CN116070971B - 河湖水系有序流动调控方法和系统 - Google Patents
河湖水系有序流动调控方法和系统 Download PDFInfo
- Publication number
- CN116070971B CN116070971B CN202310305746.2A CN202310305746A CN116070971B CN 116070971 B CN116070971 B CN 116070971B CN 202310305746 A CN202310305746 A CN 202310305746A CN 116070971 B CN116070971 B CN 116070971B
- Authority
- CN
- China
- Prior art keywords
- water
- data
- constructing
- water system
- regional
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 357
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000011160 research Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 53
- 238000012216 screening Methods 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000010197 meta-analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000001363 water suppression through gradient tailored excitation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/067—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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (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
本发明公开了一种河湖水系有序流动调控方法和系统，采集预定区域的研究数据，构建水安全指标备选集合；获取预定区域的地理和水文数据，构建区域水系拓扑和动力需求，对所述区域水系拓扑进行预处理；构建区域水动力模拟模型并率定，获取输入数据并基于区域水系拓扑和动力需求构建约束条件，采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；以水安全评价指标为目标函数，结合重构措施集构建河湖水系有序调度模型和约束条件，并采用预置方法进行降维和决策，获得联合优化调度方案。本发明提供了一种分析计算方案，可实现河湖水系有序流动调度多属性决策的精简化建模与方案优选。
Description
技术领域
本发明涉及水系调控技术，尤其是一种河湖水系有序流动调控方法。
背景技术
水旱灾害、水资源短缺、水环境恶化是目前水安全面临的三大挑战。河湖水系连通作为优化水资源配置战略格局、提高水利保障能力、促进水生态文明建设的有效举措，在水安全保障中起到了举足轻重的作用。然而，受气候变化与人类活动等因素胁迫，不确定性程度在不断加深，水安全保障迎来了新的挑战。受变化环境影响，河湖水系格局及其功能与社会发展布局不匹配的矛盾逐渐凸显，水安全问题呈现出复杂性、关联性和不确定性，如何提出相应的治理技术与应对措施是河湖水系连通亟需解决的重大理论与技术难题，也是保障水安全的迫切需求。
针对上述问题，现有技术进行了一系列的研究，但是在河湖连通与水安全保障方面，以及水利工程调度研究方面还存在一些不足。例如现有文献在指标选取和指标体系建立方面仍然存在以下两点不足，一是忽略了指标体系中指标间相关性对决策结果的影响。由于所选取的评价指标之间难以避免地存在不同程度的相关性而无法满足指标体系构建的相互独立性要求，并且高度相关的指标所反映的信息存在大量冗余和干扰，使得同一指标数据的趋势得到线性增强或减弱，容易导致水利工程调度方案决策结果失真，进而影响了决策的科学性和准确性。水利工程群由于其内部复杂的水力联系更容易导致所选取指标之间的强相关性。同时，指标体系的规模也将随着水利工程数目的增加而成倍增长，增加了决策的复杂性。二是普遍缺少指标的重要度辨识和指标筛选过程。再比如，在求解的过程中，大系统分解协调算法是求解复杂、大规模水利工程群系统联合优化调度问题的有效途径，但该方法的收敛性容易受选取的协调变量的影响。
因此，需要进一步研究创新，以期解决现有技术存在的问题。
发明内容
发明目的：一方面，提供一种河湖水系有序流动调控方法，以解决现有技术存在的上述问题。另一方面，提供一种实现上述方法的系统。
技术方案：河湖水系有序流动调控方法，包括如下步骤：
步骤S1、采集预定区域的研究数据，构建水安全指标备选集合，并对水安全指标集合进行筛选和降维处理，获得水安全指标评价体系，为水安全指标评价体系中的每一水安全评价指标设定计算公式和权重，基于水安全评价指标和权重构建水安全评价公式；
步骤S2、获取所述预定区域的地理和水文数据，构建区域水系拓扑和动力需求，对所述区域水系拓扑进行预处理；构建区域水动力模拟模型并率定，获取输入数据并基于区域水系拓扑和动力需求构建约束条件，采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；
步骤S3、以水安全评价指标为目标函数，结合重构措施集构建河湖水系有序调度模型和约束条件，并采用预置方法进行降维和决策，获得联合优化调度方案。
根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、采集预定区域的研究数据，构建文献库，从文献库中筛选与水安全适配的文献资料，提取出具有定量响应关系且可以获得平均数、标准差和样方数的文献资料作为第一文献资料；
步骤S12、基于第一文献资料提取用于荟萃分析的研究指标，并计算效应值，使用最大似然模型分析不同文章之间的变异，使用最大似然模型与随机模型计算总变异值；
步骤S13、通过统计方法对处理后的第一文献资料进行偏倚计算和敏感性分析，检测第一文献资料的数据可靠性，将通过检验后的文献资料标记为第二文献资料；
步骤S14、从所述第二文献资料中提取水安全指标备选集合，并进行分级；
步骤S15、根据指标的代表性、重要性和可操作性对分级后的水安全指标进行初筛；
步骤S16、调用预配置的方法计算初筛后的水安全指标的相关性，去除相关性大于预设值的水安全指标，对水安全指标进行降维处理；获得水安全指标评价体系；
步骤S17、针对每一水安全指标设定量化计算公式，并对根据计算值进行分级，获得赋分表；
步骤S18、基于分级的水安全指标，建立层次结构模型并构造判断矩阵，计算判断矩阵的特征向量和最大特征值，再对判断矩阵进行一致性检验，获得每级指标的权重，自下而上逐级相乘得到每个评价指标相对总目标的权重，基于水安全评价指标和权重构建水安全评价公式，将各指标按其权重加以综合评价。
根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、获取预定区域的地理和水文数据，构建区域水系拓扑，基于水文数据和区域水系拓扑构建区域水系加权矩阵；
步骤S22、结合区域水系拓扑中各边的权值，构建加权邻接矩阵，计算邻接矩阵中顶点之间的最大水流通畅度矩阵；
步骤S23、基于所述水文数据和区域水系拓扑，重构区域水系的动力需求；
步骤S24、构建区域水动力模拟模型并率定，基于圣维南方程组构建区域水动力模拟模型；读取水文数据，导入水系中各个断面的数据，添加水工构筑物数据及水工构筑物的调度规则；获取水文数据中各河道的糙率，并采用确定性系数和纳什效率系数对模型进行率定；
步骤S25、获取输入数据并基于区域水系拓扑和动力需求构建约束条件，所述约束条件包括水量平衡约束、水位约束、流量约束、流速约束和水质约束；
步骤S26、采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；所述预配置的算法包括粒子群算法、逐步寻优算法和AHPSO算法。
根据本申请的一个方面，所述步骤S21进一步为：
步骤S21a、采集预定区域的地理和水文数据，并按照预置的规则将预定区域分成若干个子区域，针对每一子区域构建水系拓扑，形成水系拓扑集合；
步骤S21b、逐一查找水系拓扑中的状态参数为定值的节点，形成基础水系拓扑并存储，基于状态参数为非定值的节点构建节点参数调整集合；
步骤S21c、基于基础水系拓扑和节点参数调整集合构建区域水系拓扑。
根据本申请的一个方面，所述步骤S22进一步为：
步骤S22a、从区域水系拓扑中提取骨干河网，提取水文数据中的水位和闸门开启度数据，修正区域水系拓扑中的各边的权值，预定边中部分线段的权值，计算骨干河网中各结构节点的连通性，基于连通性构建不同状态下的区域水系拓扑集合；
步骤S22b、当闸门开启度为0时，将该预定边中部分线段的权值定为0；当闸门开启度不为0时，将该预定边中部分线段与相邻的边连接，形成新边并为其赋予权值；查找相邻子区域之间的边界节点的参数是否为定值，若所有边界节点均为定值，则将相邻子区域标记为非动力重构区域；
步骤S22c、基于闸门开度数据，构建不同场景下的区域水系拓扑集合，形成预定数量个区域水系拓扑图，并逐一判断每一区域水系拓扑图中状态可变的节点数量是否大于阈值，若大于，对该区域水系拓扑图做出标记；
步骤S22d、读取区域水系拓扑图中各节点的高程数据，结合状态可变的节点数据，计算动力需求的调整系数，纳入到研究数据中。
根据本申请的一个方面，所述步骤S23进一步为：
步骤S23a、基于区域水系拓扑将研究区域划分为预定数量个片区，读取各个片区水文数据中的水源数据和水势动能数据；基于所述水源数据计算水源水量保障率和水源水质保障率；
步骤S23b、基于所述水势动能数据计算自流保障率和非自流的水位保障率；
步骤S23c、计算满足水安全评价指标数值，并结合该水安全评价指标数值设定动力重构目标，重构区域水系的动力需求。
根据本申请的一个方面，所述步骤S23c进一步为：
顺次改变每一片区中的动力参数，模拟不同动力条件下的有序流动指标数值，直到达到水安全适配或者一定阈值下指标无法进一步改善为止，此时的动力条件与原始现状动力条件的差值定义为动力需求。
根据本申请的一个方面，所述步骤S26中，形成重构措施集的过程进一步为：
步骤S26a、读取研究数据，构建重构措施集，
步骤S26b、构建重构措施矩阵，包括满足度排序矩阵、适宜度矩阵和成本矩阵；
步骤S26c、采用预配置的水文水资源供用模拟耦合模型，结合重构措施矩阵对重构措施进行模拟，得到不同区域水资源保障结果，基于保障结果，选取重构措施，形成重构措施集。
根据本申请的一个方面，所述步骤S3进一步为：
步骤S31、将水安全评价指标分解为水生态环境效益、防洪效益和水资源供给调配效益，并分别作为目标函数；构建河湖水系有序调度模型和约束条件；
步骤S32、为每一目标函数赋予权重，将各个目标的加权和作为总目标函数，或选取其中一个目标函数作为主目标，将剩余目标函数转化为约束条件，变换约束水平，生成多目标非劣解集；
步骤S33、构建决策矩阵并标准化，计算决策矩阵中各参数的相关系数，形成相关矩阵，计算相关矩阵的特征值、特征向量和累计方差贡献率，根据方差贡献率的阈值，提取预定数量个主成分，计算各主成分的荷载，基于主成分构建综合指标数据矩阵；
步骤S34、采用理想点法、模糊优选法或模糊物元法进行决策，获得联合优化调度方案。
根据本申请的另一个方面，提供一种河湖水系有序流动调控系统，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的河湖水系有序流动调控方法。
有益效果：本发明提供了一种可以为决策人员筛选指标提供定量化的分析计算方案，实现河湖水系有序流动调度多属性决策的精简化建模与方案优选。
附图说明
图1是本发明的整体流程图。
图2是本发明步骤S1的流程图。
图3是本发明步骤S2的流程图。
实施方式
如图1所示，为了阐明河湖水系有序流动内涵、发展河湖水系有序流动与水安全适配评价理论方法，面向河湖水系有序流动定量辨识水利工程调控能力范围、构建调控工程能力匹配模型、提出高效求解算法，发展复杂指标体系降维决策理论、提出有序流动调度多属性决策方法，申请人提供了如下技术方案。
河湖水系有序流动调控方法，包括如下步骤：
步骤S1、采集预定区域的研究数据，构建水安全指标备选集合，并对水安全指标集合进行筛选和降维处理，获得水安全指标评价体系，为水安全指标评价体系中的每一水安全评价指标设定计算公式和权重，基于水安全评价指标和权重构建水安全评价公式；
步骤S2、获取所述预定区域的地理和水文数据，构建区域水系拓扑和动力需求，对所述区域水系拓扑进行预处理；构建区域水动力模拟模型并率定，获取输入数据并基于区域水系拓扑和动力需求构建约束条件，采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；
步骤S3、以水安全评价指标为目标函数，结合重构措施集构建河湖水系有序调度模型和约束条件，并采用预置方法进行降维和决策，获得联合优化调度方案。
在本实施例中，首先通过研究数据构建水安全指标体系，然后对研究区域的物理层和需求层进行处理，形成动力重构方案，用于重构措施匹配，最后结合构建模型和约束条件，对模型进行求解和决策，能够解决当前河湖水系格局变化大，河湖水系格局与社会发展功能不匹配的问题。同时，针对水安全问题存在的复杂性、关联性和不确定性，也给出较好的解决方案。相关技术细节将在下文进行描述。
关于指标集的构建，由于水利工程群由于其内部复杂的水力联系更容易导致所选取指标之间的强相关性。同时，指标体系的规模也将随着水利工程数目的增加而成倍增长，增加了决策的复杂性。另外，普遍缺少指标的重要度辨识和指标筛选过程，目前关于指标定量筛选的成果还很少见。指标对决策结果的影响主要体现在两个方面：（1）各个指标本身对方案评价结果的贡献存在差异性，具体表现为不同指标的重要性程度不同，有些指标对评价结果的作用很大，而有些指标对评价结果的作用则并不显著，指标之间具有明显的主次特征；（2）各个指标的相对变化所引起的综合评价值的响应也存在差异性，具体表现为决策模型的综合评价值对各个指标的敏感性程度不同。因此，在水利工程调度多属性决策建模的指标筛选阶段就必须综合考虑这两方面的影响，以保证指标体系的合理性和有效性。为此，提供如下解决方案。
根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、采集预定区域的研究数据，构建文献库，从文献库中筛选与水安全适配的文献资料，提取出具有定量响应关系且可以获得平均数、标准差和样方数的文献资料作为第一文献资料；
步骤S12、基于第一文献资料提取用于荟萃分析的研究指标，并计算效应值，使用最大似然模型分析不同文章之间的变异，使用最大似然模型与随机模型计算总变异值；
步骤S13、通过统计方法对处理后的第一文献资料进行偏倚计算和敏感性分析，检测第一文献资料的数据可靠性，将通过检验后的文献资料标记为第二文献资料；
步骤S14、从所述第二文献资料中提取水安全指标备选集合，并进行分级；
步骤S15、根据指标的代表性、重要性和可操作性对分级后的水安全指标进行初筛；
步骤S16、调用预配置的方法计算初筛后的水安全指标的相关性，去除相关性大于预设值的水安全指标，对水安全指标进行降维处理；获得水安全指标评价体系；
步骤S17、针对每一水安全指标设定量化计算公式，并对根据计算值进行分级，获得赋分表；
步骤S18、基于分级的水安全指标，建立层次结构模型并构造判断矩阵，计算判断矩阵的特征向量和最大特征值，再对判断矩阵进行一致性检验，获得每级指标的权重，自下而上逐级相乘得到每个评价指标相对总目标的权重，基于水安全评价指标和权重构建水安全评价公式，将各指标按其权重加以综合评价。
在本实施例中，指标挖掘可以包括多级指标，例如在某个实施例中，可以采用二级指标，例如河湖因子指标、工程因子指标、预报因子指标、科研因子指标和其他因子指标。河湖因子可以采用河势条件、排洪有序度行洪、面积占用率、壅水面积和河道洪水削峰率。预报因子包括气象台网密度和水文站网密度。
在二次筛选过程中，防洪安全指标可以分成工程因子、河湖因子和洪灾因子，河湖因子包括排洪有序度。洪灾因子包括因洪经济损失率。
在供水安全指标集中，包括水资源保障能力、水资源调控能力和输水效率等。其中水资源保障能力可以包括三生用水保证率、枯季水资源保证率、年平均径流保证率和供水水位满足度等。
在水环境生态安全指标集中，可以包括水质、生态系统和生物等准则层，水质包括物理因子、化学因子和藻类因子等指标，其中物理因子具体包括水体交换率指标。
举例说明水安全指标的计算公式和得分。在防洪安全方面，通过水位安全度ZF来防洪代表站的水位与防洪保证水位的差比上防洪保证水位表征该站水位安全程度。ZF=（ZFFG-Z）/ ZFFG。将防洪水位安全度分为三个等级，当指标值为（0,1）时，得分为60-100，当指标值为（-1.5,0）时，得分为0-60分，当指标值为（-∞，-1.5）时，得分为0 。外排工程的防洪能力适配度DF=Q/Qd·（Z/ ZFFG）-1；也分为三个等级，当指标值为（1，∞）时，得分为100，当指标值为（0.6,1）时，得分为60-100，当指标值为（0,0.6）时，得分为0-60分。
在供水安全方面，供水代表站的供水水位满足度ZS=（Z-ZSG）/Z，当指标值为（0,1）时，赋分为60-100，当指标值为（-1.5,0）时，赋分为0-60分，当指标值为（-∞，-1.5）时，赋分为0 。引水工程的引供水满足度WS=Q/QD，分为需要引水和不需要引水两种情况，当需要引水时，指标值为（0.6,1）时，得分为60-100。指标值为（0,0.6）时，得分为0-60 。在不需要引水时，指标值为0时，得分为100分，指标值为（0,0.6）时，得分为60-0分，指标值为（0.6，1）时，得分为0 。由于指标值比较多，仅举上述案例用以说明，其他指标值的赋分情况，可以参考上述案例。
简言之，在本实施例中，基于河湖水系连通与水安全适配评价指标库构建河湖水系水体流动与水安全保障适配性评价体系，指标评价体系采用广泛应用的层次分析框架，将需要决策的问题置于一个大系统中，将问题分解并层次化，形成一个多层次的评价分析模型；综合运用数学方法与定性分析方法，计算出每个评价指标对上级指标产生的影响权重；最终通过逐层计算，得到问题总目标的权重，以此诊断河湖水系水安全保障问题。构建的河湖水系有序流动评价指标体系与评价方法为后文动力重构与有序流动调控决策变量选取和目标函数构建提供依据，用于评判调控方案的优劣。在对指标值进行筛选和赋权后，需要通过地理、水文数据来研究动力重构需求。
根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、获取预定区域的地理和水文数据，构建区域水系拓扑，基于水文数据和区域水系拓扑构建区域水系加权矩阵；
步骤S22、结合区域水系拓扑中各边的权值，构建加权邻接矩阵，计算邻接矩阵中顶点之间的最大水流通畅度矩阵；
步骤S23、基于所述水文数据和区域水系拓扑，重构区域水系的动力需求；
步骤S24、构建区域水动力模拟模型并率定，基于圣维南方程组构建区域水动力模拟模型；读取水文数据，导入水系中各个断面的数据，添加水工构筑物数据及水工构筑物的调度规则；获取水文数据中各河道的糙率，并采用确定性系数和纳什效率系数对模型进行率定；
步骤S25、获取输入数据并基于区域水系拓扑和动力需求构建约束条件，所述约束条件包括水量平衡约束、水位约束、流量约束、流速约束和水质约束；
步骤S26、采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；所述预配置的算法包括粒子群算法、逐步寻优算法和AHPSO算法。
在该实施例中，首先基于研究区域的数据，构建水系拓扑，形成物理层架构，主要是构件水系加权矩阵以及最大水流通畅度矩阵，然后结合区域的情况，获得获得动力需求，最后基于水动力模拟模型进行仿真，获得在安全指标约束下的动力重构方案。
所述步骤S21进一步为：
步骤S21a、采集预定区域的地理和水文数据，并按照预置的规则将预定区域分成若干个子区域，针对每一子区域构建水系拓扑，形成水系拓扑集合；
步骤S21b、逐一查找水系拓扑中的状态参数为定值的节点，形成基础水系拓扑并存储，基于状态参数为非定值的节点构建节点参数调整集合；
步骤S21c、基于基础水系拓扑和节点参数调整集合构建区域水系拓扑。
具体而言，将区域分成子区域，比如城区、工业区、郊区等，或者根据水文地理进行分区，形成每个子区域的水系拓集合，然后根据每个区域的情况，将节点分成可调节点和不可调节点，比如某两条河流之间没有水闸，则水流是自流的。而如果存在水闸，则会形成隔离和连通两种情况，在这两种情况下，拓扑结构是不同的，调节空间也是不同的。在一些情况下，某一段的河流甚至是可以在不同状态下可逆的，在某种情况下，通过调节闸门及水位等方式，水流方向是节点1至节点2，在另外的调控方式下，可能是节点2至节点1，在这种情况下，如果针对每一情况构建水系拓扑，则会造成计算量巨大，而将其分为基础水系拓扑后，则可以在基础水系拓扑的基础上，修改可调节点的参数，从而生成新的水系拓扑，大大减少计算量。
根据本申请的一个方面，所述步骤S22进一步为：
步骤S22a、从区域水系拓扑中提取骨干河网，提取水文数据中的水位和闸门开启度数据，修正区域水系拓扑中的各边的权值，预定边中部分线段的权值，计算骨干河网中各结构节点的连通性，基于连通性构建不同状态下的区域水系拓扑集合；
步骤S22b、当闸门开启度为0时，将该预定边中部分线段的权值定为0；当闸门开启度不为0时，将该预定边中部分线段与相邻的边连接，形成新边并为其赋予权值；查找相邻子区域之间的边界节点的参数是否为定值，若所有边界节点均为定值，则将相邻子区域标记为非动力重构区域；
步骤S22c、基于闸门开度数据，构建不同场景下的区域水系拓扑集合，形成预定数量个区域水系拓扑图，并逐一判断每一区域水系拓扑图中状态可变的节点数量是否大于阈值，若大于，对该区域水系拓扑图做出标记；
步骤S22d、读取区域水系拓扑图中各节点的高程数据，结合状态可变的节点数据，计算动力需求的调整系数，纳入到研究数据中。
在某种情况下，闸门都关闭时的河流C的湖水系连通性相比考虑闸门有开启度时的连通性偏小约13～20%，这说明水利工程的控制运行情况对平原河网地区河网水系连通性影响较大。在平原区域，某些调度情况下，会导致河道自身流速较缓、水位基本持平，无法形成自流水位差，而在另外一些情况下，通过水利工程的调控，可以在另外一些河道中形成自流水位差，从而提高调控效率。
换句话说，不同的场景下，由于工程的参数不同，可以形成不同的水系拓扑，从而调整不同区域之间的调水需求。在水系拓扑中，每条支流，即边的方向是可以随工程参数的调节而改变的，因此获得边界节点的情况是非常重要的，是判断不同区域之间能否进行动力重构的基本方法。比如某两个子区域之间，具有三条河流，每条河流均可以通过水利工程的方式实现倒流和自流，而在另外的两个子区域之间，由于河流数量少，且存在高程差的问题，无法实现倒流，则处于地势较低的子区域无法向地势较高的子区域输水。因此，通过上述水系拓扑的构建，有利于计算动力重构方案。
根据本申请的一个方面，所述步骤S23进一步为：
步骤S23a、基于区域水系拓扑将研究区域划分为预定数量个片区，读取各个片区水文数据中的水源数据和水势动能数据；基于所述水源数据计算水源水量保障率和水源水质保障率；
步骤S23b、基于所述水势动能数据计算自流保障率和非自流的水位保障率；
步骤S23c、计算满足水安全评价指标数值，并结合该水安全评价指标数值设定动力重构目标，重构区域水系的动力需求。
其中水源水量保障率可以用R=D0/D来表示，水质通过水资源质量状况通报来获取。比如在某条河流的水质在III类以上。某条河流A的水质常年维持在Ⅱ~Ⅲ类水，水质保障率100%；滆湖水质逐年好转，湖泊健康状态逐步恢复，水质保障率也随之逐年提升，以地表水Ⅳ类为水质类别标准，2013-2019年水质保障率为88%，2017-2019年的水质保障率则达到100%，并且达到Ⅲ类水标准的时间段为78%。另外一条河流B的水质保障率稍低，2017-2019年的达到Ⅳ类水的水质保障率分别为91%和94%，但达到Ⅲ类水标的水质保障率小于30%。因此河流A的水质保障率较高，均可作为补水水源。
根据本申请的一个方面，所述步骤S23c进一步为：
顺次改变每一片区中的动力参数，模拟不同动力条件下的有序流动指标数值，直到达到水安全适配或者一定阈值下指标无法进一步改善为止，此时的动力条件与原始现状动力条件的差值定义为动力需求。
根据本申请的一个方面，所述步骤S26中，形成重构措施集的过程进一步为：
步骤S26a、读取研究数据，构建重构措施集，例如水库拦水措施，河道梯级工程蓄水等措施。
步骤S26b、构建重构措施矩阵，包括满足度排序矩阵、适宜度矩阵和成本矩阵；
步骤S26c、采用预配置的水文水资源供用模拟耦合模型，结合重构措施矩阵对重构措施进行模拟，得到不同区域水资源保障结果，基于保障结果，选取重构措施，形成重构措施集。
在动力重构研究过程中，基于有序流动与水安全保障适配性评价指标体系，提出动力需求定量分析框架，在此框架下，计算保障水生态环境、防洪、供水等水安全保障目标下相关指标的数值，然后构建研究区水动力模型，通过不断调整河湖水系动力条件（流量、水位等），模拟不同动力条件下有序流动指标数值，直到达到目标为止，从而获得动力需求。以动力条件匹配最优、综合考虑动力重构成本为目标函数，水量平衡、防洪、供水硬性要求等为约束条件，耦合构建的水动力模型，构造有序流动调控措施能力匹配多目标优化模型。引入混合自适应粒子群等算法求解构建的工程措施匹配多目标优化模型，获得有序流动调控工程能力在空间上的优化布置方案。
根据本申请的一个方面，所述步骤S3进一步为：
步骤S31、将水安全评价指标分解为水生态环境效益、防洪效益和水资源供给调配效益，并分别作为目标函数；构建河湖水系有序调度模型和约束条件；
步骤S32、为每一目标函数赋予权重，将各个目标的加权和作为总目标函数，或选取其中一个目标函数作为主目标，将剩余目标函数转化为约束条件，变换约束水平，生成多目标非劣解集；
步骤S33、构建决策矩阵并标准化，计算决策矩阵中各参数的相关系数，形成相关矩阵，计算相关矩阵的特征值、特征向量和累计方差贡献率，根据方差贡献率的阈值，提取预定数量个主成分，计算各主成分的荷载，基于主成分构建综合指标数据矩阵；
步骤S34、采用理想点法、模糊优选法或模糊物元法进行决策，获得联合优化调度方案。
在该实施例中，从指标体系整体转化和指标逐个删减两条思路出发，提出了基于指标体系降维的有序流动调度多属性决策方法，分别采用主成分分析和BP神经网络实现复杂指标体系降维。建立了有序流动调度多属性决策指标体系的递阶层次结构；根据BP神经网络对信息的存储与转化机制，提出了相对重要度和相对贡献率两个指标，用于定量评估指标本身及其相对变化对防洪调度多属性决策的影响；通过定义的综合判别指标，确定了指标筛选的准则和阈值。
根据本申请的另一个方面，提供一种河湖水系有序流动调控系统，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的河湖水系有序流动调控方法。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。
Claims (4)
1.河湖水系有序流动调控方法，其特征在于，包括如下步骤：
步骤S1、采集预定区域的研究数据，构建水安全指标备选集合，并对水安全指标集合进行筛选和降维处理，获得水安全指标评价体系，为水安全指标评价体系中的每一水安全评价指标设定计算公式和权重，基于水安全评价指标和权重构建水安全评价公式；
步骤S2、获取所述预定区域的地理和水文数据，构建区域水系拓扑和动力需求，对所述区域水系拓扑进行预处理；构建区域水动力模拟模型并率定，获取输入数据并基于区域水系拓扑和动力需求构建约束条件，采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；
步骤S3、以水安全评价指标为目标函数，结合重构措施集构建河湖水系有序调度模型和约束条件，并采用预置方法进行降维和决策，获得联合优化调度方案；
所述步骤S1进一步为：
步骤S11、采集预定区域的研究数据，构建文献库，从文献库中筛选与水安全适配的文献资料，提取出具有定量响应关系且可以获得平均数、标准差和样方数的文献资料作为第一文献资料；
步骤S12、基于第一文献资料提取用于荟萃分析的研究指标，并计算效应值，使用最大似然模型分析不同文章之间的变异，使用最大似然模型与随机模型计算总变异值；
步骤S13、通过统计方法对处理后的第一文献资料进行偏倚计算和敏感性分析，检测第一文献资料的数据可靠性，将通过检验后的文献资料标记为第二文献资料；
步骤S14、从所述第二文献资料中提取水安全指标备选集合，并进行分级；
步骤S15、根据指标的代表性、重要性和可操作性对分级后的水安全指标进行初筛；
步骤S16、调用预配置的方法计算初筛后的水安全指标的相关性，去除相关性大于预设值的水安全指标，对水安全指标进行降维处理；获得水安全指标评价体系；
步骤S17、针对每一水安全指标设定量化计算公式，并对根据计算值进行分级，获得赋分表；
步骤S18、基于分级的水安全指标，建立层次结构模型并构造判断矩阵，计算判断矩阵的特征向量和最大特征值，再对判断矩阵进行一致性检验，获得每级指标的权重，自下而上逐级相乘得到每个评价指标相对总目标的权重，基于水安全评价指标和权重构建水安全评价公式，将各指标按其权重加以综合评价；
所述步骤S2进一步为：
步骤S21、获取预定区域的地理和水文数据，构建区域水系拓扑，基于水文数据和区域水系拓扑构建区域水系加权矩阵；
步骤S22、结合区域水系拓扑中各边的权值，构建加权邻接矩阵，计算邻接矩阵中顶点之间的最大水流通畅度矩阵；
步骤S23、基于所述水文数据和区域水系拓扑，重构区域水系的动力需求；
步骤S24、构建区域水动力模拟模型并率定，基于圣维南方程组构建区域水动力模拟模型；读取水文数据，导入水系中各个断面的数据，添加水工构筑物数据及水工构筑物的调度规则；获取水文数据中各河道的糙率，并采用确定性系数和纳什效率系数对模型进行率定；
步骤S25、获取输入数据并基于区域水系拓扑和动力需求构建约束条件，所述约束条件包括水量平衡约束、水位约束、流量约束、流速约束和水质约束；
步骤S26、采用预配置的算法求解区域水动力模拟模型，获得预定组动力重构方案，形成重构措施集；所述预配置的算法包括粒子群算法、逐步寻优算法和AHPSO算法；
所述步骤S23进一步为：
步骤S23a、基于区域水系拓扑将研究区域划分为预定数量个片区，读取各个片区水文数据中的水源数据和水势动能数据；基于所述水源数据计算水源水量保障率和水源水质保障率；
步骤S23b、基于所述水势动能数据计算自流保障率和非自流的水位保障率；
步骤S23c、计算满足水安全评价指标数值，并结合该水安全评价指标数值设定动力重构目标，重构区域水系的动力需求；
所述步骤S23c进一步为：
顺次改变每一片区中的动力参数，模拟不同动力条件下的有序流动指标数值，直到达到水安全适配或者一定阈值下指标无法进一步改善为止，此时的动力条件与原始现状动力条件的差值定义为动力需求；
所述步骤S26中，形成重构措施集的过程进一步为：
步骤S26a、读取研究数据，构建重构措施集，
步骤S26b、构建重构措施矩阵，包括满足度排序矩阵、适宜度矩阵和成本矩阵；
步骤S26c、采用预配置的水文水资源供用模拟耦合模型，结合重构措施矩阵对重构措施进行模拟，得到不同区域水资源保障结果，基于保障结果，选取重构措施，形成重构措施集；
步骤S3进一步为：
步骤S31、将水安全评价指标分解为水生态环境效益、防洪效益和水资源供给调配效益，并分别作为目标函数；构建河湖水系有序调度模型和约束条件；
步骤S32、为每一目标函数赋予权重，将各个目标的加权和作为总目标函数，或选取其中一个目标函数作为主目标，将剩余目标函数转化为约束条件，变换约束水平，生成多目标非劣解集；
步骤S33、构建决策矩阵并标准化，计算决策矩阵中各参数的相关系数，形成相关矩阵，计算相关矩阵的特征值、特征向量和累计方差贡献率，根据方差贡献率的阈值，提取预定数量个主成分，计算各主成分的荷载，基于主成分构建综合指标数据矩阵；
步骤S34、采用理想点法、模糊优选法或模糊物元法进行决策，获得联合优化调度方案。
2.如权利要求1所述的河湖水系有序流动调控方法，其特征在于，所述步骤S21进一步为：
步骤S21a、采集预定区域的地理和水文数据，并按照预置的规则将预定区域分成若干个子区域，针对每一子区域构建水系拓扑，形成水系拓扑集合；
步骤S21b、逐一查找水系拓扑中的状态参数为定值的节点，形成基础水系拓扑并存储，基于状态参数为非定值的节点构建节点参数调整集合；
步骤S21c、基于基础水系拓扑和节点参数调整集合构建区域水系拓扑。
3.如权利要求2所述的河湖水系有序流动调控方法，其特征在于，所述步骤S22进一步为：
步骤S22a、从区域水系拓扑中提取骨干河网，提取水文数据中的水位和闸门开启度数据，修正区域水系拓扑中的各边的权值，预定边中部分线段的权值，计算骨干河网中各结构节点的连通性，基于连通性构建不同状态下的区域水系拓扑集合；
步骤S22b、当闸门开启度为0时，将该预定边中部分线段的权值定为0；当闸门开启度不为0时，将该预定边中部分线段与相邻的边连接，形成新边并为其赋予权值；查找相邻子区域之间的边界节点的参数是否为定值，若所有边界节点均为定值，则将相邻子区域标记为非动力重构区域；
步骤S22c、基于闸门开度数据，构建不同场景下的区域水系拓扑集合，形成预定数量个区域水系拓扑图，并逐一判断每一区域水系拓扑图中状态可变的节点数量是否大于阈值，若大于，对该区域水系拓扑图做出标记；
步骤S22d、读取区域水系拓扑图中各节点的高程数据，结合状态可变的节点数据，计算动力需求的调整系数，纳入到研究数据中。
4. 一种河湖水系有序流动调控系统，其特征在于，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1-3任一项所述的河湖水系有序流动调控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310305746.2A CN116070971B (zh) | 2023-03-27 | 2023-03-27 | 河湖水系有序流动调控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310305746.2A CN116070971B (zh) | 2023-03-27 | 2023-03-27 | 河湖水系有序流动调控方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116070971A CN116070971A (zh) | 2023-05-05 |
| CN116070971B true CN116070971B (zh) | 2023-06-06 |
Family
ID=86171738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310305746.2A Active CN116070971B (zh) | 2023-03-27 | 2023-03-27 | 河湖水系有序流动调控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116070971B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485584B (zh) * | 2023-06-21 | 2023-08-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 高寒区大底坡河流wee协同调控方法及系统 |
| CN116630122B (zh) * | 2023-07-24 | 2023-09-19 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
| 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 |
| CN116882851B (zh) * | 2023-09-08 | 2023-11-28 | 浙江远算科技有限公司 | 基于多尺度耦合仿真的水库群防洪系统评估方法与设备 |
| CN117236199B (zh) * | 2023-11-14 | 2024-02-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 城市水网区域河湖水质提升与水安全保障方法及系统 |
| 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 |
| CN117910641B (zh) * | 2024-01-19 | 2024-07-30 | 水利部水利水电规划设计总院 | 一种考虑实时来水的多调蓄节点联合优化调度图降维求解方法 |
| CN117648828B (zh) * | 2024-01-29 | 2024-04-02 | 水利部交通运输部国家能源局南京水利科学研究院 | 河网水动力精准调控方法及系统 |
| CN118014324B (zh) * | 2024-04-09 | 2024-05-31 | 水利部水利水电规划设计总院 | 水网系统多功能多过程均衡协调优化的水流综合调控方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115577906A (zh) * | 2022-09-09 | 2023-01-06 | 河海大学 | 一种河网-湖荡耦合区域联合优化调度方案的评价方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10096154B2 (en) * | 2016-04-04 | 2018-10-09 | University Of Cincinnati | Localized contour tree method for deriving geometric and topological properties of complex surface depressions based on high resolution topographical data |
| US11519146B2 (en) * | 2018-04-17 | 2022-12-06 | One Concern, Inc. | Flood monitoring and management system |
| CN109948235B (zh) * | 2019-03-14 | 2023-05-09 | 南京大学 | 水资源调度与精准化配置方法 |
| CN111967666B (zh) * | 2020-08-17 | 2021-05-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种江河湖水系综合协同调度系统及其调度方法 |
| CN112906285B (zh) * | 2021-03-16 | 2022-09-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河湖水系动力重构方法、设备及计算机存储介质 |
| CN115375198B (zh) * | 2022-10-24 | 2022-12-30 | 水利部交通运输部国家能源局南京水利科学研究院 | 区域河湖水系连通联合调度和水质安全保障方法及系统 |
| CN115374376B (zh) * | 2022-10-24 | 2023-01-31 | 水利部交通运输部国家能源局南京水利科学研究院 | 小水电生态影响监测评估方法与系统 |
-
2023
- 2023-03-27 CN CN202310305746.2A patent/CN116070971B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115577906A (zh) * | 2022-09-09 | 2023-01-06 | 河海大学 | 一种河网-湖荡耦合区域联合优化调度方案的评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116070971A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116070971B (zh) | 河湖水系有序流动调控方法和系统 | |
| Talebizadeh et al. | Uncertainty analysis for the forecast of lake level fluctuations using ensembles of ANN and ANFIS models | |
| Hakimi-Asiabar et al. | Deriving operating policies for multi-objective reservoir systems: application of self-learning genetic algorithm | |
| Safavi et al. | Expert knowledge based modeling for integrated water resources planning and management in the Zayandehrud River Basin | |
| Kişi | River suspended sediment concentration modeling using a neural differential evolution approach | |
| Kakahaji et al. | Prediction of Urmia Lake water-level fluctuations by using analytical, linear statistic and intelligent methods | |
| Guven | Linear genetic programming for time-series modelling of daily flow rate | |
| Coulibaly et al. | Downscaling precipitation and temperature with temporal neural networks | |
| Chang et al. | Applying fuzzy theory and genetic algorithm to interpolate precipitation | |
| Sedki et al. | Simulation-optimization modeling for sustainable groundwater development: a Moroccan coastal aquifer case study | |
| Chang et al. | Modelling intelligent water resources allocation for multi-users | |
| Liu et al. | Optimal allocation of water quantity and waste load in the Northwest Pearl River Delta, China | |
| Shirangi et al. | A simplified model for reservoir operation considering the water quality issues: Application of the Young Conflict Resolution Theory | |
| Moazamnia et al. | Formulating a strategy to combine artificial intelligence models using Bayesian model averaging to study a distressed aquifer with sparse data availability | |
| CN112418491B (zh) | 一种水库剩余拦沙库容动态配置方法 | |
| CN116485584B (zh) | 高寒区大底坡河流wee协同调控方法及系统 | |
| Alizadeh et al. | Development of an entropy method for groundwater quality monitoring network design | |
| Kolekar et al. | Prediction of municipal solid waste generation for developing countries in temporal scale: A fuzzy inference system approach | |
| Dehghanian et al. | Evaluation of coupled ANN-GA model to prioritize flood source areas in ungauged watersheds | |
| Ashrafi et al. | Applying wavelet transformation and artificial neural networks to develop forecasting-based reservoir operating rule curves | |
| Ashrafi et al. | Developing a semi-distributed decision support system for great Karun water resources system | |
| Hemati et al. | Water allocation using game theory under climate change impact (case study: Zarinehrood) | |
| Abdulkadir et al. | Application of artificial neural network model to the management of hydropower reservoirs along River Niger, Nigeria | |
| Jain et al. | State-of-the-art review: Operation of multi-purpose reservoirs during flood season | |
| Roozbahani et al. | A basin-wide approach for water allocation and dams location-allocation |
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 |