排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
2.
为了高效准确模拟急流条件下突发水污染事件中污染物的输运规律,基于自适应网格技术构建了Godunov格式有限体积模型。模型利用自适应结构网格离散二维浅水控制方程,对水位梯度或污染物浓度梯度较大的区域进行精细网格划分,同时细化干湿边界区域网格。模型采用MUSCL-Hancock方法求解二维浅水控制方程,使模型具有时空二阶精度;利用HLLC格式近似Riemann解计算界面通量,对界面两侧的Riemann变量进行非负重构和局部底部高程修正以确保模型计算的和谐性和稳定性。算例验证表明:自适应网格技术可以自动识别水位梯度或污染物浓度梯度较大的区域以及干湿边界区域并细化该区域网格,保证模型模拟精度的基础上,提升模型模拟效率;该模型能够准确高效地模拟急流条件下污染物的输运过程,适用于突发水污染事件的评估、预警和应急管理。 相似文献
3.
4.
智慧水利解析 总被引:4,自引:1,他引:3
智慧水利是水利高质量发展的显著标志,是运用大数据、人工智能、物联网、云计算、移动互联等新一代信息通信技术,基于自然水系、水利工程体系和水利管理体系,智慧地将适量适质的水适时送到适地,为实现长久水安澜、优质水资源、宜居水环境、健康水生态提供支撑。智慧水利包括目标、对象、时空、技术、价值、成效等六个维度的内涵。目标维度包括问题识别与目标制订,对象维度包括服务主体与水利业务,时空维度包括监控环节与决策过程,技术维度包括赋能体系与核心技术,价值维度包括概念模型与推进路径,成效维度包括功能表征与建设愿景。在智慧水利建设中,数据是基础,要高度重视水利数据的收集、开放和共享;信息是关键,要高度重视监测数据的信息提取和分析;知识是核心,要加强水利知识的挖掘、提升和知识的积累;智能和智慧是目的,要重视人工智能的使用和标准化管理体系的构建。 相似文献
5.
6.
根据2014年7月21-23日在南四湖实测的高光谱数据和同步水质采样分析数据分别构建了反演南四湖水体叶绿素a浓度的单波段模型、一阶微分模型、波段比值模型、三波段模型以及四波段模型,并进行验证,同时尝试用连续统去除和反连续统去除法构建叶绿素a浓度反演模型。结果表明:R*728模型、R'705模型、R*728/R*617波段比值模型、R734/R463波段比值模型、[R-1rs(671)-R-1rs(730)]·Rrs(763)三波段模型以及[R-1rs(682)-R-1rs(720)]·[R-1rs(761)-R-1rs(733)]-1四波段模型均可以较好的估测南四湖水体叶绿素a浓度,均方根误差RMSE小于7μg/L,ARE在15%以内。其中各模型中线性模型估测精度最高,更适合南四湖水体叶绿素a浓度的高光谱反演;连续统去除和反连续统去除法无法建模。 相似文献
7.
为提升泡菜的营养保健功能,降低亚硝酸盐含量和有害菌污染,以白菜为主料,黄芪、山楂为辅料,采用直投式乳酸菌发酵技术研制一款功能泡菜,在单因素试验的基础上,结合模糊数学感官评价和响应面法得到最佳生产工艺条件,并对产品感官、理化及微生物指标进行检测分析。结果表明,芪楂功能泡菜的最佳工艺为食盐添加量3.2%(以白菜质量计)、菌种接种量0.2%、发酵时间5.1 d、黄芪添加量0.24%、山楂添加量3%。在此条件下制得的泡菜形态完整,酸咸适中,脆爽可口,光泽鲜亮,发酵香味浓郁,且具有黄芪独特的豆香味和山楂的鲜香味,感官评分为(89.08±0.11)分,亚硝酸盐含量为(3.07±0.19) mg/kg,相关指标均符合国家标准要求。该试验为促进泡菜功能化和创新性发展提供了重要的数据参考。 相似文献
8.
用离散粒子群优选反演悬浮物浓度和浊度的特征波段,可减少水质参数偏最小二乘反演模型的输入参数个数和建模过程的不确定性,提高偏最小二乘反演模型的预测精度。以2014年7月21—23日在南四湖获取的水体实测光谱数据和同步水质分析数据为例,分别建立南四湖水体悬浮物浓度和水体浊度的偏最小二乘(PLS)反演模型和离散粒子群-偏最小二乘(NDBPSO-PLS)反演模型并进行验证。结果表明:经NDBPSO优选之后,反演悬浮物浓度和浊度的NDBPSO-PLS模型输入特征波段由PLS模型的370个分别减少到127个和134个,输入特征变量由PLS模型的60个减少到21个,反演悬浮物浓度和浊度的NDBPSO-PLS模型建模精度和预测精度均优于PLS模型。该方法可以有效提高PLS模型反演水体悬浮物浓度和浊度的精度。 相似文献
9.
10.
以滦河流域为研究对象,对流域2018年GPM(global precipitation measurement mission)降水产品适用性进行评估;利用降水与海拔、经纬度和归一化植被指数(normalized difference vegetation index,NDVI)之间的相关性,构建基于PSO-BP(particle swarm optimization-back propagation)的GPM降水空间降尺度模型,得到2018年滦河流域空间分辨率1 km的降水数据。[JP]结果表明:原始GPM降水产品可以较准确地表达滦河流域降水,但总体存在降水量高估现象;以国家气象中心降水产品CGDPA(China gauge-based daily precipitation analysis)数据为基准,对空间降尺度前后的降水数据进行精度评估,发现在年、季和月不同时间尺度上,空间降尺度后的降水数据与CGDPA数据相关性更高,均方根误差更小,相对偏差值控制在±10%以内,[JP]这说明降尺度后降水数据空间分辨率和精度都更高。 相似文献