CN116738885A - 一种城市河流水温预测方法及系统 - Google Patents
一种城市河流水温预测方法及系统 Download PDFInfo
- Publication number
- CN116738885A CN116738885A CN202310722077.9A CN202310722077A CN116738885A CN 116738885 A CN116738885 A CN 116738885A CN 202310722077 A CN202310722077 A CN 202310722077A CN 116738885 A CN116738885 A CN 116738885A
- Authority
- CN
- China
- Prior art keywords
- water temperature
- river
- water
- data
- inflow
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004088 simulation Methods 0.000 claims abstract description 58
- 238000009792 diffusion process Methods 0.000 claims abstract description 37
- 238000012546 transfer Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000005855 radiation Effects 0.000 claims description 32
- 239000002351 wastewater Substances 0.000 claims description 20
- 230000004907 flux Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 16
- 239000003673 groundwater Substances 0.000 claims description 16
- 239000002352 surface water Substances 0.000 claims description 14
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 230000001970 hydrokinetic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 239000013049 sediment Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001027 hydrothermal synthesis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012876 topography Methods 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种城市河流水温预测方法及系统，涉及河流水温模拟领域，所述预测方法包括：获取河道地形数据以及当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；基于连续方程和圣维南方程组构建水动力模型；基于水动力模型和对流‑扩散方程构建热传输模型；基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据；本发明综合考虑多种水热因素实现了对城市河流水温的预测。
Description
技术领域
本发明涉及河流水温模拟领域，特别是涉及一种城市河流水温预测方法及系统。
背景技术
水温是评价河流生态系统健康的重要指标。水温一方面对水生生物的生存、栖息、繁殖等生态过程有直接影响，另一方面会通过影响水体环境中有机物的分解速度、溶解氧含量和化学反应速率影响河流的生物化学循环。为此，精准模拟各种复杂因素影响下的河流水温特征并分析其主要影响因子，全面了解不同水文条件和人类影响水平下的水温变化对于河流生态系统的保护与修复至关重要。
城市河流水温通常受到各种环境变量的影响，包括通过空气-水体和河流-河床的热交换、来自支流的热平流、地下水热交换和人为取水/排放等。因此水温在时空尺度上有较强的变异性，准确量化水温变化是一项挑战。研究人员开发了许多模型，用于分析各种环境变量对水温变化的影响，这些模型可以分为回归模型、随机模型和确定性模型。回归模型和随机模型通常采用统计学方法，假定水温与一系列输入参数存在相关关系，输入参数如空气温度、太阳辐射以及径流过程等。以往的研究表明，回归模型和随机模型等方法计算过程相对简单、模型需要数据较少，然而这类方法普遍缺乏底层物理过程的描述，难以准确捕捉水温特征的短期快速变化、难以确定河段水温变化的主要影响因子、量化各类因素的相对贡献，限制了此类模型的泛在应用。相比之下，确定性模型采用一系列数学方程描述河流和周围环境之间的热交换过程，已广泛应用于水库建设、植被改变、引水、废水排放等自然条件、人为因素变动下的水温模拟。
已有确定性水温模型通常将空气-水体界面热交换作为主要的环境变量，部分模型考虑了支流汇入、河流-河床热交换以及地表-地下水热交换等过程；然而，对于流经高度城市化地区的城市河流，人类的热排放对于水温的影响往往起到决定性的作用。面对复杂地形、气象、水文条件下的城市河流水温模拟预测，目前的确定性预测方法通常在考虑水-气界面的热交换基础上，加入支流汇入、地下水交换等单一影响，尚缺乏综合考虑水-气、水-河床以及人类热排放的通用城市河流水温预测模型。通用模型的研发将为城市河流热传输的准确模拟和预测提供可行手段，为河流水生态环境健康保育提供技术支撑。
发明内容
本发明的目的是提供一种城市河流水温预测方法及系统，可综合考虑多种水热因素以预测城市河流水温。
为实现上述目的，本发明提供了如下方案：
一种城市河流水温预测方法，所述预测方法包括：
获取河道地形数据；所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面；
获取当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温；
基于连续方程和圣维南方程组构建水动力模型；
基于水动力模型和对流-扩散方程构建热传输模型；
基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
可选地，所述预测方法还包括：
根据水温数据和实测水温数据得到水温模拟精度；
将水温模拟精度与模拟精度阈值对比；
当所述水温模拟精度大于模拟精度阈值，则结束执行；
当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行“基于水动力模型和对流-扩散方程构建热传输模型”；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
可选地，所述连续方程具体为：
式中，Q为河流断面流量；x为纵向距离；A为过水断面面积；t为当前时间；q为外源入流量；所述外源入流量包括废水排放量、支流汇入量和地表水-地下水交换量；其中，根据所述废水排放量、支流汇入量、上游边界流量和下游边界流量得到地表水-地下水交换量。
可选地，所述圣维南方程组具体为：
式中，Q为河流断面流量；x为纵向距离；A为过水断面面积；t为当前时间；q为外源入流量；β为动量校正系数；g为重力加速度；S0为河床比降；Sf为摩阻比降；n为曼宁粗糙系数；R为水力半径；h为河流水深。
可选地，所述水力半径具体为：
R＝A/W；
式中，W为河流湿周。
可选地，所述对流-扩散方程具体为：
式中，T为河流模拟水温；η为热通量校正因子；DL为纵向扩散系数；B为水面宽度；Q为河流断面流量；x为纵向距离；A为过水断面面积；q为外源入流量；Hr为空气-水体热交换；ρw为水的密度；W河流湿周；Cw为水的比热；Hbed为河床与河流水体的热交换通量；T0为河流外源入流水温。
可选地，所述空气-水体热交换具体为：
Hr＝Rnet-Js-Jt；
式中，Rnet为净太阳辐射量；Js为显热通量；Jt为潜热通量。
可选地，所述净太阳辐射量具体为：
Rnet＝Swat+Swat2+Ld-Lu＝bwat[1+albed(1-bwat)](1-alwat)Sd+Ld-Lu；
式中，Swat为入射太阳辐射到达河床前水体吸收的辐射量；Swat2为入射太阳辐射经河床反射后水体吸收的辐射量；Ld为大气向下长波辐射；Lu为地面长波辐射；Sd为太阳总辐射；albed为河床反射率；alwat为水面反折射率；bwat为水体太阳辐射吸收率；
其中，式中，h为河流水深。
为实现上述目的，本发明还提供了如下方案：
一种城市河流水温预测系统，所述预测系统应用于上述的城市河流水温预测方法；所述预测系统包括：
数据获取单元，用于获取河道地形数据，以及当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温；
水动力模型构建单元，用于基于连续方程和圣维南方程组构建水动力模型；
热传输模型构建单元，用于基于水动力模型和对流-扩散方程构建热传输模型；基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
可选地，所述预测系统还包括：
水温模拟精度计算单元，用于根据水温数据和实测水温数据得到水温模拟精度；
水温模拟精度比对单元，用于将水温模拟精度与模拟精度阈值对比；当所述水温模拟精度大于模拟精度阈值，则结束执行；当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行热传输模型构建单元基于水动力模型和对流-扩散方程构建热传输模型；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种城市河流水温预测方法及系统，所述方法通过获取河道地形数据以及当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，基于连续方程和圣维南方程组构建水动力模型；基于水动力模型和对流-扩散方程构建热传输模型；基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据；本发明实现了对城市河流水温的预测。
与现有回归模型、随机模型和确定性模型分析各种环境变量对水温变化的影响相比，本发明通过描述河流和周围环境之间的热交换过程确定河段水温变化的主要影响因子、量化因素。
与现有确定性水温模型将空气-水体界面热交换作为主要的环境变量，部分模型考虑了支流汇入、河流-河床热交换以及地表-地下水热交换等过程相比；本发明通过获取河流外源输入量和温度从而考虑了人为热排放在内的综合水热过程对河流水温的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明城市河流水温预测方法的方法流程示意图；
图2为本发明城市河流水温预测系统的系统结构示意图。
符号说明：
数据获取单元-1，水动力模型构建单元-2，热传输模型构建单元-3。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种城市河流水温预测方法及系统，可综合考虑多种水热因素以预测城市河流水温。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明城市河流水温预测方法包括：
S1：获取河道地形数据；所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面。
S2：获取当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温。
S3：基于连续方程和圣维南方程组构建水动力模型。
S4：基于水动力模型和对流-扩散方程构建热传输模型。
S5：基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
其中，所述连续方程具体为：
式中，Q为河流断面流量；x为纵向距离；A为过水断面面积；t为当前时间；q为外源入流量。所述外源入流量包括废水排放量、支流汇入量和地表水-地下水交换量；其中，根据所述废水排放量、支流汇入量、上游边界流量和下游边界流量得到地表水-地下水交换量。若为地下水向地表水方向补给的水温近似为河床沉积物孔隙水水温；若为地表水向地下水方向补给的水温则近似为当前河段、上一时间的水温。
所述圣维南方程组具体为：
式中，β为动量校正系数；g为重力加速度；S0为河床比降；Sf为摩阻比降；n为曼宁粗糙系数；R为水力半径；h为河流水深。根据河道种类确定曼宁粗糙系数。
其中，所述水力半径具体为：
R＝A/W。
式中，W为河流湿周。
利用获取的上游边界流量和下游边界流量作为水动力模型的输入，为水动力模型提供模型边界条件；通过废水排放量、支流汇入量及地下水-地表水交换量作为水动力模型的输入，提供外源入流量；将曼宁粗糙系数、河床比降、河流断面地形数据作为基本参数；模拟输出河流断面流量和河流水深(即模拟输出各河流断面在任意时刻的流量、深度、流速和水位)。
此外，所述对流-扩散方程具体为：
式中，T为河流模拟水温；η为热通量校正因子；DL为纵向扩散系数；B为水面宽度；Hr为空气-水体热交换；ρw为水的密度；Cw为水的比热；Hbed为河床与河流水体的热交换通量；T0为河流外源入流水温。
当为地下水向地表水方向补给的水温，此时Tg＝T0；当为地表水向地下水方向补给的水温，此时Ts＝T0。
利用对流-扩散方程模拟河流在任一河流断面在任意时刻的热传输通量和河流模拟水温。将纵向距离、当前时间、水动力模型的输出项、当前断面、当前时刻的水文水动力数据和河流外源入流水温数据作为热传输模型的输入项；将河流某一断面某一时刻的水温数据作为输出项。
其中，所述空气-水体热交换具体为：
Hr＝Rnet-Js-Jt。
式中，Rnet为净太阳辐射量；Js为显热通量；Jt为潜热通量。
所述净太阳辐射量具体为：
Rnet＝Swat+Swat2+Ld-Lu＝bwat[1+albed(1-bwat)](1-alwat)Sd+Ld-Lu。
式中，Swat为入射太阳辐射到达河床前水体吸收的辐射量；Swat2为入射太阳辐射经河床反射后水体吸收的辐射量；Ld为大气向下长波辐射；Lu为地面长波辐射；Sd为太阳总辐射；albed为河床反射率；alwat为水面反折射率；bwat为水体太阳辐射吸收率。
其中，bwat＝0.6+0.4{1-exp[-1.783*(h-0.1)]}。
基于空气动力学方法计算显热通量和潜热通量。
所述显热通量具体为：
式中，λ为水蒸发潜热；所述水蒸发潜热具体为：λ＝(2499-2.36Ts)+10-9；Ts为当前河段、上一时间的水温；Ta为气温；Pa为大气压力；Wftn为风速函数。当河流模拟的过程为初始过程时，Ts此时为当前河段的初始水温。
所述潜热通量具体为：
Jl＝ρwλWftn(es-ea)。
式中，es为饱和水蒸气压力；ea为实际水蒸气压力。
所述饱和水蒸气压力具体为：
所述实际水蒸气压力具体为：
ea＝RH*es。
式中，RH为相对湿度。
所述风速函数具体为：
Wftn＝0.0000934(Δθv)1/3+0.0000852u。
式中，u为风速。其中，
河床表面存在如下的热量平衡关系；所述河床与河流水体的热交换通量具体为：
式中，Sb为河床吸收的太阳辐射能量；G为流入到地下的热通量；所述G由Fick定律计算；K为热传输恒定系数；Qg为地下水通量；z为水沙界面的垂直距离(向下为正)；λeff为有效导热系数；Tg为河床沉积物孔隙水水温。
其中，Qg以地表水补给地下水方向为正；λeff体现了河床热传导和地下水弥散效应。
所述有效导热系数具体为：
式中，βL为垂向扩散系数；λ0为沉积物混合体导热系数；λs为沉积物导热系数；λw为水体导热系数；为沉积物孔隙度。
其中，Sb＝(1-albed)(1-bwat)(1-albed)Sd；上式第三项表示地表水和地下水交互的水动力扩散引起的有效导热系数的增加；当地表水与地下水不存在交换作用时，扩散效应消失，此时λeff等同于λ0。
同时，通过河床与河流和地下水的热交换采用对流-扩散方程进行模拟，具体为：
进一步地，所述预测方法还包括：
S6：根据水温数据和实测水温数据得到水温模拟精度；
S5：将水温模拟精度与模拟精度阈值对比。
当所述水温模拟精度大于模拟精度阈值，则结束执行。
当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行“基于水动力模型和对流-扩散方程构建热传输模型”；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
此外，本发明可根据评价指标评价水温拟合程度；所述评价指标包括均方根误差(root mean squared error，RMSE)、平均绝对误差(mean absolute error，MAE)、纳什系数(Nash coefficient，NSE)指标。
其中，所述平均绝对误差具体为：
所述均方根误差具体为：
所述纳什系数集体为：
式中，yi为模拟水温，y0为实测水温。当均方根误差和平均绝对误差的差值绝对值小于水温拟合程度阈值时，更改模型参数；否则结束执行。当纳什系数小于水温拟合程度阈值时，结束执行，否则更改模型参数。
本发明也可通过将水温数据和实测水温数据进行绘图，判断整体效果。
本发明在模型适用、合理的基础上，依据控制变量原则，设置外源入流量，可通过比较有无外源入流量的情况下的水温数据；其差值即为外源入流量对河流水温的影响。通过定量分析不同时刻、不同点位外源热输入对水温变化的影响，明确河流热输运过程机理。
如图2所示，本发明城市河流水温预测系统应用于上述的城市河流水温预测方法；所述预测系统包括：数据获取单元1、水动力模型构建单元2和热传输模型构建单元3。
所述数据获取单元1用于获取河道地形数据，以及当前断面、当前时刻的水文水动力数据和河流外源入流水温数据。所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温。
所述水动力模型构建单元2用于基于连续方程和圣维南方程组构建水动力模型。
所述热传输模型构建单元3用于基于水动力模型和对流-扩散方程构建热传输模型。所述热传输模型构建单元还用于基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
进一步地，所述预测系统还包括：水温模拟精度计算单元和水温模拟精度比对单元。
所述水温模拟精度计算单元用于根据水温数据和实测水温数据得到水温模拟精度。
所述水温模拟精度比对单元用于将水温模拟精度与模拟精度阈值对比；当所述水温模拟精度大于模拟精度阈值，则结束执行；当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行热传输模型构建单元基于水动力模型和对流-扩散方程构建热传输模型；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种城市河流水温预测方法，其特征在于，所述预测方法包括：
获取河道地形数据；所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面；
获取当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温；
基于连续方程和圣维南方程组构建水动力模型；
基于水动力模型和对流-扩散方程构建热传输模型；
基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
2.根据权利要求1所述的城市河流水温预测方法，其特征在于，所述预测方法还包括：
根据水温数据和实测水温数据得到水温模拟精度；
将水温模拟精度与模拟精度阈值对比；
当所述水温模拟精度大于模拟精度阈值，则结束执行；
当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行“基于水动力模型和对流-扩散方程构建热传输模型”；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
3.根据权利要求1所述的城市河流水温预测方法，其特征在于，所述连续方程具体为：
式中，Q为河流断面流量；x为纵向距离；A为过水断面面积；t为当前时间；q为外源入流量；所述外源入流量包括废水排放量、支流汇入量和地表水-地下水交换量；其中，根据所述废水排放量、支流汇入量、上游边界流量和下游边界流量得到地表水-地下水交换量。
4.根据权利要求1所述的城市河流水温预测方法，其特征在于，所述圣维南方程组具体为：
式中，Q为河流断面流量；x为纵向距离；A为过水断面面积；t为当前时间；q为外源入流量；β为动量校正系数；g为重力加速度；S0为河床比降；Sf为摩阻比降；n为曼宁粗糙系数；R为水力半径；h为河流水深。
5.根据权利要求4所述的城市河流水温预测方法，其特征在于，所述水力半径具体为：
R＝A/W；
式中，W为河流湿周。
6.根据权利要求1所述的城市河流水温预测方法，其特征在于，所述对流-扩散方程具体为：
式中，T为河流模拟水温；η为热通量校正因子；DL为纵向扩散系数；B为水面宽度；Q为河流断面流量；x为纵向距离；A为过水断面面积；q为外源入流量；Hr为空气-水体热交换；ρw为水的密度；W为河流湿周；Cw为水的比热；Hbed为河床与河流水体的热交换通量；T0为河流外源入流水温。
7.根据权利要求6所述的城市河流水温预测方法，其特征在于，所述空气-水体热交换具体为：
Hr＝Rnet-Js-Jt；
式中，Rnet为净太阳辐射量；Js为显热通量；Jt为潜热通量。
8.根据权利要求7所述的城市河流水温预测方法，其特征在于，所述净太阳辐射量具体为：
Rnet＝Swat+Swat2+Ld-Lu＝bwat[1+albed(1-bwat)](1-alwat)Sd+Ld-Lu；
式中，Swat为入射太阳辐射到达河床前水体吸收的辐射量；Swat2为入射太阳辐射经河床反射后水体吸收的辐射量；Ld为大气向下长波辐射；Lu为地面长波辐射；Sd为太阳总辐射；albed为河床反射率；alwat为水面反折射率；bwat为水体太阳辐射吸收率；
其中，bwat＝0.6+0.4{1-exp[-1.783*(h-0.1)]}；式中，h为河流水深。
9.一种城市河流水温预测系统，其特征在于，所述预测系统应用于权利要求1-8任一项所述的城市河流水温预测方法；所述预测系统包括：
数据获取单元，用于获取河道地形数据，以及当前断面、当前时刻的水文水动力数据和河流外源入流水温数据；所述河道地形数据包括纵向距离；不同的纵向距离表示不同的河流长度对应的河流断面；所述水文水动力数据包括废水排放量、支流汇入量、上游边界流量和下游边界流量；所述河流外源入流水温数据包括地表水水温和地下水水温二者中任一个，以及废水排放水温和支流汇入水温；
水动力模型构建单元，用于基于连续方程和圣维南方程组构建水动力模型；
热传输模型构建单元，用于基于水动力模型和对流-扩散方程构建热传输模型；基于所述热传输模型根据当前断面、当前时刻的水文水动力数据和河流外源入流水温数据，得到河流当前断面的当前时刻水温数据。
10.根据权利要求9所述的城市河流水温预测系统，其特征在于，所述预测系统还包括：
水温模拟精度计算单元，用于根据水温数据和实测水温数据得到水温模拟精度；
水温模拟精度比对单元，用于将水温模拟精度与模拟精度阈值对比；当所述水温模拟精度大于模拟精度阈值，则结束执行；当所述水温模拟精度小于模拟精度阈值，则更改模型参数，重新执行热传输模型构建单元基于水动力模型和对流-扩散方程构建热传输模型；所述模型参数包括垂向扩散系数、纵向扩散系数、热传输恒定系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310722077.9A CN116738885B (zh) | 2023-06-16 | 2023-06-16 | 一种城市河流水温预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310722077.9A CN116738885B (zh) | 2023-06-16 | 2023-06-16 | 一种城市河流水温预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116738885A true CN116738885A (zh) | 2023-09-12 |
| CN116738885B CN116738885B (zh) | 2024-06-07 |
Family
ID=87902507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310722077.9A Active CN116738885B (zh) | 2023-06-16 | 2023-06-16 | 一种城市河流水温预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116738885B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279662A (zh) * | 2013-05-24 | 2013-09-04 | 长江水利委员会长江科学院 | 一种水库坝下河道水温分布测算方法 |
| CN106815448A (zh) * | 2017-02-07 | 2017-06-09 | 长江水资源保护科学研究所 | 一种河流衰减型污染物模拟方法 |
| WO2017201812A1 (zh) * | 2016-05-26 | 2017-11-30 | 中国水利水电科学研究院 | 一种渠道流量的获取方法 |
| CN109992909A (zh) * | 2019-04-08 | 2019-07-09 | 珠江水利委员会珠江水利科学研究院 | 树状河网梯级水库水动力水质泥沙耦合模拟方法及系统 |
| CN111382547A (zh) * | 2020-03-16 | 2020-07-07 | 中国环境科学研究院 | 一维非稳态河流水动力-水质模拟方法和装置 |
| CN112116147A (zh) * | 2020-09-16 | 2020-12-22 | 南京大学 | 一种基于lstm深度学习的河流水温预测方法 |
| CN114036838A (zh) * | 2021-11-09 | 2022-02-11 | 云南大学 | 一种基于多层lstm神经网络的垂向水温模拟方法 |
-
2023
- 2023-06-16 CN CN202310722077.9A patent/CN116738885B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279662A (zh) * | 2013-05-24 | 2013-09-04 | 长江水利委员会长江科学院 | 一种水库坝下河道水温分布测算方法 |
| WO2017201812A1 (zh) * | 2016-05-26 | 2017-11-30 | 中国水利水电科学研究院 | 一种渠道流量的获取方法 |
| CN106815448A (zh) * | 2017-02-07 | 2017-06-09 | 长江水资源保护科学研究所 | 一种河流衰减型污染物模拟方法 |
| CN109992909A (zh) * | 2019-04-08 | 2019-07-09 | 珠江水利委员会珠江水利科学研究院 | 树状河网梯级水库水动力水质泥沙耦合模拟方法及系统 |
| CN111382547A (zh) * | 2020-03-16 | 2020-07-07 | 中国环境科学研究院 | 一维非稳态河流水动力-水质模拟方法和装置 |
| CN112116147A (zh) * | 2020-09-16 | 2020-12-22 | 南京大学 | 一种基于lstm深度学习的河流水温预测方法 |
| CN114036838A (zh) * | 2021-11-09 | 2022-02-11 | 云南大学 | 一种基于多层lstm神经网络的垂向水温模拟方法 |
Non-Patent Citations (4)
| Title |
|---|
| 李 健 威等: "向家坝灌区北总干渠一期灌溉水增温措施研究", 《人 民 长 江》, vol. 52, no. 10, pages 141 - 144 * |
| 钟 俊等: "摩擦内能对大比降山区河流水温的影响研究", 《人民长江》, vol. 52, no. 4, pages 95 * |
| 陆俊卿等: "高精度格式在河道水温模拟中的应用", 安 全 与 环 境 学 报, pages 42 - 43 * |
| 陈俊西: "基于多目标多要素的草海湿地生态需水量研究", CNKI硕士电子期刊, pages 40 - 41 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116738885B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gal et al. | Simulating the thermal dynamics of Lake Kinneret | |
| Elçi | Effects of thermal stratification and mixing on reservoir water quality | |
| Reinecke et al. | Challenges in developing a global gradient-based groundwater model (G 3 M v1. 0) for the integration into a global hydrological model | |
| Bonnet et al. | Numerical modeling of thermal stratification in a lake reservoir. Methodology and case study | |
| Arega et al. | Dispersion model for tidal wetlands | |
| Jin et al. | Three-dimensional water quality and SAV modeling of a large shallow lake | |
| Fang et al. | Simulations of water quality and oxythermal cisco habitat in Minnesota lakes under past and future climate scenarios | |
| Cebe et al. | Water quality modelling in Kaş Bay | |
| Ferrarin et al. | Hydrological regime and renewal capacity of the micro-tidal Lesina Lagoon, Italy | |
| Kim et al. | Application of a 2-dimensional water quality model (CE-QUAL-W2) to the turbidity interflow in a deep reservoir (Lake Soyang, Korea) | |
| CN114036838B (zh) | 一种基于多层lstm神经网络的垂向水温模拟方法 | |
| Firoozi et al. | Developing a framework for assessment of climate change impact on thermal stratification of dam reservoirs | |
| Reed et al. | Bridging river basin scales and processes to assess human‐climate impacts and the terrestrial hydrologic system | |
| Huang et al. | Estimating river flow effects on water ages by hydrodynamic modeling in Little Manatee River estuary, Florida, USA | |
| CN113343601A (zh) | 一种复杂水系湖泊水位和污染物迁移的动态模拟方法 | |
| CN116738885B (zh) | 一种城市河流水温预测方法及系统 | |
| Chen | A laterally averaged two-dimensional trajectory model for estimating transport time scales in the Alafia River estuary, Florida | |
| Heidarzadeh et al. | Reservoir water-quality simulation using simplified mathematical models (case study: Seymareh Reservoir) | |
| Kopasakis et al. | Simulation of the long term fate of water and pollutants, transported from the Dardanelles plume into the North Aegean Sea | |
| Nourmohammadi Dehbalaei et al. | Assessment of Ilam reservoir eutrophication response in controlling water inflow | |
| Shen et al. | Distribution and interaction characteristics of water quality at the stratified confluence reservoirs | |
| Pan et al. | Application of improved multi-coupling model based on LH-OAT method in water environment simulation | |
| El-Naggar et al. | AQUASEA hydrodynamic and transport model: Salinity and dissolved oxygen simulation in El-Burullus Lake (Nile Delta, Egypt) considering different boundary conditions | |
| Nielsen | Algal succession and nutrient dynamics in elephant butte reservoir | |
| Kuchinski et al. | Modeling the Trophic State of Subtropical Reservoir in Southern Brazil |
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 |