基于非恒定水流模拟的灌区明渠水力响应特征分析

为了服务于石头河灌区信息化建设,该文以石头河灌区东干渠渠首约10 km渠道为研究对象,采用渠道非恒定流模拟方法以及闸门自动控制理论模拟分析不同边界条件下灌区渠道断面的水流和闸门开度变化特点,通过模拟分析获得研究渠段在不同水流控制情况下断面上水力响应变化特征规律:相同渠首流量变化条件下,距渠首距离越远断面水力响应持续时间越长;渠首流量变化率越大,相同断面上水力响应持续时间越短;当取水口取相同流量时,渠首稳定流量大小与取水口取水对干渠上游渠道断面水流的影响距离呈线性关系;渠首流量稳定在相同流量时,取水口取水流量大小与对干渠上游渠道断面水流的影响距离呈指数关系;在进行渠道流量控制时,取水初期取水口闸门调节比较频繁。由于渠道水流之间的相互影响,多个取水口同时进行取水,渠道任意取水口闸门开度变化,都可能引起其他闸门开度的调整。同时通过与实测资料进行对比验证,所获得的渠道断面水流响应特征规律与实际基本相符,模拟渠道水深值与实测水深值误差在±10 cm之间。该研究可为石头河灌区渠道信息化建设及水资源的优化配置提供科学依据。     

基于BP神经网络的新安江模型初始土壤蓄水量计算研究

【目的】克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果。【方法】结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法。【结果】在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型应用效果达到项目精度评价指标的甲等水平,预测检验期的9个样本,均有6个以上样本检验合格;当BP神经网络隐含层节点数从4个变化到21个时,模型评价指标纳什效率系数从0.51变到0.97、均方根误差从11.77降到2.74;与采用传统经验折减系数法计算新安江模型初始土壤蓄水量相比,采用BP神经网络模型应用效果明显占优,且能克服经验折减系数法计算土壤初始蓄水量需要选择流域一场暴雨或久旱未雨才能开始计算和计算过程数据不能中断的缺点。【结论】在湿润半湿润地区采用BP神经网络模型计算新安江模型初始土壤蓄水量具有可行性和适用性;当神经网络输入因子和隐含层节点数选择合理时,模型模拟和预测精度较高。