CN115455867B - 基于回归分析的坝区流态的推求方法 - Google Patents
基于回归分析的坝区流态的推求方法 Download PDFInfo
- Publication number
- CN115455867B CN115455867B CN202211341407.1A CN202211341407A CN115455867B CN 115455867 B CN115455867 B CN 115455867B CN 202211341407 A CN202211341407 A CN 202211341407A CN 115455867 B CN115455867 B CN 115455867B
- Authority
- CN
- China
- Prior art keywords
- flow velocity
- dam
- flow
- vertical
- distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000611 regression analysis Methods 0.000 title claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 75
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000011160 research Methods 0.000 claims abstract description 20
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000012706 support-vector machine Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Remote Sensing (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明提供基于回归分析的坝区流态的推求方法，包括确定目标河段的研究区域，从目标河段内提取各个断面及相应测点的实测垂向流速值，基于实测垂向流速值，对测点进行划分，对不同测点的垂向流速分布曲线进行分类整合，构建不同测点的垂线流速分布模型，采用深度学习，结合河道位置特征，基于支持向量机分类回归理论，构建非线性分类回归模型，得到垂向流速在研究区域不同位置处的分布特征，选取典型的计算条件，分别建立大坝的上、下游的平面二维水动力数学模型并进行验证并率定出研究区域的糙率，进而计算得出坝上、下游水流流态。本发明能较准确的计算出复杂条件下坝区内坝体上、下游流场分布情况，修正后的结果与实际情况更加符合。
Description
技术领域
本发明属于计算水力学领域，基于回归分析的坝区流态的推求方法。
背景技术
大坝作为水利工程枢纽的重要组成部分，不仅对防洪发电等发挥着巨大的工程效益，同时对河道生态系统也有着重大影响，在水生生物生境和人类生产生活所依靠的社会、经济、文化、生态等方面扮演重要的角色。大坝作为承担挡水功能的水利枢纽，长期在河道中运行，其对河道水流条件产生了重大的影响，尤其是靠近坝体的河道部分。推求坝体附近区域流态分布情况是人们了解坝体所在区域河道水沙流动状态和保证水生生物生存环境及通航等亲水活动安全的有效手段，也是保证大坝运行安全的非工程措施。为及时掌握水流流态，及时了解存在的河道运行风险，通常采用二维水动力模型模拟坝区水流流态，以获得坝上及坝下流速分布。
研究发现，影响水流流态的因素是多方面的，而最直接的影响因素是河道断面形态，其主要参数包括泥沙淤积带来的河床变化、蓄水期水位带来的水位变化、水利枢纽的布设带来的湿周的变化，这些参数的变化直接导致了水流在河道不同位置处的垂向流速分布不同，如在宽谷河道与狭窄河道都呈现指数型的分布，且分布系数不同，又如坝区河道中间呈现指数型分布，靠岸的部分水流垂向流速分布不呈现指数型。
现有二维水流流态计算过程中，存在的主要问题是：河段中任意位置垂向流速分布概化为指数分布，且分布系数一致，而没有考虑因水流存在于河道中的位置不同，或者是水利枢纽等人类活动或非人类活动带来的河道条件的变化导致的垂向流速分布的变化，因而在水力计算中得出的坝体上下游河段水流流态与实际流态有一定的出入，准确率不高。
发明内容
根据现有技术的不足，本发明的目的是提供基于回归分析的坝区流态的推求方法,能较准确的计算出复杂条件下坝区内坝体上、下游流场分布情况，修正后的结果与实际情况更加符合。
为了解决上述技术问题，本发明采用的技术方案为：
基于回归分析的坝区流态的推求方法，包括以下步骤：
步骤1、确定包含大坝的上、下游目标河段的研究区域，从目标河段内提取各个断面及相应测点的实测垂向流速值，建立二维水流流态计算域地理信息数据库；
步骤2、基于实测垂向流速值，对测点进行划分，对不同测点的垂向流速分布曲线进行分类整合，构建不同测点的垂线流速分布模型，得到不同测点表面流速和垂线流速平均分布的比值，作为计算水流表面流速的垂向流速分布边界条件；
步骤3、采用深度学习，结合河道位置特征，确定校正域，在所述校正域基于支持向量机分类回归理论，构建非线性分类回归模型，得到垂向流速在研究区域不同位置处的分布特征，用作计算水流表面流速的垂向流速分布边界条件；
步骤4、对研究区域进行网格划分，得到网格节点的高程值，用于后面计算研究区域水流表面流速的地形条件及单元格划分；
步骤5、进行水文资料分析，并分类列出边界条件，边界条件包括网格节点的地形条件、岸线走向、网格节点垂向流速分布，根据大坝的校核水位、设计洪水位或发电任务对应的流量以及水位作为计算条件，选取典型的计算条件；
步骤6、根据网格节点垂向流速分布得到各自垂向平均流速与表面流速的比值，分别建立大坝的上、下游的平面二维水动力数学模型并进行验证，率定出研究区域不同河道断面的糙率；
步骤7、考虑大坝水电站运行的影响，采用步骤5中的边界条件，坝上、下游区域模型进口断面给定流量边界条件，并根据水电的调度方式及计算区域特征给定出口的水位控制条件，为后面计算提供了进口流量边界条件和出口水位初始条件；
步骤8、假定初始流速，采用步骤6中建立的平面二维水动力数学模型，按照步骤7中的流量边界条件，计算得出大坝的上、下游水流流态。
进一步地，所述步骤1具体包括：
步骤11、收集所述目标河段地理信息，包括岸线、河道走向、河段滩涂分布，并计算入口断面及出口断面；
步骤12、收集所述目标河段内二维水流测点信息，包括断面方向、断面起点到原点的岸线距离、测线到断面起点的距离以及测点在测线上的位置，建立二维水流流态测点信息数据集。
进一步地，所述步骤2中，对每一测点，以该测点不同的水深及对应的流速作为输入值，以垂线流速分布特征因子作为输出值构建垂线流速分布模型，垂线流速分布为指数形式、对数形式、抛物线形式以及椭圆形式。
进一步地，所述指数形式表示为：
式中：表示测点水深，为系数，表示垂线水深，为该垂线最大流速，为测点流速。
进一步地，所述步骤3中，对于非线性分类回归模型，根据所述检验集地理位置自动筛选校正域及所述非线性分类回归模型参数，估测垂向流速分布参数估计误差场，并对所述检验集的背景场进行误差校正和精度评价，在精度评价过程中，有效性和符合预测精度的预测值的选取包括复相关系数和标准差。
进一步地，复相关系数的计算公式为：
式中，为回归平方和，，表示垂线上测点序号，为垂线上测点数；表示第点处非线性分类回归模型预测的流速，为实测流速的平均值；
为总离差的平方和：
式中，表示第点处实测垂向流速值，取值在0～1之间，越靠近1，拟合程度越好；
复相关系数采用检验，对用下列统计量
其中，和分别为统计量服从分布的第一、二自由度；
根据以及、的自由度得到的临界值，、分别为统计量服从分布的第一、二自由度；的范围是1%～5%；
当时，则判定非线性分类回归模型的回归曲线有效；
当时，则判定非线性分类回归模型回归曲线无效；
选取有效性和符合预测精度的垂线流速分布模型。
进一步地，所述步骤5中，典型的计算条件为一年一遇的洪水、五十年一遇的洪水或一百年一遇的洪水。
进一步地，所述步骤6中，根据曼宁公式率定出研究区域不同河道断面的糙率。
进一步地，所述步骤4中，使用反距离插值法对实测地形资料进行插值，得到网格节点的高程值。
进一步地，所述步骤3中，在深度学习过程中，确定训练集以及检验集，选取部分测点作为背景场，邻近的部分测点作为检验场，根据所述背景场和所述检测场，计算所述目标河段位置实测垂向流速值的初始误差校正域。
与现有技术相比，本发明具有以下优点和有益效果：
本发明提供基于回归分析的坝区流态的推求方法，在特殊河道条件下，使用实测垂向流速值，对各个特征点进行了垂向水流分布分析，对于靠近坝前存在的垂向流速分布与宽谷河段流速分布线型不一致的情况，可以提供更加准确的参考；对于各处系数不同的情况，通过采用分类回归的算法，可以对河道不同位置进行分类，从而得出相对准确的各处垂向流速分布。
本发明能够将坝体附近河道不同位置垂向流速分布对水流流态的影响分别进行分析，以及能够将水利枢纽、泥沙冲淤等造成的河床和湿周变化以及水位变化等造成的影响通过非线性分类回归方法进行分区域对于坝区上下游水流流态进行预测。
附图说明
为了更清楚地说明本实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于回归分析的坝区流态的推求方法的总体流程图。
图2为本发明实施过程的流程图。
图3为垂线分布示意图。
图4为上游流态计算示例。
图5为下游流态计算示例。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供的基于回归分析的坝区流态的推求方法，如图1和图2所示，包括以下步骤：
步骤1、确定包含大坝的上、下游目标河段的研究区域，从目标河段内提取各个断面及相应测点的实测垂向流速值，建立二维水流流态计算域地理信息数据库；
步骤2、基于实测垂向流速值，对测点进行划分，对不同测点的垂向流速分布曲线进行分类整合，构建不同测点的垂线流速分布模型，得到不同测点表面流速和垂线流速平均分布的比值；
步骤3、采用深度学习，结合河道位置特征，确定校正域，在所述校正域基于支持向量机（SVM，Support Vector Machine）分类回归理论，构建非线性分类回归模型，得到垂向流速在研究区域不同位置处的分布特征；
步骤4、对研究区域进行网格划分，得到网格节点的高程值；
步骤5、进行水文资料分析，并分类列出边界条件，边界条件包括网格节点的地形条件、岸线走向、网格节点垂向流速分布，根据大坝的校核水位、设计洪水位或发电任务对应的流量以及水位作为计算条件，选取典型的计算条件；
步骤6、根据网格节点垂向流速分布得到各自垂向平均流速与表面流速的比值，分别建立大坝的上、下游的平面二维水动力数学模型并进行验证，率定出研究区域不同河道断面的糙率；
步骤7、考虑大坝水电站运行的影响，采用步骤5中的边界条件，坝上、下游区域模型进口断面给定流量边界条件，并根据水电的调度方式及计算区域特征给定出口的水位控制条件；
步骤8、假定初始流速，采用步骤6中建立的平面二维水动力数学模型，按照步骤7中的流量边界条件，计算得出大坝的上、下游水流流态。
本发明提供的基于回归分析的坝区流态的推求方法，使用实测垂向流速值，对各个特征点进行了垂向水流分布分析，对于靠近坝前存在的垂向流速分布与宽谷河段流速分布线型不一致的情况，可以提供更加准确的参考；对于各处系数不同的情况，通过采用分类回归的算法，可以对河道不同位置进行分类，从而得出相对准确的各处垂向流速分布。
本发明能够将坝体附近河道不同位置垂向流速分布对水流流态的影响分别进行分析，以及能够将水利枢纽、泥沙冲淤等造成的河床和湿周变化以及水位变化等造成的影响通过非线性分类回归方法进行分区域对于坝区上下游水流流态进行预测。
本发明中，所述步骤1具体包括：
步骤11、收集所述目标河段地理信息，包括岸线、河道走向、河段滩涂分布，并计算入口断面及出口断面；
步骤12、收集所述目标河段内二维水流测点信息，包括断面方向、断面起点到原点的岸线距离、测线到断面起点的距离以及测点在测线上的位置，建立二维水流流态测点信息数据集。
本发明中，所述步骤2中，对每一测点，以该测点不同的水深及对应的流速作为输入值，以垂线流速分布特征因子作为输出值构建垂线流速分布模型，垂线流速分布为指数形式、对数形式、抛物线形式以及椭圆形式。
其中，最常用的垂线流速分布模型为指数形式，所述指数形式表示为：
式中：表示测点水深，为系数，表示垂线水深，为该垂线最大流速，为测点流速；
本发明中，所述步骤3中，对于非线性分类回归模型，根据所述检验集地理位置自动筛选校正域及所述非线性分类回归模型参数，估测垂向流速分布参数估计误差场，并对所述检验集的背景场进行误差校正和精度评价，在精度评价过程中，有效性和符合预测精度的预测值的选取包括复相关系数和标准差。
具体地，复相关系数的计算公式为：
式中，为回归平方和，，表示垂线上测点序号，为垂线上测点数；表示第点处非线性分类回归模型预测的流速，为实测流速的平均值；
为总离差的平方和：
式中，表示第点处实测垂向流速值，取值在0～1之间，越靠近1，拟合程度越好；
复相关系数采用检验，对用下列统计量
其中，和分别为统计量服从分布的第一、二自由度；
根据以及、的自由度得到的临界值，、分别为统计量服从分布的第一、二自由度；的范围是1%～5%；
当时，则判定非线性分类回归模型的回归曲线有效；
当时，则判定非线性分类回归模型回归曲线无效；
选取有效性和符合预测精度的垂线流速分布模型。
如图3所示，为有效性和符合预测精度的指数分布的垂线流速分布模型，其中方向表示流速方向，方向表示垂向，坐标原点表示河床底部任一点，为水深，为垂线平均流速，为测点在垂线上的位置。
本发明中，所述步骤5中，典型的计算条件为一年一遇的洪水、五十年一遇的洪水或一百年一遇的洪水，具体由计算河段水流情况决定。
所述步骤4中，使用反距离插值法对实测地形资料进行插值，得到网格节点的高程值。
所述步骤6中，根据曼宁公式率定出研究区域不同河道断面的糙率。
所述步骤3中，在深度学习过程中，确定训练集以及检验集，选取部分测点作为背景场，邻近的部分测点作为检验场，根据所述背景场和所述检测场，计算所述目标河段位置实测垂向流速值的初始误差校正域。
在本发明的一个实施例中，如图4所示，为本发明的上游流态计算示例，如图5所示为本发明的下游流态计算示例，各网格点加入了垂向流速分布边界条件之后，表面流速计算结果更加精确。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于回归分析的坝区流态的推求方法，其特征在于，包括以下步骤：
步骤1、确定包含大坝的上、下游目标河段的研究区域，从目标河段内提取各个断面及相应测点的实测垂向流速值，建立二维水流流态计算域地理信息数据库；
步骤2、基于实测垂向流速值，对测点进行划分，对不同测点的垂向流速分布曲线进行分类整合，构建不同测点的垂线流速分布模型，得到不同测点表面流速和垂线流速平均分布的比值；
步骤3、采用深度学习，结合河道位置特征，确定校正域，在所述校正域基于支持向量机分类回归理论，构建非线性分类回归模型，得到垂向流速在研究区域不同位置处的分布特征；
在深度学习过程中，确定训练集以及检验集，选取部分测点作为背景场，邻近的部分测点作为检验场，根据所述背景场和所述检验场，计算所述目标河段位置实测垂向流速值的初始误差校正域；
步骤4、对研究区域进行网格划分，得到网格节点的高程值；
步骤5、进行水文资料分析，并分类列出边界条件，边界条件包括网格节点的地形条件、岸线走向、网格节点垂向流速分布，根据大坝的校核水位、设计洪水位或发电任务对应的流量以及水位作为计算条件，选取典型的计算条件；
步骤6、根据网格节点垂向流速分布得到各自垂向平均流速与表面流速的比值，分别建立大坝的上、下游的平面二维水动力数学模型并进行验证，率定出研究区域不同河道断面的糙率；
步骤7、考虑大坝水电站运行的影响，采用步骤5中的边界条件，坝上、下游区域模型进口断面给定流量边界条件，并根据水电的调度方式及计算区域特征给定出口的水位控制条件；
步骤8、假定初始流速，采用步骤6中建立的平面二维水动力数学模型，按照步骤7中的流量边界条件，计算得出大坝的上、下游水流流态。
2.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于，所述步骤1具体包括：
步骤11、收集所述目标河段地理信息，包括岸线、河道走向、河段滩涂分布，并计算入口断面及出口断面；
步骤12、收集所述目标河段内二维水流测点信息，包括断面方向、断面起点到原点的岸线距离、测线到断面起点的距离以及测点在测线上的位置，建立二维水流流态测点信息数据集。
3.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述步骤2中，对每一测点，以该测点不同的水深及对应的流速作为输入值，以垂线流速分布特征因子作为输出值构建垂线流速分布模型，垂线流速分布为指数形式、对数形式、抛物线形式以及椭圆形式。
4.根据权利要求3所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述指数形式表示为：
式中：表示测点水深，为系数，表示垂线水深，为该垂线最大流速，为测点流速。
5.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述步骤3中，对于非线性分类回归模型，根据所述检验集地理位置自动筛选校正域及所述非线性分类回归模型参数，估测垂向流速分布参数估计误差场，并对所述检验集的背景场进行误差校正和精度评价，在精度评价过程中，有效性和符合预测精度的预测值的选取包括复相关系数和标准差。
6.根据权利要求5所述的基于回归分析的坝区流态的推求方法，其特征在于：
复相关系数的计算公式为：
式中，为回归平方和，，表示垂线上测点序号，为垂线上测点数；表示第点处非线性分类回归模型预测的流速，为实测流速的平均值；
为总离差的平方和：
式中，表示第点处实测垂向流速值，取值在0～1之间，越靠近1，拟合程度越好；
复相关系数采用检验，对用下列统计量
其中，和分别为统计量服从分布的第一、二自由度；
根据以及、的自由度得到的临界值，、分别为统计量服从分布的第一、二自由度；的范围是1%～5%；
当时，则判定非线性分类回归模型的回归曲线有效；
当时，则判定非线性分类回归模型回归曲线无效；
选取有效性和符合预测精度的垂线流速分布模型。
7.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述步骤5中，典型的计算条件为一年一遇的洪水、五十年一遇的洪水或一百年一遇的洪水。
8.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述步骤6中，根据曼宁公式率定出研究区域不同河道断面的糙率。
9.根据权利要求1所述的基于回归分析的坝区流态的推求方法，其特征在于：
所述步骤4中，使用反距离插值法对实测地形资料进行插值，得到网格节点的高程值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211341407.1A CN115455867B (zh) | 2022-10-31 | 2022-10-31 | 基于回归分析的坝区流态的推求方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211341407.1A CN115455867B (zh) | 2022-10-31 | 2022-10-31 | 基于回归分析的坝区流态的推求方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115455867A CN115455867A (zh) | 2022-12-09 |
| CN115455867B true CN115455867B (zh) | 2023-05-12 |
Family
ID=84310389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211341407.1A Active CN115455867B (zh) | 2022-10-31 | 2022-10-31 | 基于回归分析的坝区流态的推求方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115455867B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116148496A (zh) * | 2022-12-30 | 2023-05-23 | 武汉新烽光电股份有限公司 | 一种河道垂线流速处理方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7353113B2 (en) * | 2004-12-07 | 2008-04-01 | Sprague Michael C | System, method and computer program product for aquatic environment assessment |
| CN106682317B (zh) * | 2016-12-29 | 2019-10-25 | 武汉大学 | 上下游边界共同控制下河段平滩流量预测模型的构建方法 |
| CN108520132B (zh) * | 2018-03-30 | 2022-06-24 | 湖北省水利水电规划勘测设计院 | 一种河段阻隔性特征识别及阻隔程度分类的方法 |
| CN110362925B (zh) * | 2019-07-16 | 2020-05-19 | 中国水利水电科学研究院 | 一种包含库区的土石坝漫顶溃决洪水数值模拟方法 |
| CN111898303A (zh) * | 2020-08-05 | 2020-11-06 | 苏州大圜科技有限公司 | 基于气象预报及水动力模拟的流域水位及内涝预报方法 |
| CN112784505B (zh) * | 2021-01-29 | 2023-03-10 | 三峡大学 | 基于数值-解析联合求解的河道三维流场数据处理方法 |
-
2022
- 2022-10-31 CN CN202211341407.1A patent/CN115455867B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115455867A (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115455867B (zh) | 基于回归分析的坝区流态的推求方法 | |
| CN105571645A (zh) | 一种大坝自动化监测方法 | |
| CN109145499B (zh) | 基于河道多态计算及Arima模型的权重组合水质预测方法 | |
| CN116090625A (zh) | 基于LightGBM和水文水动力模型的滨海城市洪涝快速预测方法 | |
| CN111259607A (zh) | 一种河湖过渡区水文边界界定方法 | |
| Seyedian et al. | Reliable prediction of the discharge coefficient of triangular labyrinth weir based on soft computing techniques | |
| CN111597678A (zh) | 一种多洪源遭遇条件洪水淹没特征的解耦方法 | |
| CN110847112B (zh) | 一种基于水力学模拟的河道泄洪预警方法 | |
| Anilan et al. | Application of Artificial Neural Networks and regression analysis to L-moments based regional frequency analysis in the Eastern Black Sea Basin, Turkey | |
| CN110263428B (zh) | 一种基于流量加权平均流线长度指标的河床演变分析方法 | |
| CN117648878A (zh) | 一种基于1d-cnn算法的洪水快速演进及淹没模拟方法 | |
| Kumar et al. | GIUH based Clark and Nash models for runoff estimation for an ungauged basin and their uncertainty analysis | |
| CN113639805B (zh) | 一种基于渠道断面流速场重建的流量测量方法 | |
| CN116542021A (zh) | 一种水文-水动力学耦合的河道型水库调洪演算方法 | |
| CN114781156B (zh) | 基于bim的航道养护措施分析方法 | |
| Panchenko et al. | Hydrodynamic modelling of the Onega River tidal estuary | |
| Lee et al. | The development of rating curve considering variance function using pseudo-likelihood estimation method | |
| Hashemi et al. | Prediction of stage-discharge relationship in two-stage channels | |
| Wang et al. | Simulation of long-term morphological development in the Western Scheldt | |
| CN111291457B (zh) | 滩地有淹没植被的弯曲复式河道水深平均二维水流流向预测方法 | |
| CN116989856A (zh) | 一种河流流量测定方法 | |
| CN117556176A (zh) | 一种基于水文模型的岩溶洼地内涝淹没水深预报分析方法 | |
| Handique et al. | A dip-corrected discharge estimation method for a river system | |
| PIZZILEO | Automated use of high-resolution digital terrain and surface models in the numerical description of floodplain inundations | |
| Zuhaily et al. | QUANTITATIVE ANALYSIS OF DAM OPERATIONAL DISCHARGE EFFECTS ON RIVER ELEVATION USING 1D HYDRODYNAMIC MODELLING |
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 |