CN114580793A - 基于多源互补以及局部调控的水环境优化方法及系统 - Google Patents

基于多源互补以及局部调控的水环境优化方法及系统 Download PDF

Info

Publication number
CN114580793A
CN114580793A CN202210477972.4A CN202210477972A CN114580793A CN 114580793 A CN114580793 A CN 114580793A CN 202210477972 A CN202210477972 A CN 202210477972A CN 114580793 A CN114580793 A CN 114580793A
Authority
CN
China
Prior art keywords
water
source
scheme
data
hydrodynamic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210477972.4A
Other languages
English (en)
Other versions
CN114580793B (zh
Inventor
陈天宇
柳杨
杨畅
刘国庆
甘琳
范子武
谢忱
粟一帆
马景天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Original Assignee
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources filed Critical Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority to CN202210477972.4A priority Critical patent/CN114580793B/zh
Publication of CN114580793A publication Critical patent/CN114580793A/zh
Application granted granted Critical
Publication of CN114580793B publication Critical patent/CN114580793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于多源互补以及局部调控的水环境优化方法及系统，属于水文大数据挖掘与分析的技术领域。其中方法包括：步骤1、划分待研究区域；步骤2、获取待研究区域的历史数据；步骤3、对所述历史数据进行预处理；步骤4、构建智能决策模型；所述智能决策模型用于制定水资源调度方案；步骤5、将经过预处理后的历史数据输入智能决策模型进行分析，获取智能决策方案；步骤6、根据所述智能决策方案执行水环境质量提升措施。本发明针对不同城市河网特征，寻找出最有优质的水源，确定合理的补水方式。另外，通过精确计算城区总需水量，在城区河网内进行精准分配，达到了提高水源利用率，以及改善城市河网水环境的目的。

Description

基于多源互补以及局部调控的水环境优化方法及系统
技术领域
本发明涉及水文大数据挖掘与分析的技术领域，特别是一种基于多源互补以及局部调控的水环境优化方法及系统。
背景技术
平原城市河网密布，水源条件相对优越，生态补水作为平原城市河网水动力和水环境提升的重要方法，目前国内外许多城市均实施了生态补水工程实践。
但是在现有技术中，由于缺少指导确定城市河网生态补水水源及补水方式的理论方法，以及水源进入城区后的水量精准配置方法，当前的工程实践基本依靠经验判断，既不能最大化利用有限的水资源，也无法保障河网水环境的改善效果。
发明内容
发明目的：提出一种基于多源互补以及局部调控的水环境优化方法及系统，以解决现有技术存在的上述问题，通过制定合理的补水方式，提高水资源的有效利用率，达到改善水环境质量的目标。
技术方案：第一方面，提出了一种基于多源互补以及局部调控的水环境优化方法，其特征在于，具体包括以下步骤：
步骤1、划分待研究区域；
步骤2、获取待研究区域的历史数据；
步骤3、对所述历史数据进行预处理；
步骤4、构建智能决策模型；所述智能决策模型用于制定水资源调度方案；
步骤5、将经过预处理后的历史数据输入智能决策模型进行分析，获取智能决策方案；
步骤6、根据所述智能决策方案执行水环境质量提升措施。
执行完水环境质量提升措施后，为贴合实际应用情况，在实际应用过程中，还包括步骤7，即：步骤7、通过实测数据分析智能决策方案的执行结果，并基于执行结果针对细节进行微调，获取最终的水环境提升方案。
在第一方面的一些可实现方式中，步骤5获取智能决策方案的过程中还包括以下步骤：
步骤5.1、筛选获得候选补水水源；
步骤5.2、根据候选补水水源的空间分布制定引流策略；
步骤5.3、分析待研究区域的历史数据，寻找关键控制节点布设控导工程，进行区域水动力重构；
步骤5.5、采用局部节点优化调控的方式控制水位和流量，并基于引流策略获得智能决策方案。
在第一方面的一些可实现方式中，通过分析补水水源的历史水文数据，获取用于作为候选补水水源的过程具体包括以下步骤：
步骤5.1.1、获取补水水源的历史水文数据；
步骤5.1.2、分析补水水源的属性达标情况；
步骤5.1.3、同步分析补水水源的水质、水位状态；
步骤5.1.4、综合分析结果获取候选补水水源；
其中，采用水源水质保障率分析补水水源的水质情况，采用水源自流保障率分析补水水源的水位情况；所述水源自流保障率包括：水位保障率分析法和水源自流保证率分析法。
补水水源具备的属性包括：水环境中的溶解氧、高锰酸盐指数、氨氮、总磷指标满足预设的阈值；水质不低于受纳水体水质；贴合受纳水体水质的需求；所述受纳水体为待研究区域。
在第一方面的一些可实现方式中，通过构建城市河网一维水动力数学模型，分析城市河网水动力特性，并基于候选补水水源的空间分布为制定引流策略提供技术支撑。
在第一方面的一些可实现方式中，采用城市河网一维水动力数学模型分析城市河网水动力特性的过程具体包括以下步骤：
步骤5.2.1、选取包含待研究区域和候选水源区域的流域面积；
步骤5.2.2、对所述流域面积进行断面划分；
步骤5.2.3、测量断面对应的水文数据，并预处理为所述城市河网一维水动力数学模型接收的数据格式；
步骤5.2.4、通过穿越河道断面的河道中心线，创建河段；
步骤5.2.5、根据实际情况添加水工构筑物；
步骤5.2.6、根据所述流域面积的自然属性，确定城市河网一维水动力数学模型的边界阈值；
步骤5.2.7、通过分析水文数据对城市河网一维水动力数学模型的参数进行率定与验证；
步骤5.2.8、通过达到验证要求的城市河网一维水动力数学模型，获取待研究区域的水动力特性。
在第一方面的一些可实现方式中，为保证城市河网一维水动力数学模型的模拟精度，通过模型率定验证的方式优化模型参数，从而提高模拟性能。
进一步的，模型率定验证中，采用Nash-Sutcliffe系数NSE和确定性系数
Figure 100002_DEST_PATH_IMAGE002
对模型有效性进行评定；所述Nash-Sutcliffe系数NSE用于表示径流预报值系列与实测系列数量级近似程度，确定性系数
Figure 18734DEST_PATH_IMAGE002
用于表示径流预报值系列与实测系列形状吻合程度；
所述Nash-Sutcliffe系数NSE表达式为：
Figure 100002_DEST_PATH_IMAGE004
式中，NSE为模拟场次洪水过程Nash-Sutcliffe系数；
Figure 100002_DEST_PATH_IMAGE006
表示实测序列第i位数据；
Figure 100002_DEST_PATH_IMAGE008
表示实测序列均值；n表示实测数据总数；
所述确定性系数
Figure 957740DEST_PATH_IMAGE002
表达式为：
Figure 100002_DEST_PATH_IMAGE010
式中，
Figure 928671DEST_PATH_IMAGE002
表示模拟场次洪水过程确定性系数；
Figure 100002_DEST_PATH_IMAGE012
表示实测序列数据；
Figure 100002_DEST_PATH_IMAGE014
表示实测序列均值；
Figure 100002_DEST_PATH_IMAGE016
表示计算序列数据；
Figure 100002_DEST_PATH_IMAGE018
表示计算序列均值。
在第一方面的一些可实现方式中，采用活动溢流堰进行区域水动力重构，通过营造水位差，增大城区河道的流动性，形成自流格局。
活动溢流堰是一种上部绕底轴转动的薄壁堰和下部为宽顶堰相结合的水工建筑物；包括：橡胶护舷、闸门、支枕块。
当闸门抬起时，是一座薄壁溢流堰，用于壅高水位，通过调节闸门的旋转角度控制壅水高度；闸门的两侧各有一个宽顶堰，两座宽顶堰中间形成凹槽，当闸门全部卧倒时，即嵌入凹槽，与宽顶堰的堰顶同高；两座宽顶堰上各布置至少一个橡胶护舷，用以吸收船舶与码头或船舶之间在靠岸或系泊时的碰撞能量。
活动溢流堰是闸门围绕底轴心旋转的结构；上游止水压在圆轴上，当坝竖起或倒下时，止水不离圆轴的表面，始终保持密封止水状态；闸门采用启闭机启闭，并在预设时间段内完成一次升坝和塌坝。
在第一方面的一些可实现方式中，根据分析结果针对需要优化的细节进行局部调整时，采用水动力提升率作为表征水动力改善效果的指标，采用水质提升率作为表征水质改善效果的指标。
其中，水动力提升率是水环境提升方案实施前后河道平均流速的变化值，表达式为：
Figure 100002_DEST_PATH_IMAGE020
式中，
Figure 100002_DEST_PATH_IMAGE022
表示水动力提升率；
Figure 100002_DEST_PATH_IMAGE024
表示水环境提升方案实施后的河道流速；
Figure 100002_DEST_PATH_IMAGE026
表示水环境提升方案实施前的河道流速。
水质提升率是水环境提升方案实施后水质参数浓度减少值与实施前水质参数浓度的百分比，表达式为：
Figure 100002_DEST_PATH_IMAGE028
式中，
Figure 100002_DEST_PATH_IMAGE030
表示水质提升率；
Figure 100002_DEST_PATH_IMAGE032
表示水环境提升方案实施前水质参数浓度；
Figure DEST_PATH_IMAGE034
表示水环境提升方案实施后水质参数浓度。
第二方面，提出一种基于多源互补以及局部调控的水环境优化系统，该系统具体包括以下模块：
用于划分待研究区域的区域划分模块；
用于获取待研究区域历史数据的数据读取模块；
用于处于历史数据的数据预处理模块；
用于构建智能决策模型的模型构建模块；
用于获取智能决策方案的方案制定模块；
用于执行智能决策方案的方案执行模块。
有益效果：本发明提出了一种基于多源互补以及局部调控的水环境优化方法及系统，针对不同城市河网特征，寻找出最有优质的水源，确定合理的补水方式。另外，通过精确计算城区总需水量，在城区河网内进行精准分配，达到了提高水源利用率，以及改善城市河网水环境的目的。
附图说明
图1为本发明实施例中的数据处理流程图。
图2为本发明实施例中候选补水水源的获取示意图。
图3为本发明实施例水动力精准调控技术思路示意图。
图4为本发明实施例活动溢流堰的结构示意图。
图5为本发明实施例水环境优化方案流程示意图。
附图标记：1、闸门；2、橡胶护舷；3、支枕块。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
在本申请中，我们提出了一种基于多源互补以及局部调控的水环境优化方法及系统，如图1所示，针对不同城市河网特征，寻找出最有优质的水源，确定合理的补水方式。同时，通过精确计算城区总需水量，在城区河网内进行精准分配，用于提高水源利用率，以及改善城市河网水环境的质量。
实施例一
在一个实施例中，提出一种基于多源互补以及局部调控的水环境优化方法，如图1所示，具体包括以下步骤：
步骤1、划分待研究区域；
步骤2、获取待研究区域的历史数据；
步骤3、对历史数据进行预处理；
步骤4、构建智能决策模型；
步骤5、将经过预处理后的历史数据输入智能决策模型进行分析，获取智能决策方案；
步骤6、根据智能决策方案执行水环境质量提升措施。
其中，构建的智能决策模型用于根据接收到数据进行分析，从而制定水资源调度方案。
在进一步实施例中，获取智能决策方案的过程中还包括以下步骤：
步骤5.1、筛选补水水源；
步骤5.2、根据补水水源的空间分布制定引流策略；
步骤5.3、分析待研究区域的历史数据，寻找关键控制节点布设控导工程，进行区域水动力重构；
步骤5.5、采用局部节点优化调控的方式控制水位和流量，并基于引流策略获得智能决策方案。
本实施例通过对历史数据的挖掘分析，获取到最贴近实际变化曲线的水源数据，同时利用智能决策模型制定最优调度方案，有效执行水资源调度措施，实现了河网水环境提升的目标。
实施例二
在实施例一基础上的进一步实施例中，为了有效的实现现有水源的合理利用，针对水质标准不达标的区域，采用优质水源引流的方式进行水资源调动。针对用于引流的水源，采用基于历史水文数据分析，以及水质测算的方式进行筛选。
具体的，如图2所示，获取最优补水水源的步骤包括：
步骤1、获取研究区域的历史水文数据；具体历史水文数据包括：补水水源的历史水文数据和区域内部河网的历史水文数据；
步骤2、同步分析可作为补水水源的水质、水位状态；
步骤3、综合分析结果获取候选补水水源。
其中分析水质状态时，采用水源水质保障率的方式进行计算；分析水位状态时，采用水源自流保障率进行计算。
在进一步的实施例中，作为城市河网补水水源的河湖，首先应当是相对健康的河湖，其水量、水质都应符合健康河湖相关标准。平原河网区水资源量丰富，因此水量不是水源的限制因子，而补水水源的水质条件则是影响城市河网水动力调控工程效果的重要因素之一。根据研究区域水质月报中的水质监测数据，分析补水水源水质达标保障率，有助于为研究区域选择水质保障率高的优质补水水源。
优选实施例中，补水水源的水质具备以下特性：a、水环境中的溶解氧、高锰酸盐指数、氨氮、总磷指标满足预设的阈值；b、水质不低于受纳水体水质；c、贴合受纳水体水质的需求。本实施例通过特性a，可以获取水环境优于受纳水体的水源；通过特性b，可以有效针对水质型缺水的平原河网城市，补入外来优质水体可以增加水环境容量，从而改善受纳水体水质；通过特性c，可以针对受纳水体需要重点改善的水质指标，在不同补水水源中选择更贴合实际需求的水源。
在进一步的实施例中，采用水源水质保障率的方式进行水质状态分析时，对应的表达式为：
Figure DEST_PATH_IMAGE036
式中，
Figure 539912DEST_PATH_IMAGE030
表示水质保障率；
Figure DEST_PATH_IMAGE038
表示水质类别达到引水水质类别标准的月份数；
Figure DEST_PATH_IMAGE040
表示统计期间内总月份数。补水水源的水质保障率为水质达到标准的时间占比，即统计期间内河湖水源水质类别（GB 3838-2002）达到补水水质类别标准的月份占总月份数的百分比。基于以上表达式，当水质保障率越高时，生态补水效果就越高，在优选方案中，一般考虑水质保障率高于90%的河道或湖泊作为城市生态补水的水源。
为了更好的获取用于计算的水质保障率的水文数据，水样的采样布点、监测频率及监测数据的处理应遵循《水环境监测规范》（SL 219—2013）相关规定，水质评价应遵循GB3838-2002相关规定。
另外，关于补水水源的水质标准应根据研究区域内的水质分析结果，研究区域水质分析包括区域内河网水质分析及外围水源水质分析。
在进一步的实施例中，采用水源自流保障率分析水位状态时具体包括水位保障率分析法和水源自流保证率分析法。分析水位状态时，采用综合历时曲线法，收集研究区域各水位站多年水位实测数据，根据实测数据计算各站点日平均水位，再逐日统计平均水位值在不同等级中出现的次数，获得相应水位的保证率，其对应的表达式为：
Figure DEST_PATH_IMAGE042
式中，
Figure DEST_PATH_IMAGE044
表示某一水位站的某一日平均水位；
Figure DEST_PATH_IMAGE046
表示小于
Figure 548932DEST_PATH_IMAGE044
当天平均水位的日平均水位个数；n表示当前水位站日平均水位总个数；
Figure DEST_PATH_IMAGE048
表示当前水位站当日平均水位的保证率；k表示某一水位站每日的实测水位总个数；
Figure DEST_PATH_IMAGE050
表示第i个实测水位数据。以日平均水位为纵坐标、保证率为横坐标，在方格纸上把各保证率点绘于相应于各级别的下限处，连线各点即绘制成日平均水位综合历时曲线，依据绘制的日平均水位综合历时曲线，可以获得不同水位站点在不同日平均水位下的水位保障率。
分析水源自流保证率的过程中，通过选取补水水源与内部各相应站点的水位保证率进行对比分析。具体比较不同水位保证率下的补水水源的水位值与下游河道的水位值，从而实现水源自流保障率的判断。优选实施例中，在判断自流能力时，自流保证率数值等于该水位保证率，即若在50%水位保证率下，补水水源的水位值高于下游河道的水位，则该水源具有一定的自流能力，自流保证率≥50%；若在90%水位保证率下，补水水源的水位值高于下游河道的水位，则该水源具有较高的自流能力，自流保证率≥90%。通过分析水源的自流保证率可实现对补水方式的判断。
本实施例通过收集研究区域及周边自然地理、水文、地势、河道水质等相关资料，在此基础上综合水位与水质等数据分析，依据城市河网水质目标制定补水水源的水质标准，分析水源水质保障率；同时采用特征水位分析方法，分析优质水源的自流保证率，制定合理的补水方式，有效提高了水源保障能力。
实施例三
在实施例一基础上的进一步实施例中，由于平原河网地区地势平坦、河道众多，水动力弱、水流往复，因此，对于平原河网地区数值模型的模拟精度有较高的要求。本实施例通过构建高精度的城市河网一维水动力数学模型，准确分析城市河网水动力特性，从而为优化有序引排方案提供技术支撑。
具体的，通过研究河道断面实测、现场踏勘调研、同步原型观测试验有效提升数值模拟计算精度。为了更好的提高模型的精准度，基于实测的数据进行模型构建，并通过模型的率定验证优化模型参数。优选实施例中，针对河道断面的测量，包括：河道交汇的位置的测量、河道束窄处断面测量、以及根据预设不同河宽划分测量断面，测量的过程中每条河至少测2个断面，首尾断面、拐弯处断面必须测量，在交叉口两边的断面必须测量，束窄位置的断面必须测量，束窄断面至正常河宽的渐变段至少测量一个断面。
在获得实测河道断面的基础上，开展现场踏勘调研，其中现场踏勘调研的内容主要包括：①数据复核：河道宽度；闸门位置、尺寸和底高程；泵站位置、单双向、泵站数量以及流量等；②水体水动力与感官调研：水体的水流方向、状态以及表面流速、水体透明度、藻类以及漂浮物等、河道两侧排污口调研；③河道中束窄因素调研：河道上桥梁、管涵以及暗渠等，复核跨河桥梁、管涵等尺寸。
另外，利用原型观测期间实测流量、水位数据对模型进行率定和验证，可以大大提高模型的模拟精度。采用率定后的河道糙率，对原型观测结果进行反演计算，并将计算结果与原型观测成果进行对比分析，反复调试直至模型精度达到一定要求。
在进一步的实施例中，通过构建城市河网一维水动力数学模型，分析城市河网水动力特性，并基于候选补水水源的空间分布为制定引流策略提供技术支撑。
一维河道（河网）的洪水运动用St.Vennant方程组描述，其上、下游边界的控制条件一般采用水位过程控制、流量过程控制、流量～水位关系控制等形式。由基本方程St.Vennant方程、边界条件和初始条件共同组成一维水流运动的定解问题。描述河道水动力过程的一维圣维南方程组由连续方程和动量方程组成，表达式为：
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
式中，x表示河道纵向坐标；t表示时间；n表示糙率系数；Q、Z分别为断面流量及水位；q为单位河长的旁侧入流量；A为过水断面积；u、R分别为过水断面平均流速及水力半径；
Figure DEST_PATH_IMAGE056
表示水位相同时的断面沿程变化率；g为重力加速度；
Figure DEST_PATH_IMAGE058
，其中B和
Figure DEST_PATH_IMAGE060
分别为河宽和附加滩地宽度。由于，在天然河道（河网）中普遍存在着诸如支流交汇、集中分（入）流、洼地蓄水、断面突扩（缩）、堰、闸等，在这些局部地区，由于水流受固体边壁的影响，水流流态急变，St.Vennant方程组不再适用，因此根据守恒定律，补充必要的计算条件，这类计算条件是位于域内的物理条件，称之为内边界条件。
其中，模型上游边界取为流量控制条件，下游边界取为水位控制条件或水位流量关系控制条件。模型的初始条件表达式为：
Figure DEST_PATH_IMAGE062
式中，
Figure DEST_PATH_IMAGE064
表示初始流场各点的水位，一般为静止场；
Figure 906226DEST_PATH_IMAGE026
表示初始流场各点的流速值；水位取控制断面的水位值；优选实施例中，对于非恒定流计算，先按恒定流计算，得到一个恒定场，作为初始场。
在进一步的实施例中，城市河网一维水动力数学模型的参数包括：空间步长、时间不长和河道糙率。优选实施中，空间步长根据断面资料采用不等间距的节点布置，实测河道断面间距约为100~500m，模型计算步长为100m左右；为使模拟计算过程保持较好的稳定状态和满足模型计算精度，模型时间步长采用60s；根据经验值设定河道糙率初始值，总体原则为高级别河道糙率小于低级别河道、断面较宽河道小于断面较窄的河道，优选一级河道选取0.025，二级河道选取0.030，三级河道介于0.035。
为保证城市河网一维水动力数学模型的模拟精度，通过模型率定验证的方式优化模型参数，从而提高模拟性能。其中模型中的主要影响因子为空间步长、时间步长以及河道糙率。
具体的，模型率定验证中，采用Nash-Sutcliffe系数NSE和确定性系数
Figure 368431DEST_PATH_IMAGE002
对模型有效性进行评定；所述Nash-Sutcliffe系数NSE用于表示径流预报值系列与实测系列数量级近似程度，确定性系数
Figure 388340DEST_PATH_IMAGE002
用于表示径流预报值系列与实测系列形状吻合程度；
所述Nash-Sutcliffe系数NSE表达式为：
Figure DEST_PATH_IMAGE004A
式中，NSE为模拟场次洪水过程Nash-Sutcliffe系数；
Figure 285538DEST_PATH_IMAGE006
表示实测序列第i位数据；
Figure 12186DEST_PATH_IMAGE008
表示实测序列均值；n表示实测数据总数；
所述确定性系数
Figure 160139DEST_PATH_IMAGE002
表达式为：
Figure DEST_PATH_IMAGE010A
式中，
Figure 605027DEST_PATH_IMAGE002
表示模拟场次洪水过程确定性系数；
Figure 83413DEST_PATH_IMAGE012
表示实测序列数据；
Figure 946458DEST_PATH_IMAGE014
表示实测序列均值；
Figure 547204DEST_PATH_IMAGE016
表示计算序列数据；
Figure 744967DEST_PATH_IMAGE018
表示计算序列均值。
实施例四
在实施例一基础上的进一步实施例中，智能决策模型在执行智能决策的过程中具体包括以下步骤：
步骤1、接收待分析的数据；
步骤2、通过数据分析补水水源与待进行研究区域之间的关系，获取最优的补水水源；
步骤3、通过数据分析获取最优的引排过程；
步骤4、根据数据分析制定精准的水位-流量划分线，制定精准调控方案；
步骤5、基于最优的补水水源、引排过程以及精准调控方案制定最终的水资源调度方案。
本实施例通过综合分析多种影响调度效率的影响因子，通过设定权重分析形成最终的水资源调度方案。相较于现有技术，本申请综合考虑到了多方面的影响因子，使得最终的水资源调度方案更贴合实际应用，达到最高效的水环境质量提升措施。
实施例五
在实施例一基础上的进一步实施例中，平原城市一般水动力较弱，在纯天然状态下，河网水流基本按照阻力最小的路径流动，即从河宽较大的河道流走，因此，中小河道流动性极弱，其水环境承载力较低，需要依靠泵站抽排才能够实现水流的流动，因此，为了尽可能地让城市内部的中小河道能够在自流的状态下分配到优质水源，需要进行内部河网水位控制和水量分配，以实现对河网水动力的精准调控。
实现精准调控的过程如图3所示，具体包括以下步骤：根据补水水源的实际情况和河道水力特性等，在满足城市河道生态水位的条件下，以水动力-水质双指标调控阈值为河网水动力调控标准，基于水动力有序引排模拟技术，精细化评估研究区域的河网需水量、补水频次，形成城市河网水量精准配置技术；研发闸门过流精准控制技术和控导工程优化调控技术，精准调控城市河网水位-流量，实现精细化、高效化配水的目的，充分发挥水动力调控工程效益，改善河网水质，节约水资源量。
在进一步的实施例中，城市河网水量精准配置技术以水动力-水质双指标调控阈值确定方法计算河道水动力调控阈值，基于城市河网水动力有序引排精细模拟技术，精细化评估研究区域的河网需水量、补水频次，实现对城市河网的水量精准配置。
在进一步的实施例中，平原河网地区最为常用的调控方式是闸泵调控，但闸泵调控范围有限，且启用泵站产生较多的运行费，闸门启动也容易促使局部水流流速突然增大，造成河道底泥扰动。本实施例针对平原城市河网水动力条件差、水环境容量不足、补水方案不合理、泵引动力驱动活水弊端多等问题，提出活动溢流堰等工程措施精准控制城区河网水位-流量，通过营造水位差，增大城区河道的流动性，有效改善河网水环境质量。
具体的，如图4所示，活动溢流堰是一种上部绕底轴转动的薄壁堰和下部为宽顶堰相结合的水工建筑物。当闸门1抬起时，是一座薄壁溢流堰，起到壅高水位的效果，通过调节闸门1的旋转角度能够控制壅水高度；闸门1的两侧各有一个宽窄平台，可以看作宽顶堰，两座宽顶堰中间形成凹槽，当闸门1全部卧倒时，嵌入凹槽，并位于支枕块3上方，与宽顶堰堰顶同高；两座宽顶堰上各布置至少一个橡胶护舷2，用以吸收船舶与码头或船舶之间在靠岸或系泊时的碰撞能量，保护船舶、码头免受损坏。与泵引动力调控相比，活动溢流堰结构简洁、坚固耐用、维护费用低，其运转部件采用特殊复合材料，无需添加润滑剂，闸门1本体十年左右进行1次防腐，活动溢流堰没有底门槽和侧门槽，是门叶围绕底轴心旋转的结构。另外，上游止水压在圆轴上，当坝竖起或倒下时，止水不离圆轴的表面，始终保持密封止水状态，淤沙（泥）不会影响其升坝和塌坝；闸门1采用启闭机启闭，一般不超过2分钟完成一次升坝和塌坝，水位调控便捷，对防洪基本没有影响，且当上游水位超过堰顶溢流时形成人造瀑布，水流潺潺，达到提高视觉体验感的效果。
实施例六
在实施例一基础上的进一步实施例中，为了更好的使得制定的水环境优化方案更贴合实际应用，因此在实际应用的过程中，如图5所示，根据测试结果动态调整优化方案，使得理论方案与实际情况相结合，达到最优的水环境改善效果。
具体的，获取最优方案的实现过程包括以下步骤：
步骤1、根据研究流域的实际情况构建现场原型观测方案；其中现场原型观测方案包括：临时工程建设方案、工程调度方案、监测方案和指标检测方法等
步骤2、基于现场原型观测方案采集现场测试数据；
步骤3、分析采集到的现场观测数据；
步骤4、根据分析结果针对需要优化的细节进行局部调整；
步骤5、将调整后的方案作为最终的最优方案，并输出。
在进一步的实施例中，根据分析结果针对需要优化的细节进行局部调整时，采用水动力提升率作为表征水动力改善效果的指标，采用水质提升率作为表征水质改善效果的指标。其中，水动力提升率是水环境提升方案实施前后河道平均流速的变化值，表达式为：
Figure DEST_PATH_IMAGE020A
式中，
Figure 213994DEST_PATH_IMAGE022
表示水动力提升率；
Figure 977551DEST_PATH_IMAGE024
表示水环境提升方案实施后的河道流速；
Figure 218039DEST_PATH_IMAGE026
表示水环境提升方案实施前的河道流速。当水动力提升率达到10%及以上的点位越多、范围越大时，表明该方案水动力调控效果较好。
水质提升率是水环境提升方案实施后水质参数浓度减少值（溶解氧、透明度等参数为增加值）与实施前水质参数浓度的百分比，表达式为：
Figure DEST_PATH_IMAGE028A
式中，
Figure 106361DEST_PATH_IMAGE030
表示水质提升率；
Figure 205511DEST_PATH_IMAGE032
表示水环境提升方案实施前水质参数浓度；
Figure 26836DEST_PATH_IMAGE034
表示水环境提升方案实施后水质参数浓度。当水质提升率达到10%及以上的点位越多、范围越大时，表明该方案对区域河道水质的改善效果较好。
实施例七
在一个实施例中，提出一种基于多源互补以及局部调控的水环境优化系统，用于实现基于多源互补以及局部调控的水环境优化方法，该系统具体包括以下模块：
用于划分待研究区域的区域划分模块；
用于获取待研究区域历史数据的数据读取模块；
用于处于历史数据的数据预处理模块；
用于构建智能决策模型的模型构建模块；
用于获取智能决策方案的方案制定模块；
用于执行智能决策方案的方案执行模块。
在进一步的实施例中，方案执行模块执行完水环境质量提升措施后，为贴合实际应用情况，还包括：用于基于执行结果针对细节进行微调的方案微调模块。
综上，本申请筛选区域外围可利用优质水源，通过水质达标率和水质保障率分析方法，确定补水水源和补水方式，实现城区水源保障的时空适配性需求；基于城市河网水动力有序引排模拟技术，确定区域河网有序引排格局，优化调度方案；通过城市河网水动力精准调控技术，计算河网需水量，寻找关键控制节点布设控导工程，实现区域水动力重构，并采用局部节点优化调控技术精准控制河网水位-流量，发挥水动力调控工程最大效益，改善河网水质、提高河网水体流动性，提高城市河网水环境承载能力，从而达到提升城市河网水环境质量的目标。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.一种基于多源互补以及局部调控的水环境优化方法，其特征在于，具体包括以下步骤：
步骤1、划分待研究区域；
步骤2、获取待研究区域的历史数据；
步骤3、对所述历史数据进行预处理；
步骤4、构建智能决策模型；所述智能决策模型用于制定水资源调度方案；
步骤5、将经过预处理后的历史数据输入智能决策模型进行分析，获取智能决策方案；
步骤6、根据所述智能决策方案执行水环境质量提升措施。
2.根据权利要求1所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，执行完水环境质量提升措施后，为贴合实际应用情况，在实际应用过程中，还包括步骤7，即：
步骤7、通过实测数据分析智能决策方案的执行结果，并基于执行结果针对细节进行微调，获取最终的水环境提升方案。
3.根据权利要求1所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，步骤5获取智能决策方案的过程中还包括以下步骤：
步骤5.1、筛选获得候选补水水源；
步骤5.2、根据候选补水水源的空间分布制定引流策略；
步骤5.3、分析待研究区域的历史数据，寻找关键控制节点布设控导工程，进行区域水动力重构；
步骤5.5、采用局部节点优化调控的方式控制水位和流量，并基于引流策略获得智能决策方案。
4.根据权利要求3所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，通过分析补水水源的历史水文数据，获取用于作为候选补水水源的过程具体包括以下步骤：
步骤5.1.1、获取研究区域的历史水文数据；
步骤5.1.2、分析补水水源的属性达标情况；
步骤5.1.3、同步分析补水水源的水质、水位状态；
步骤5.1.4、综合分析结果获取候选补水水源；
其中，采用水源水质保障率分析补水水源的水质情况，采用水源自流保障率分析补水水源的水位情况；所述水源自流保障率包括：水位保障率分析法和水源自流保证率分析法；
补水水源具备的属性包括：水环境中的溶解氧、高锰酸盐指数、氨氮、总磷指标满足预设的阈值；水质不低于受纳水体水质；贴合受纳水体水质的需求；所述受纳水体为待研究区域。
5.根据权利要求3所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，通过构建城市河网一维水动力数学模型，分析城市河网水动力特性，并基于候选补水水源的空间分布为制定引流策略提供技术支撑。
6.根据权利要求5所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，采用城市河网一维水动力数学模型分析城市河网水动力特性的过程具体包括以下步骤：
步骤5.2.1、选取包含待研究区域和候选水源区域的流域面积；
步骤5.2.2、对所述流域面积进行断面划分；
步骤5.2.3、测量断面对应的水文数据，并预处理为所述城市河网一维水动力数学模型接收的数据格式；
步骤5.2.4、通过穿越河道断面的河道中心线，创建河段；
步骤5.2.5、根据实际情况添加水工构筑物；
步骤5.2.6、根据所述流域面积的自然属性，确定城市河网一维水动力数学模型的边界阈值；
步骤5.2.7、通过分析水文数据对城市河网一维水动力数学模型的参数进行率定与验证；
步骤5.2.8、通过达到验证要求的城市河网一维水动力数学模型，获取待研究区域的水动力特性。
7.根据权利要求5所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，为保证城市河网一维水动力数学模型的模拟精度，通过模型率定验证的方式优化模型参数，从而提高模拟性能；
进一步的，模型率定验证中，采用Nash-Sutcliffe系数NSE和确定性系数
Figure DEST_PATH_IMAGE002
对模型有效性进行评定；所述Nash-Sutcliffe系数NSE用于表示径流预报值系列与实测系列数量级近似程度，确定性系数
Figure 844479DEST_PATH_IMAGE002
用于表示径流预报值系列与实测系列形状吻合程度；
所述Nash-Sutcliffe系数NSE表达式为：
Figure DEST_PATH_IMAGE004
式中，NSE为模拟场次洪水过程Nash-Sutcliffe系数；
Figure DEST_PATH_IMAGE006
表示实测序列第i位数据；
Figure DEST_PATH_IMAGE008
表示实测序列均值；n表示实测数据总数；
所述确定性系数
Figure 620674DEST_PATH_IMAGE002
表达式为：
Figure DEST_PATH_IMAGE010
式中，
Figure 869253DEST_PATH_IMAGE002
表示模拟场次洪水过程确定性系数；
Figure DEST_PATH_IMAGE012
表示实测序列数据；
Figure DEST_PATH_IMAGE014
表示实测序列均值；
Figure DEST_PATH_IMAGE016
表示计算序列数据；
Figure DEST_PATH_IMAGE018
表示计算序列均值。
8.根据权利要求3所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，采用活动溢流堰进行区域水动力重构，通过营造水位差，增大城区河道的流动性，形成自流格局；
所述活动溢流堰包括：
闸门；
宽顶堰，分别位于所述闸门的两侧，两座宽顶堰中间形成凹槽，当闸门全部卧倒时，即嵌入凹槽，与宽顶堰的堰顶同高；
橡胶护舷，分别布置在两座宽顶堰上用以吸收船舶与码头或船舶之间在靠岸或系泊时的碰撞能量；
当闸门抬起时，是一座薄壁溢流堰，用于壅高水位，通过调节闸门的旋转角度控制壅水高度。
9.根据权利要求2所述的一种基于多源互补以及局部调控的水环境优化方法，其特征在于，根据分析结果针对需要优化的细节进行局部调整时，采用水动力提升率作为表征水动力改善效果的指标，采用水质提升率作为表征水质改善效果的指标；
所述水动力提升率是水环境提升方案实施前后河道平均流速的变化值，表达式为：
Figure DEST_PATH_IMAGE020
式中，
Figure DEST_PATH_IMAGE022
表示水动力提升率；
Figure DEST_PATH_IMAGE024
表示水环境提升方案实施后的河道流速；
Figure DEST_PATH_IMAGE026
表示水环境提升方案实施前的河道流速；
所述水质提升率是水环境提升方案实施后水质参数浓度减少值与实施前水质参数浓度的百分比，表达式为：
Figure DEST_PATH_IMAGE028
式中，表示水质提升率；
Figure DEST_PATH_IMAGE030
表示水环境提升方案实施前水质参数浓度；
Figure DEST_PATH_IMAGE032
表示水环境提升方案实施后水质参数浓度。
10.一种基于多源互补以及局部调控的水环境优化系统，用于实现权利要求1-9任意一项方法，其特征在于，具体包括以下模块：
用于划分待研究区域的区域划分模块；
用于获取待研究区域历史数据的数据读取模块；
用于处于历史数据的数据预处理模块；
用于构建智能决策模型的模型构建模块；
用于获取智能决策方案的方案制定模块；
用于执行智能决策方案的方案执行模块。
CN202210477972.4A 2022-05-05 2022-05-05 基于多源互补以及局部调控的水环境优化方法及系统 Active CN114580793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210477972.4A CN114580793B (zh) 2022-05-05 2022-05-05 基于多源互补以及局部调控的水环境优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210477972.4A CN114580793B (zh) 2022-05-05 2022-05-05 基于多源互补以及局部调控的水环境优化方法及系统

Publications (2)

Publication Number Publication Date
CN114580793A true CN114580793A (zh) 2022-06-03
CN114580793B CN114580793B (zh) 2022-08-05

Family

ID=81778235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210477972.4A Active CN114580793B (zh) 2022-05-05 2022-05-05 基于多源互补以及局部调控的水环境优化方法及系统

Country Status (1)

Country Link
CN (1) CN114580793B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822911A (zh) * 2023-08-29 2023-09-29 水利部交通运输部国家能源局南京水利科学研究院 平原城市河网有序流动调控关键节点识别方法及系统
CN117236674A (zh) * 2023-11-16 2023-12-15 水利部交通运输部国家能源局南京水利科学研究院 城市河网水动力精准调控和水环境提升方法及系统
CN117291432A (zh) * 2023-11-27 2023-12-26 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117602724A (zh) * 2023-12-01 2024-02-27 南通恒源自控工程有限公司 一种水处理智能加药调节管理方法及系统
CN118037002A (zh) * 2024-04-09 2024-05-14 水利部水利水电规划设计总院 水网系统中调水工程年度水资源调度计划编制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110458359A (zh) * 2019-08-13 2019-11-15 河海大学 一种基于未完全截污条件下的平原河网水量水质优化调控方法
CN110796328A (zh) * 2019-08-29 2020-02-14 杭州鲁尔物联科技有限公司 一种城区水系智能水质水量调度方法
CN111027264A (zh) * 2019-12-03 2020-04-17 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 基于生态恢复目标的平原区城市河网水循环调控方法
CN111428914A (zh) * 2020-03-10 2020-07-17 中国环境科学研究院 水环境治理工程方案的确定方法、装置及存储介质
CN113763204A (zh) * 2021-08-31 2021-12-07 中冶华天工程技术有限公司 多目标优化下平原区河网调水工程提升水环境效果评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110458359A (zh) * 2019-08-13 2019-11-15 河海大学 一种基于未完全截污条件下的平原河网水量水质优化调控方法
CN110796328A (zh) * 2019-08-29 2020-02-14 杭州鲁尔物联科技有限公司 一种城区水系智能水质水量调度方法
CN111027264A (zh) * 2019-12-03 2020-04-17 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 基于生态恢复目标的平原区城市河网水循环调控方法
CN111428914A (zh) * 2020-03-10 2020-07-17 中国环境科学研究院 水环境治理工程方案的确定方法、装置及存储介质
CN113763204A (zh) * 2021-08-31 2021-12-07 中冶华天工程技术有限公司 多目标优化下平原区河网调水工程提升水环境效果评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乌景秀等: "活动溢流堰在苏州古城区自流活水工程中的应用", 《2013 年水资源生态保护与水污染控制研讨会论文集》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822911A (zh) * 2023-08-29 2023-09-29 水利部交通运输部国家能源局南京水利科学研究院 平原城市河网有序流动调控关键节点识别方法及系统
CN116822911B (zh) * 2023-08-29 2023-12-05 水利部交通运输部国家能源局南京水利科学研究院 平原城市河网有序流动调控关键节点识别方法
CN117236674A (zh) * 2023-11-16 2023-12-15 水利部交通运输部国家能源局南京水利科学研究院 城市河网水动力精准调控和水环境提升方法及系统
CN117236674B (zh) * 2023-11-16 2024-02-02 水利部交通运输部国家能源局南京水利科学研究院 城市河网水动力精准调控和水环境提升方法及系统
CN117291432A (zh) * 2023-11-27 2023-12-26 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117291432B (zh) * 2023-11-27 2024-02-23 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117602724A (zh) * 2023-12-01 2024-02-27 南通恒源自控工程有限公司 一种水处理智能加药调节管理方法及系统
CN117602724B (zh) * 2023-12-01 2024-05-28 南通恒源自控工程有限公司 一种水处理智能加药调节管理方法及系统
CN118037002A (zh) * 2024-04-09 2024-05-14 水利部水利水电规划设计总院 水网系统中调水工程年度水资源调度计划编制方法及系统
CN118037002B (zh) * 2024-04-09 2024-06-04 水利部水利水电规划设计总院 水网系统中调水工程年度水资源调度计划编制方法及系统

Also Published As

Publication number Publication date
CN114580793B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN114580793B (zh) 基于多源互补以及局部调控的水环境优化方法及系统
CN106920202B (zh) 一种平原城市河网畅流活水方法
CN106168991B (zh) 一种基于水动力数值模拟的感潮河网潮位预报方法
CN107563139A (zh) 一种点源突发性水污染源事故溯源贡献程度计算方法
CN110705171A (zh) 一种基于mike模型的感潮河网水环境治理方法
CN104631392B (zh) 一种基于河相关系的航道整治设计方法
CN106759063B (zh) 一种感潮河段造床流量的计算方法
CN104392111A (zh) 基于水位样本的洪水预报方法
CN112507419B (zh) 无资料、多碍洪构筑物的山区性河流洪水过程模拟方法
CN110838079A (zh) 一种智慧城市防洪排水远程监控系统及方法
CN104933268A (zh) 一种基于一维非恒定流数值模型的洪水分析方法
CN106096253A (zh) 一种划定湖泊缓冲带范围的方法
CN110847112B (zh) 一种基于水力学模拟的河道泄洪预警方法
CN107274113B (zh) 一种新型大坝维修决策评估方法
CN110889185A (zh) 一种小流域的洪峰流量分析方法及其应用
CN202522430U (zh) 一种隧道雨水收集试验模型
CN114331787A (zh) 以提升下游河流水质为目标的水库生态放流量的核算方法
CN111598757B (zh) 一种平原河网区城市水系流动确定方法
Zhou et al. Optimal model of hydrodynamic controlling on pumps and slice gates for water quality improvement
Elsayed et al. Evaluation the Existing Nile River Navigation Path in The Reach from Aswan City to Esna Barrage
CN116644499B (zh) 适用于运河浪岸坡击区作用范围的确定方法及船行波模型试验装置
CN116384285B (zh) 一种多受端水域突发水污染事故应急调控方法及系统
Liu et al. Inland River Simulation of Coastal Cities Based on Real-time Control (RTC) Rules
CN117893179B (zh) 基于数字孪生的水利电力工程建造管控方法及系统
CN112257139B (zh) 基于玻璃水槽试验数据的河道数学模型桥墩概化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant