基于深度学习的三峡水库实时防洪调度模型北大核心CSCD

水库实时调度需要考虑多种约束条件及综合目标,具有较高复杂度。本文以三峡水库实时防洪调度为研究对象,提出一种基于深度学习的水库实时防洪调度模型。研究模拟三峡水库实时调度过程,生成训练样本数据。基于样本数据生成高维张量输入数据,通过网络参数训练提取高维数据特征以学习拟合水库实时调度模式。基于深度卷积神经网络实时调度模型在训练过程中提取闸门数据特征,模型中采用强化学习算法,迭代优化模型参数,随着样本数据不断更新,通过在线学习实现最优调度决策。实例研究表明,水位实时控制和下泄流量实时控制模型模拟的下泄流量与实际数据相对误差分别为1.4%和1.0%左右,该深度学习模型有较好的收敛性,能够应用于水库实时调度。     

基于HEC-RAS的梧桐山河流域泥沙输移特性分析

本文基于HEC-RAS软件建立梧桐山河一维水力学及泥沙输移模型,并利用实测资料对模型进行验证。利用该模型分析河道沿程水面线变化情况及泥沙输移特征。模型泥沙淤积计算表明河道淤积部位主要位于河道转折处及下游出口处,假定无降雨情况下输沙量近似为零,通过模拟计算场次暴雨流域出口断面泥沙输沙量,估算出流域年输沙总量为190.50t。该数学模型可以较好地反映流域内泥沙输移情况,研究成果对于预测梧桐山河流域泥沙淤积状况有重要意义。