CN114861448B - 应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 - Google Patents
应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 Download PDFInfo
- Publication number
- CN114861448B CN114861448B CN202210543029.9A CN202210543029A CN114861448B CN 114861448 B CN114861448 B CN 114861448B CN 202210543029 A CN202210543029 A CN 202210543029A CN 114861448 B CN114861448 B CN 114861448B
- Authority
- CN
- China
- Prior art keywords
- swimming
- fish
- model
- factor
- prediction model
- 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.)
- Active
Links
- 230000009182 swimming Effects 0.000 title claims abstract description 158
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 111
- 238000013461 design Methods 0.000 title claims abstract description 27
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000010998 test method Methods 0.000 claims abstract description 20
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 230000006698 induction Effects 0.000 claims abstract description 10
- 230000008878 coupling Effects 0.000 claims abstract description 8
- 238000010168 coupling process Methods 0.000 claims abstract description 8
- 238000005859 coupling reaction Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 18
- 229910052739 hydrogen Inorganic materials 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 229910052717 sulfur Inorganic materials 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 230000037396 body weight Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 235000019688 fish Nutrition 0.000 description 82
- 241001275867 Schizothorax Species 0.000 description 17
- 238000013508 migration Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 241000252185 Cobitidae Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 241000972773 Aulopiformes Species 0.000 description 1
- 102000016550 Complement Factor H Human genes 0.000 description 1
- 108010053085 Complement Factor H Proteins 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000019515 salmon Nutrition 0.000 description 1
- 241000894007 species Species 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/60—Ecological corridors or buffer zones
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，步骤为：步骤1：确定过鱼对象；步骤2：确定过鱼对象分类原则；步骤3：构建鱼类游泳能力数据库；通过文献检索及工程调研方式收集我国过鱼对象的游泳能力数据，游泳能力数据包括感应流速、临界游泳速度、爆发游泳速度、游泳耐力和游泳距离，根据已分类的过鱼对象，形成包含不同类型过鱼对象的游泳能力数据库；步骤4：提取影响鱼游泳能力的因素集；因素集包括鱼类生理因素、环境因素、地理信息因素和测试方法；步骤5：构建耦合多因素的游泳能力的预测模型;本发明利用数学模型构建耦合多个因素的游泳能力预测模型，并筛选最优模型；利用该模型对鱼道局部流速及尺寸提供建议参考值。
Description
技术领域
本发明属于生态与鱼类保护技术领域，特别涉及一种应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法。
背景技术
鱼类在洄游过程中可表现出多种典型行为，比如克流、尝试、逃逸、藏匿、维稳、卡门步态和集群等。目前，普遍应用于鱼道设计的游泳行为主要为过鱼对象游泳能力，其测试方法是在封闭管道中制造均匀流，测试鱼克服不同水流速度障碍的能力。目前，表征鱼游泳能力的主要指标包括感应流速、临界游泳速度、持续游泳速度、耐久游泳速度、爆发游泳速度和游泳耐力。国内外工程师在进行鱼道设计时，建议鱼道内的堰或孔口的流速小于过鱼对象的爆发游泳速度，鱼道池室休息区的平均流速低于临界游泳速度；鱼道进口流速建议尽可能大于临界游泳速度，以吸引鱼类快速找到入口，但不要超过爆发游泳速度；鱼道竖缝或池室的距离建议小于由竖缝流速或池室平均流速计算的最大游泳距离。
不同水电工程因所处流域不同需保护的过鱼对象会存在差异。据文献调研，我国水电工程过鱼对象主要归纳为三类：四大家鱼、裂腹鱼和鳅。国内学者已针对这三类鱼开展了大量的游泳能力测试，旨在为以这三类鱼为过鱼对象的鱼道设计提供数据参考。然而，游泳能力受外界影响的因素众多，包括体长、水温、溶解氧和海拔等。不同研究人员在开展游泳能力测试时外界条件可能存在明显差异，导致同一种鱼测得的游泳能力结果不同。若室内游泳能力测试环境与选用的鱼类生理参数无法对应匹配野外条件，所测得的游泳能力数据将难以直接应用于鱼道设计。此外，梯级电站开发在我国多个流域广泛存在，每个电站因流域相同可能需要保护的过鱼对象一致，不同流域之间也存在同科同属且游泳行为相似的鱼种，若响应每个电站对过鱼对象的保护要求，均开展过鱼对象游泳能力测试，显然大大增加研究经费预算和鱼道建设时间成本。构建耦合多因素的鱼类游泳能力预测模型，通过数学模型对未建水电工程的过鱼对象进行游泳能力预测以辅助鱼道设计是解决上述问题的有效手段。然而，现有技术中没有公开相关技术方案。
发明内容
鉴于背景技术所存在的技术问题，本发明所提供的应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，利用数学模型构建耦合多个因素的游泳能力预测模型，并筛选最优模型；利用该模型对鱼道局部流速及尺寸提供建议参考值。
为了解决上述技术问题，本发明采取了如下技术方案来实现：
一种应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，包括以下步骤：
步骤1：确定过鱼对象；
河道中通常有部分鱼类具有洄游性，洄游鱼类在不同发育阶段需要在河道中上溯或下行完成繁殖、产卵、肥育和索饵等关键生命活动。水电建设阻隔了鱼类洄游通道的连通性，鱼类无法自主完成各个关键生活史阶段，这些具有过坝需求的洄游鱼种被确定为水电工程的重点过鱼对象。
步骤2：确定过鱼对象分类原则；
我国水电站已确定过鱼对象种类众多，部分过鱼对象之间存在同科同属且生态习性具有高度相似性特征，将具有上述特征的鱼种归为一类。通过对已修建有鱼道的水电工程过鱼对象调研发现主要分为三类：四大家鱼、裂腹鱼和鳅科鱼。
步骤3：构建鱼类游泳能力数据库；
通过收集过鱼对象的游泳能力数据，游泳能力数据包括感应流速、临界游泳速度、爆发游泳速度、游泳耐力(疲劳时间-水流速度关系曲线)和游泳距离，根据已分类的过鱼对象，形成包含不同类型过鱼对象的游泳能力数据库。
步骤4：提取影响鱼游泳能力的因素集；
因素集包括鱼类生理因素(体长、体重和性别)、环境因素(水温、溶解氧和浊度)、地理信息因素(海拔、流域和地区)、测试方法(水槽尺寸、时间步长和流速递增幅度)及其它因素。
每个个体鱼的游泳能力均是在不同环境条件下测量获得。收集每尾鱼游泳能力数据的过程中，同步记录可能影响鱼游泳能力的外界因素，主要包括鱼类生理因素集S(体长S0、体重S1和性别S2)、环境因素集H(水温H0、溶解氧H1和浊度H2)、地理信息因素集D(海拔D0、流域D1和地区D2)、测试方法集C(水槽尺寸C0、时间步长C1和流速递增幅度C2)及其它因素集A，这些因素构成了影响鱼游泳能力的因素集。所述的其它因素集A为除生理因素集S、环境因素集H、地理信息因素集D、测试方法集C以外的因数集，其它因素集A为可选择的因素集；例如其它因素集A为：鱼体损失部位，光照颜色强度、噪音频率及强度等。
步骤5：构建耦合多因素的游泳能力的预测模型；
与鱼道设计相关的游泳能力指标包括：感应流速Uind、临界游泳速度Ucrit、爆发游泳速度Uburst、耐力曲线(游泳时间(E)～游泳速度(V)关系曲线)和游泳距离；耦合多因素的各游泳能力预测模型构建方法如下：
1)感应流速Uind预测模型公式如下：
Uind＝a0+a1S(S0、S1、S2)+a2H(H0、H1、H2)+a3D(D0、D1、D2)+a4C(C0、C1、C2)+a5A(A0、A1…An)，
其中a0为截距，a1为生理因素集S的系数集，a2为环境因素集H的系数集，a3为地理信息因素集D的系数集，a4为测试方法集C的系数集，a5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的感应流速预测模型，得到最终影响因素及对应系数；若无其它因素集A，则将表达式中的其它因素集A去除。下同。
2)临界游泳速度Ucrit预测模型公式如下：
Ucrit＝b0+b1S(S0、S1、S2)+b2H(H0、H1、H2)+b3D(D0、D1、D2)+b4C(C0、C1、C2)+b5A(A0、A1…An)，
其中b0为截距，b1为生理因素集S的系数集，b2为环境因素集H的系数集，b3为地理信息因素集D的系数集，b4为测试方法集C的系数集，b5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
3)爆发游泳速度Uburst预测模型公式如下：
Uburst＝c0+c1S(S0、S1、S2)+c2H(H0、H1、H2)+c3D(D0、D1、D2)+c4C(C0、C1、C2)+c5A(A0、A1…An)，
其中c0为截距，c1为生理因素集S的系数集，c2为环境因素集H的系数集，c3为地理信息因素集D的系数集，c4为测试方法集C的系数集，c5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
4)游泳耐力曲线预测模型公式如下：
log(E)＝d0+d1V+d2S(S0、S1、S2)+d3H(H0、H1、H2)+d4D(D0、D1、D2)+d5C(C0、C1、C2)+d6A(A0、A1…An)，
其中d0为截距，d1为游泳速度V的系数，d2为生理因素集S的系数集，d3为环境因素集H的系数集，d4为地理信息因素集D的系数集，d5为测试方法集C的系数集，d6为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的游泳耐力曲线预测模型，得到最终影响因素及对应系数；
5)游泳距离预测模型公式如下：
D＝(V-U)×E，其中V为游泳速度，E可从步骤4)中的游泳耐力最优预测模型中获得，U为水流速度，D为游泳距离。
优选的方案中，所述的步骤1中所述的过鱼对象是水电过程中常见的重点保护鱼类。
优选的方案中，所述的步骤2中所述的过鱼对象分类原则是依据鱼类科属性及生态习性相似性进行实施。
优选的方案中，所述的步骤5完成后，实施步骤6：依托该模型提供鱼道设计建议，所述建议包括鱼道进出口流速建议、鱼道池室平均流速建议、鱼道竖缝流速建议、鱼道池室长和鱼道竖缝长建议。确定过鱼对象后，将相关因素的取值带入模型，可预测目标鱼感应流速、临界游泳速度、爆发游泳速度、耐力曲线和游泳距离，为以该目标鱼为过鱼对象的鱼道提供设计参考。
本专利可达到以下有益效果：
本发明从辅助鱼类过坝需求为出发点，初步确定了水电工程需保护的过鱼对象，提出了过鱼对象分类原则，构建了水电站过鱼对象游泳能力数据库，筛选了影响鱼游泳能力的关键因素集，构建了耦合多因素的游泳能力预测模型构建，利用该模型为鱼道设计提供参考。本发明提出的构建应用于鱼道流速设计的过鱼对象游泳能力预测方法，有助于对未建水电站的鱼道设计提供经验数据，对辅助鱼类高效过坝提供技术支撑。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明步骤流程图；
图2为本发明水温为16℃，目标鱼体长与感应流速的关系预测图；
图3为本发明水温为16℃，目标鱼体长与临界游泳速度的关系预测图；
图4为本发明水温为16℃，目标鱼体长与爆发游泳速度的关系预测图；
图5为本发明水温为16℃，不同体长目标鱼游泳耐力预测曲线；
图6为本发明水温为16℃，不同体长目标鱼在不同水流速度下最大游泳距离预测图。
具体实施方式
如图1所示，本发明以辅助鱼类过坝需求为目标，聚焦水电工程重点需要保护的过鱼对象，参照科属类别及生态习性相似性等标准对鱼种进行分类，统计我国重点过鱼对象的游泳能力数据及测量时的外界因素，形成我国水电工程过鱼对象游泳能力数据库和影响鱼类游泳能力的因素集，构建并筛选耦合多个因素的游泳能力最优预测模型，对鱼道局部流速及尺寸设计提供建议参考值。
实施例1:
通过对我国已建鱼道的多个电站进行工程调研发现过鱼对象多数聚焦于四大家鱼、裂腹鱼属和鳅科鱼。根据同科同属且生态习性相似性原则，将裂腹鱼属中部分鱼种归纳为I类裂腹鱼。以I类裂腹鱼为例，现提供一个计算示例以具体说明本发明所涉及的计算方法和过程，确定过程如下：
1、针对I类裂腹鱼，通过文献检索、查阅项目科研成果报告和现场实测等方段获取I类裂腹鱼的感应流速Uind、临界游泳速度Ucrit、爆发游泳速度Uburst和游泳耐力曲线(游泳时间(E)～游泳速度(V)关系)。
2、记录I类裂腹鱼游泳能力数据的同时，标记每尾鱼的生理信息因素S(体长S0、体重S1和性别S2)、测试时的环境因素H(水温H0、溶解氧H1和浊度H2)、测试时的地理信息因素D(海拔D0、流域D1和地区D2)、测试方法因素C(水槽尺寸C0、时间步长C1和流速递增幅度C2)及其它因素A。
3、构建以游泳能力为因变量，各因素为自变量的游泳能力预测模型，利用AIC准则对模型进行筛选，保留了水温和体长因素，剔除了其他因素(模型建立时需要考虑所有可能的变量，再用AIC准则对模型进行筛选，选出最优的因素才能应用)，得到最优游泳能力预测模型。I类裂腹鱼最优游泳能力预测模型表达式如表1所示：
表1 I类裂腹鱼最优游泳能力预测模型
表中L-体长(cm)；T-水温(℃)。
4、将游泳耐力预测模型带入公式D＝(V-U)×E(式中U为水流速度，D为游泳距离)，可得到游泳距离模型，可预测鱼可某个水流速度下可游的最远距离。
5、利用已构建的模型，对过鱼对象的游泳能力进行预测，根据预测的相应游泳能力为鱼道设计提供经验参考。以水温为16℃为作为参考，图2为I类裂腹鱼体长与感应流速的关系预测图，图3为I类裂腹鱼体长与临界游泳速度的关系预测图，图4为I类裂腹鱼体长与爆发游泳速度的关系预测图。若属于I类裂腹鱼的某种鱼体长为18cm，则鱼的感应流速预测值为0.882BL/s(体长每秒)，临界游泳速度预测值为6.428BL/s，爆发游泳速度预测值为10.37BL/s。
6、以水温为16℃为作为参考，图5为不同体长I类裂腹鱼游泳耐力预测曲线，根据游泳耐力预测曲线可获得不同体长I类裂腹鱼在不同水流速度下可上溯的最大距离(图6)。若属于I类裂腹鱼的某种鱼体长为18cm，在水流速度为1.2m/s时，目标鱼最大游泳距离为22.84m。
7、依据上述预测值，可为鱼道局部区域的流速取值提供参考。当水温为16℃时，以某个体长为18cm的I类裂腹鱼为过鱼对象时，建议鱼道进口流速大于临界游泳速度，小于爆发游泳速度，即大于6.428BL/s，小于10.37BL/s；鱼道出口流速建议大于感应流速，小于爆发游泳速度，即大于0.882BL/s，小于10.37BL/s；鱼道竖缝流速建议小于爆发游泳速度，即小于10.37BL/s；鱼道池室平均流速建议大于感应流速，小于临界游泳速度，即大于0.882BL/s，小于6.428BL/s；若鱼道池室平均流速或竖缝流速为1.2m/s时，建议鱼道池室长度或竖缝长度小于22.84m。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。
Claims (5)
1.一种应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，其特征在于包括以下步骤：
步骤1：确定过鱼对象；
步骤2：确定过鱼对象分类原则；
步骤3：构建鱼类游泳能力数据库；
收集过鱼对象的游泳能力数据，游泳能力数据包括感应流速、临界游泳速度、爆发游泳速度、游泳耐力和游泳距离，根据已分类的过鱼对象，形成包含不同类型过鱼对象的游泳能力数据库；
步骤4：提取影响鱼游泳能力的因素集；
因素集包括鱼类生理因素集S、环境因素集H、地理信息因素集D和测试方法集C，这些因素构成了影响鱼游泳能力的因素集；
生理因素集S包括体长S0、体重S1和性别S2三个子集；环境因素集H包括水温H0、溶解氧H1和浊度H2三个子集；地理信息因素集D包括海拔D0、流域D1和地区D2三个子集；测试方法集C包括水槽尺寸C0、时间步长C1和流速递增幅度C2三个子集；
步骤5：构建耦合多因素的游泳能力的预测模型；
与鱼道设计相关的游泳能力指标包括：感应流速Uind、临界游泳速度Ucrit、爆发游泳速度Uburst、耐力曲线和游泳距离；耦合多因素的各游泳能力预测模型构建方法如下：
1)感应流速Uind预测模型公式如下：
Uind＝a0+a1S(S0、S1、S2)+a2H(H0、H1、H2)+a3D(D0、D1、D2)+a4C(C0、C1、C2)，
其中a0为截距，a1为生理因素集S的系数集，a2为环境因素集H的系数集，a3为地理信息因素集D的系数集，a4为测试方法集C的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的感应流速预测模型，得到最终影响因素及对应系数；
2)临界游泳速度Ucrit预测模型公式如下：
Ucrit＝b0+b1S(S0、S1、S2)+b2H(H0、H1、H2)+b3D(D0、D1、D2)+b4C(C0、C1、C2)，
其中b0为截距，b1为生理因素集S的系数集，b2为环境因素集H的系数集，b3为地理信息因素集D的系数集，b4为测试方法集C的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
3)爆发游泳速度Uburst预测模型公式如下：
Uburst＝c0+c1S(S0、S1、S2)+c2H(H0、H1、H2)+c3D(D0、D1、D2)+c4C(C0、C1、C2)，
其中c0为截距，c1为生理因素集S的系数集，c2为环境因素集H的系数集，c3为地理信息因素集D的系数集，c4为测试方法集C的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
4)游泳耐力曲线预测模型公式如下：
log(E)＝d0+d1V+d2S(S0、S1、S2)+d3H(H0、H1、H2)+d4D(D0、D1、D2)+d5C(C0、C1、C2)，
其中d0为截距，d1为游泳速度V的系数，d2为生理因素集S的系数集，d3为环境因素集H的系数集，d4为地理信息因素集D的系数集，d5为测试方法集C的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的游泳耐力曲线预测模型，得到最终影响因素及对应系数；
5)游泳距离预测模型公式如下：
D＝(V-U)×E，其中V为游泳速度，E可从步骤4)中的游泳耐力最优预测模型中获得，U为水流速度，D为游泳距离。
2.根据权利要求1所述的应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，其特征在于：步骤1中所述的过鱼对象是水电过程中常见的重点保护鱼类。
3.根据权利要求1所述的应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，其特征在于：步骤2中所述的过鱼对象分类原则是依据鱼类科属性及生态习性相似性进行实施。
4.根据权利要求1所述的应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，其特征在于：步骤5完成后，实施步骤6：依托该模型提供鱼道设计建议，所述建议包括鱼道进出口流速建议、鱼道池室平均流速建议、鱼道竖缝流速建议、鱼道池室长和鱼道竖缝长建议。
5.根据权利要求1所述的应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法，其特征在于：
步骤4中的因素集还包括其它因素集A；所述的其它因素集A为除生理因素集S、环境因素集H、地理信息因素集D、测试方法集C以外的因数集；
步骤5：构建耦合多因素的游泳能力的预测模型；
与鱼道设计相关的游泳能力指标包括：感应流速Uind、临界游泳速度Ucrit、爆发游泳速度Uburst、耐力曲线和游泳距离；耦合多因素的各游泳能力预测模型构建方法如下：
1)感应流速Uind预测模型公式如下：
Uind＝a0+a1S(S0、S1、S2)+a2H(H0、H1、H2)+a3D(D0、D1、D2)+a4C(C0、C1、C2)+a5A(A0、A1...An)，
其中a0为截距，a1为生理因素集S的系数集，a2为环境因素集H的系数集，a3为地理信息因素集D的系数集，a4为测试方法集C的系数集，a5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的感应流速预测模型，得到最终影响因素及对应系数；
2)临界游泳速度Ucrit预测模型公式如下：
Ucrit＝b0+b1S(S0、S1、S2)+b2H(H0、H1、H2)+b3D(D0、D1、D2)+b4C(C0、C1、C2)+b5A(A0、A1...An)，
其中b0为截距，b1为生理因素集S的系数集，b2为环境因素集H的系数集，b3为地理信息因素集D的系数集，b4为测试方法集C的系数集，b5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
3)爆发游泳速度Uburst预测模型公式如下：
Uburst＝c0+c1S(S0、S1、S2)+c2H(H0、H1、H2)+c3D(D0、D1、D2)+c4C(C0、C1、C2)+c5A(A0、A1...An)，
其中c0为截距，c1为生理因素集S的系数集，c2为环境因素集H的系数集，c3为地理信息因素集D的系数集，c4为测试方法集C的系数集，c5为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的临界游泳速度预测模型，得到最终影响因素及对应系数；
4)游泳耐力曲线预测模型公式如下：
log(E)＝d0+d1V+d2S(S0、S1、S2)+d3H(H0、H1、H2)+d4D(D0、D1、D2)+d5C(C0、C1、C2)+d6A(A0、A1...An)，
其中d0为截距，d1为游泳速度V的系数，d2为生理因素集S的系数集，d3为环境因素集H的系数集，d4为地理信息因素集D的系数集，d5为测试方法集C的系数集，d6为其它因素集A的系数集；模型中各因素及系数保留与否，依据模型AIC准则进行筛选，确定最优的游泳耐力曲线预测模型，得到最终影响因素及对应系数；
5)游泳距离预测模型公式如下：
D＝(V-U)×E，其中V为游泳速度，E可从步骤4)中的游泳耐力最优预测模型中获得，U为水流速度，D为游泳距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210543029.9A CN114861448B (zh) | 2022-05-18 | 2022-05-18 | 应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210543029.9A CN114861448B (zh) | 2022-05-18 | 2022-05-18 | 应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114861448A CN114861448A (zh) | 2022-08-05 |
| CN114861448B true CN114861448B (zh) | 2024-09-13 |
Family
ID=82638807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210543029.9A Active CN114861448B (zh) | 2022-05-18 | 2022-05-18 | 应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114861448B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118296717B (zh) * | 2024-06-06 | 2024-07-30 | 贵州省水利水电勘测设计研究院有限公司 | 一种仿生态鱼道评测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2363806C1 (ru) * | 2008-02-26 | 2009-08-10 | Государственное образовательное учреждение высшего профессионального образования "Марийский государственный университет" | Способ привлечения и пропуска рыб с разной плавательной способностью в рыбоход |
| CN112544510A (zh) * | 2020-12-08 | 2021-03-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种水坝过鱼对象游泳能力的测定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114065520B (zh) * | 2021-11-17 | 2022-07-05 | 西安理工大学 | 一种鱼类洄游通道确定方法及系统 |
-
2022
- 2022-05-18 CN CN202210543029.9A patent/CN114861448B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2363806C1 (ru) * | 2008-02-26 | 2009-08-10 | Государственное образовательное учреждение высшего профессионального образования "Марийский государственный университет" | Способ привлечения и пропуска рыб с разной плавательной способностью в рыбоход |
| CN112544510A (zh) * | 2020-12-08 | 2021-03-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种水坝过鱼对象游泳能力的测定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114861448A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230054713A1 (en) | Method for determining contribution rate of pollution load in water quality assessment section of annular river network system based on water quantity constitute | |
| Hackney et al. | Biological and physical dynamics of a Georgia tidal creek | |
| CN107451682B (zh) | 一种基于神经网络的城市感潮河段生态需水量预测方法 | |
| CN109408774A (zh) | 基于随机森林和梯度提升树的预测污水出水指标的方法 | |
| CN114861448B (zh) | 应用于鱼道设计的过鱼对象游泳能力预测模型的构建方法 | |
| CN113379262B (zh) | 河道内水草影响电站发电的风险预警方法及系统 | |
| CN115374376B (zh) | 小水电生态影响监测评估方法与系统 | |
| CN110396998B (zh) | 符合自然流动规律和鱼类行为特点的进鱼口设计方法 | |
| Thierry et al. | Hydrodynamic performance of bottom trawls with different materials, mesh sizes, and twine thicknesses | |
| Li et al. | Ecological hydrograph based on Schizothorax chongi habitat conservation in the dewatered river channel between Jinping cascaded dams | |
| CN103065033A (zh) | 一种兼顾中华鲟繁殖需求的水库生态调度方法 | |
| CN112801518A (zh) | 一种水母灾害风险风险评估方法 | |
| Zhu et al. | Effects of local, river-network and catchment factors on fish assemblages in the headwater streams of the Xin'an basin, China | |
| CN107391712A (zh) | 一种网络舆论趋势预测分析方法 | |
| CN110189064A (zh) | 基于大数据的断面水质超标风险压力源的识别方法和系统 | |
| Li et al. | Determination of daily eco‐hydrographs by the fish spawning habitat suitability model and application to reservoir eco‐operation | |
| CN110629727B (zh) | 河口仿生态鱼道水力设计方法 | |
| CN111861776A (zh) | 一种确定过鱼设备主要过鱼对象的方法 | |
| CN116739864A (zh) | 一种梯级水库开发累积生态水文效应的分析方法、生态修复方法及装置 | |
| CN116362552A (zh) | 一种评估小型水库安全风险等级的方法 | |
| CN116451870A (zh) | 基于多模型的水生态系统健康评价与预测系统 | |
| Yuan et al. | Marine environmental pollution and offshore aquaculture structure: evidence from China | |
| CN110442997A (zh) | 一种用于指导河口生境改善工程的河口水域范围划定方法 | |
| CN107818220B (zh) | 基于生态系统动力学综合模型对海湾环境容量的估算方法 | |
| Brandt et al. | Effect of nutrient loading on Atlantic menhaden (Brevoortia tyrannus) growth rate potential in the Patuxent River |
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 |