runoff simulation is highly significant for hydrological monitoring, flood peak simulation, water resource management, and basin protection. Runoff simulation by distributed hydrological models, such as the soil and water assessment tool (SWAT) model which is the most widely used, is becoming a hotspot for hydrological forecasting research. However, parameter calibration is inefficient and inaccurate for the SWAT model. An automatic parameter calibration (APC) method of the SWAT model was developed by hybrid of the genetic algorithm (GA) and particle swarm optimization (PSO). Multi‐station and multi‐period runoff simulation and accuracy analysis were conducted in the basin of the Zhangjiang River on the basis of this hybrid algorithm. For example, in the Yaoxiaba Station, the calibration results produced an R² of 0.87 and Nash Sutcliffe efficiency (NSE) index of 0.85, while verification results revealed an R² of 0.83 and NSE of 0.83. Results of this study show that the proposed method can effectively improve the efficiency and simulation accuracy of the model parameters. It can be concluded that the feasibility and applicability of GA‐PSO as an APC method for the SWAT model were confirmed via case studies. The proposed method can provide theoretical guidance for many hydrological research fields, such as hydrological simulation, flood prevention, and forecasting.     

基于1960-2018年实测径流与水文学方法的开都河生态流量分析

为科学地确定河流生态流量,保障流域水安全与生态环境健康,基于开都河大山口水文站1960-2018年的实测径流数据,采用Tennant法、典型水文频率年法、最枯月平均流量法和Q_p法等4种水文学方法计算了河流的生态流量,通过对比分析确定基于Tennant法的计算结果最为适宜。计算结果表明：开都河大山口水文站10-翌年3月的平均生态流量应不小于15.60 m³/s,对应最小生态环境需水量为 2.47×10⁸ m³;4-9月的平均生态流量应不小于46.15 m³/s,对应最小生态环境需水量为7.30×10⁸ 　m³,全年生态流量平均不小于30.88 m³/s,对应最小生态环境需水量为9.77×10⁸ 　m³。该生态流量目标可满足开都河大山口至博斯腾湖河段的河道径流损失,保证河流基本生态功能与水生态安全。计算分析结果可为开都河河流生态流量管理提供支撑。     

济南主城区不透水地表分布分析及其水文效应

以济南市主城区范围为研究区,通过现场调研、遥感解译和划分标记的手段获取并探究其不透水地表分布。研究发现,济南市主城区范围内绿化率达到33.9%,不透水面积占比为65.3%。采用HIMS-SWMM模型进行小时尺度径流模拟,据此探究济南市主城区范围内各行政区不透水地表格局下其径流系数的变化情况。以2016年7-8月降雨作为输入,整个研究区共降水125.23mm,下渗量为36.33mm,产生的径流量为88.9mm,整个济南市主城区总体径流系数为0.71。各用地类型的不透水面占比与径流系数有较强的线性关系,其变化分为阈值型和渐变型。对于阈值型用地类型,可进行较为集中的绿化措施或LID措施;对于渐变型用地类型,可采用放缓的逐步绿化或LID措施,在集中改善阈值型用地类型的不透水面占比的同时,辅以较小范围的改善措施,以达到较为经济有效的防止内涝目的。     

试论高校思政课与日常思想政治教育的结合

高校思想政治理论课和日常思想政治教育是大学生思想政治教育的两个方面,二者的有机融通既是优化教育资源、发挥教育合力、增强教育效果的必然要求,也是引导学生知行合一的教育路径选择。高校要建立思想政治理论课教学和日常思想政治教育相融通的组织体制和协调机制,丰富教育形式以融通教育过程,建立融通的学生思想道德操行评价体系,提升大学生思想政治教育的科学化水平。     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

基于SWAT分布式流域水文模型的下垫面变化和水利工程对径流影响分析

近年来随着人类活动的加剧,兴建了许多中、小型水利和水土保持工程,迅速改变着流域的自然面貌,因而改变了径流的原有规律。选取1960以前水利工程较少的时期作为人类活动不明显期来率定SWAT模型参数,对于1990以后人类活动稳定期的径流分别设置3个情景:应用原SWAT模型、应用只考虑下垫面变化的SWAT模型和应用考虑下垫面变化和水利工程影响的SWAT模型分别进行模拟。对于五道沟以上流域和流域内东丰、磐石、样子哨3个子流域模拟结果显示:考虑下垫面变化和水利工程影响后的径流模拟相关系数R2和纳什效率系数NSE分别从0.82、0.56提高到0.91、0.79,分别提高了11.0%和41.1%。其中模拟精度的提高量中91.3%是由于考虑水利工程作用所引起的,剩余部分是由考虑下垫面变化引起的。相比下垫面变化,水利工程运行对该流域径流变化占据主导作用。     

考虑降雨的下垫面变化对径流的影响分析

以下垫面覆被条件变化来表征的人类活动是水文循环研究中的核心问题,对流域发电、水资源管理以及社会经济可持续发展起到至关重要的影响。本文采用趋势分析法分析右江水电站控制流域内的年降雨量以及年径流量的变化特征及趋势,在利用Arc GIS分析流域下垫面变化的基础上,分别采用多元统计模型和考虑降雨的多元统计模型对径流系数进行模拟。结果表明年降雨量与年径流量的总体变化趋势是一致的,对年径流影响最大的要素是年降雨量,将降雨作为自变量放入回归模型后,模型拟合效果明显提高。     

基于改进的神经网络与支持向量机的小流域日径流量预测研究

数据驱动水文模型可以在不考虑复杂物理过程的情况下,实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据,分别构建粒子群寻优算法改进的神经网络(PSO-BPNN)以及支持向量机(PSO-SVM)模型。通过进行不同形式的模型结果比较发现,两类模型均有较好的拟合能力及泛化能力,其中基于三日流量数据的(PSO-SVM)模型具有最优模拟结果,可以考虑用于月潭流域日径流量的预测,实现流域内水资源的合理配置以及相关灾害的预防。