CN117592397B - 基于复杂管网的高精度水质预测方法 - Google Patents
基于复杂管网的高精度水质预测方法 Download PDFInfo
- Publication number
- CN117592397B CN117592397B CN202311673788.8A CN202311673788A CN117592397B CN 117592397 B CN117592397 B CN 117592397B CN 202311673788 A CN202311673788 A CN 202311673788A CN 117592397 B CN117592397 B CN 117592397B
- Authority
- CN
- China
- Prior art keywords
- model
- pyswmm
- diffusion
- pipe network
- water quality
- 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 51
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000009792 diffusion process Methods 0.000 claims abstract description 74
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 51
- 231100000719 pollutant Toxicity 0.000 claims abstract description 51
- 238000005842 biochemical reaction Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 26
- 239000000356 contaminant Substances 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 claims abstract description 15
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013079 data visualisation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003851 biochemical process Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Data Mining & Analysis (AREA)
- Fluid Mechanics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的基于复杂管网的高精度水质预测方法,包括:收集研究区域的水文资料以及污染物资料;基于相关资料,使用SWMM模型搭建研究区域数学模型,同时利用污染物对流扩散的计算方式并结合WASP模型(污染物生化反应模型);将PySWMM模型、对流扩散计算模块以及WASP模型耦合为PySWMM‑WQ模型。本发明将PySWMM模型、对流扩散计算模块以及WASP模型耦合为PySWMM‑WQ模型,可用于模拟计算复杂管网中的水质变化过程,为复杂管网中污染物传播过程研究提供了一种新的研究方法。
Description
技术领域
本发明涉及管网的水质预测技术,尤其是基于复杂管网的高精度水质预测方法。
背景技术
随着我国工业水平不断发展以及人民环保意识的不断提高,水质问题逐渐引起人们的重视。为了更好的研究水环境综合治理问题,针对性的提出水质改善措施,研究人员迫切需要一种可靠的数学模型。目前,同时具有水质模拟分析功能和水动力计算功能的模型有Storm Water Management Model(SWMM)模型等。SWMM模型为开源软件,易于对其进行二次开发,而且目前SWMM模型已经被研究人员使用多种编程语言所编写,包括但不限于Python、R、MATLAB以及Visual Basic。其中用Python语言编写的PySWMM第三方库(以下简称PySWMM模型)比较具有代表性。但是SWMM模型无法模拟管道中污染物的对流扩散和生化过程,导致其在管道水质模拟方面存在一定的局限性。
发明内容
本发明通过在PySWMM模型的基础上添加污染物对流扩散模型与生化反应模型(WASP模型)的方式构建新的水质模型PySWMM-WQ,使其能够更加准确的进行管道水质模拟计算等工作。
发明目的:本发明的一个目的是提供一种基于复杂管网的高精度水质预测方法。
本发明的另一个目的是提供一个基于复杂管网的高精度水质预测模型,即PySWMM-WQ模型。
技术方案:本发明的基于复杂管网的高精度水质预测方法,包括以下步骤:
收集研究区域的水文资料以及污染物资料;
使用SWMM模型搭建研究区域数学模型,并将模型保存为*.inp文件,*.inp文件为文本文件,其中包含了管道长度、位置、糙率、进流量、出口水位以及降雨等边界条件;
基于污染物对流扩散过程和WASP模型(污染物生化反应模型),先计算管道中污染物质的对流扩散过程,再用WASP模型用于计算不同污染物质之间的生化反应过程;
将PySWMM模型、对流扩散修正处理以及WASP模型耦合为PySWMM-WQ模型,其计算基本方式为:①使用PySWMM模型读取*.inp文件并计算生成*.out文件,*.out文件中包含了管道的所有水动力条件,如流速、流量、体积等,②使用PySWMM模型读取PySWMM模型的计算结果(即,*.out文件),并将该结果输出为*.dat文件(文件包括水深、流量、体积等参数),③建立污染物对流扩散计算模块和WASP模型,并读取PySWMM模型输出的*.dat文件,④对流扩散计算模块计算污染物在管道中的对流扩散过程,⑤WASP模型计算不同污染物之间的生化反应过程并以此修改对流扩散计算模块的计算结果,⑥将污染物对流扩散计算模块和WASP模型的计算结果按照一定格式储存;
进一步的,收集的水文资料以及污染物资料包括:管道流量、井底高程、管道糙率、降雨量、污染物质类型及其本底浓度,入流浓度等。
进一步的,在PySWMM模型中,采用求解圣维南方程组来计算水流流速、流量等参数:
式中:Q为流量,m3/s;H为水深,m;A为过水断面面积,m2;g为重力加速度,9.8m/s2;Sf为摩阻比降;t为时间,s;x为距离,m。
进一步的,在污染物对流扩散计算模块,采用以下来计算污染物质在管道中的对流扩散过程:
式中:A为面积,m2;C为深度平均的溶质浓度,g/L3;t为时间,s;Kxx为二维扩散系数张量的各组分,m2/s;Q为流量,m3/s;x为距离,m;S为源项。
进一步的,在WASP模型中,污染物质质量守恒方程采用以下公式:
式中:C表示水质组分的浓度,mg/L或g/m3;t表示时间步长;Ux,Uy,Uz表示纵向、横向、垂向对流速度,m/d;Ex,Ey,Ez表示纵向、横向、垂向扩散系数,m2/d;SL,表示点源和面源负荷,g/m3·d;SB,表示边界负荷,g/m3·d;SK表示源漏项目(源为正,汇为负),g/m3·d;x为纵向距离,m;y为横向距离,m;z为垂向距离,m。
本发明的基于复杂管网的高精度水质预测模型,即PySWMM-WQ模型,包括:
水动力计算模块,即,使用PySWMM模型读取研究区域的边界文件(*.inp文件),并由其计算得到研究区域内各管道的水动力条件数据,保存于结果文件(*.out文件);
数据传输模块,由于PySWMM模型的输出文件(*.out文件)为二进制文件,不便于数据在不同模型之间的传递,因此我们使用PySWMM模型读取其输出文件,并将其中数据按照一定格式写入*.dat文件(文本文件);
污染物对流扩散模块,可以使用Fortran编程语言编写,用于计算各类污染物质在管道中的对流扩散现象;
生化反应模块,使用Fortran编程语言编写WASP模型(生化反应模型)用于计算各类污染物质在管道中的生化反应过程,并以此修改污染物对流扩散模块的计算结果;
计算结果输出模块,当污染物质在管道中的对流扩散过程及生化反应过程计算结束后,将计算结果按照一定格式保存在*.dat文件中;
数据可视化模块,使用Python语言编写数据可视化模块,读取计算结果,并输出相关图像。
本发明的一种电子设备,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如上述基于复杂管网的高精度水质预测方法的步骤。
本发明的一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如上述基于复杂管网的高精度水质预测方法的步骤。
有益效果:与现有技术相比,本发明的显著技术效果为:本发明以经过多年工程实践检验的PySWMM模型、对流扩散计算修正以及WASP模型为核心,构建PySWMM-WQ模型,为基于复杂管网的高精度水质预测提供了一种新的方法。通过将PySWMM模型、对流扩散计算修正以及WASP模型耦合,弥补了传统SWMM模型无法计算污染物在管道中的对流扩散和生化反应过程的缺陷。
SWMM经过对流扩散修正后,没有考虑化学过程,但是可以充分考虑对流-扩散过程。SWMM+WASP,可以考虑生化反应,但是无法体现高精度的对流-扩散模拟。鉴于上述不足,所以我们采用了SWMM+对流扩散修正+WASP,全面综合考虑对流、扩散和污染物化学反应。
附图说明
图1为本发明的方法流程示意图;
图2为PySWMM-WQ模型可靠性测试管道图;
图3为可靠性测试中传统SWMM模型计算结果;
图4为可靠性测试中PySWMM-WQ模型计算结果;
图5为PySWMM-WQ模型应用于某工程实际的部分计算结果;
具体实施方式
本发明中PySWMM模型为使用Python语言编写的SWMM模型,其所需的输入文件与输出文件均与SWMM模型保持一致,以下简称PySWMM模型。
下面结合附图和具体实施例对本发明进行详细说明。
本发明的基于复杂管网的高精度水质预测方法,包括:收集研究区域的水文资料以及污染物资料;基于相关资料,使用SWMM模型搭建研究区域数学模型,并将模型保存为*.inp文件(其中保存有管线拓扑关系、管道糙率、降雨量以及管径等参数);使用Fortran语言编写污染物对流扩散修正计算模块和WASP模型(污染物生化反应模型);将PySWMM模型、污染物对流扩散修正计算模块以及WASP模型耦合为PySWMM-WQ模型。
SWMM模型需要管网的空间分布信息、管网的相关尺寸等信息,该信息为独立文件输入。污染物对流扩散修正计算模块是基于SWMM模拟的管网水流动力结果,进行溶质的对流-扩散计算,在计算过程中进一步调用WASP模型,进行水质因子的反应过程模拟。在污染物对流扩散修正计算模块中,需要用到SWMM模型计算而来的流速、流量等数据,此外还可调整扩散系数以满足工程实际需要,其最终的计算结果包含管网中各类污染物质在时间和空间上的分布情况,以*.dat的文本文件形式保存。
同时,SWMM模块负责水文动力过程的模拟,输出流量、水位等数据,对流扩散计算模块接受该文件,进行溶质对流扩散的模拟,输出结果为溶质浓度分布,将结果输出给WASP模块,WASP结合该数据,再进行化学反应过程的模拟。两个模型的计算结果,无需再返回给SWMM模块。
本发明以经过多年工程实践检验的PySWMM模型、污染物对流扩散修正计算模块以及WASP模型为核心,构建PySWMM-WQ模型,为基于复杂管网的高精度水质预测提供了一种新的方法。通过将PySWMM模型、污染物对流扩散修正以及WASP模型耦合,弥补了传统SWMM模型无法计算污染物在管道中的对流扩散和生化反应过程的缺陷。如图1所示,具体包括以下步骤:
S1、收集研究区域的水文资料以及污染物资料;
收集的水文资料以及污染物资料包括:管道流量、井底高程、管道糙率、降雨量、污染物质类型及其本底浓度,入流浓度等。
S2、使用SWMM模型搭建研究区域数学模型,并将模型保存为*.inp文件,*.inp文件为文本文件,其中包含了管道长度、位置、糙率、进流量、出口水位以及降雨等边界条件;
使用SWMM模型搭建研究区域的数学模型,将收集到的水文资料详细录入模型,并将模型中的各项参数(如:管道长度、位置、糙率、进流量、出口水位以及降雨等边界条件)保存到*.inp文件。注:*.inp文件为SWMM模型和PySWMM模型指定的输入文件。
S3、使用Fortran语言编写对流扩散计算模块和WASP模型(污染物生化反应模型),其中对流扩散计算模块用于计算管道中污染物质的对流扩散过程,WASP模型用于计算不同污染物质之间的生化反应过程;
使用对流扩散计算模块和WASP模型。对流扩散计算模块是求解水平流和各向异性扩散质量输运问题的高分辨率数学模型,可用于计算污染物质在管道中的对流扩散过程。WASP模型可用于计算管道中不同污染物质之间的生化反应过程;
S4、将PySWMM模型、对流扩散计算模块以及WASP模型耦合为PySWMM-WQ模型;
其计算基本方式为:①使用PySWMM模型读取*.inp文件并计算生成*.out文件,*.out文件中包含了管道的所有水动力条件,如流速、流量、体积等,②使用PySWMM模型读取PySWMM模型的计算结果(即,*.out文件),并将该结果输出为*.dat文件(文件包括水深、流量、体积等参数),③构建出对流扩散计算式和WASP模型,读取PySWMM模型输出的*.dat文件,④将结果进行对流扩散计算,获得某一时刻污染物在管道中的对流扩散结果,并将该结果传递给WASP模型,⑤WASP模型计算不同污染物之间的生化反应过程并以此修改对流扩散计算模块的计算结果,⑥将计算结果按照一定格式储存。
在PySWMM模型中,采用求解圣维南方程组来计算水流流速、流量等参数:
式中:Q为流量,m3/s;H为水深,m;A为过水断面面积,m2;g为重力加速度,9.8m/s2;Sf为摩阻比降;t为时间,s;x为距离,m。
在获得了PySWMM模块获得的结合后,通过对流扩散方式对其中的污染物的对流扩散进行修正,其中采用以下来计算污染物质在管道中的对流扩散过程:
式中:A为面积,m2;C为深度平均的溶质浓度,g/L3;t为时间,s;Kxx为二维扩散系数张量的各组分,m2/s;Q为流量,m3/s;x为距离,m;S为源项。
在WASP模型中,污染物质质量守恒方程采用以下公式:
式中:C表示水质组分的浓度,mg/L或g/m3;t表示时间步长;Ux,Uy,Uz表示纵向、横向、垂向对流速度,m/d;Ex,Ey,Ez表示纵向、横向、垂向扩散系数,m2/d;SL,表示点源和面源负荷,g/m3·d;SB,表示边界负荷,g/m3·d;SK表示源漏项目(源为正,汇为负),g/m3·d;x为纵向距离,m;y为横向距离,m;z为垂向距离,m。
本发明通过将PySWMM模型、对流扩散修正计算以及WASP模型耦合,弥补了传统SWMM模型无法计算污染物在管道中的对流扩散和生化反应过程的缺陷。
在每个时间节点处,先由对流扩散模块计算各类污染物扩散后的空间分布情况,然后由WASP模型计算在该时间步长内各类污染物之间的生化反应过程,并修改对流扩散模块的计算结果。先计算扩散过程,然后计算生化反应过程,并以WASP模型的计算结果修改对流扩散模块的计算结果。
此外,本发明通过一组测试开展了方法可靠性与实用性验证。详情如下:
我们以点源瞬时排放的污染物传播过程为例,对PySWM-WQ模型与传统SWMM模型的计算结果进行对比。本次测试使用单一管道(见图2),模拟在恒定流条件且不考虑污染物质之间的生化反应及衰减的情况下(即,关闭WASP模型),从上游点1释放的瞬时点源污染对下游点2和点3产生的影响。
在本次测试中,点2和点3之间的距离为4000m,其间流速为0.67m/s,根据污染物一维瞬时点源排放浓度公式(如下式所示),理论上污染物浓度在点2和点3处出现峰值的时间间隔应为5970s。而传统SWMM模型的计算结果为4740s(如图3),提前于理论值。此外,我们还可以注意到在点2和点3处,几乎同时观测到了污染物,这与实际情况严重不相符。
其中,x为沿着水流方向任一点距排放点距离,m;t为任一时刻距投放时刻的时间间隔,s;ux为水流流速,m/s;C0为排放的污染物浓度,mg/L;Dx为扩散系数;K为衰减系数,本次测试取零。
PySWMM-WQ模型的计算结果为5970s(如图4),与理论值完全相同。这意味着PySWMM-WQ模型可以更好的模拟污染物在管道中的浓度过程。
PySWMM-WQ模型可用于非常复杂的工程情况,可在非恒定流条件下计算多种污染物质的浓度变化过程,图5为PySWMM-WQ模型应用于某工程实际的部分计算结果。
本发明的基于复杂管网的高精度水质预测模型,即PySWMM-WQ模型,包括:
水动力计算模块,即,使用PySWMM模型读取研究区域的边界文件(*.inp文件),并由其计算得到研究区域内各管道的水动力条件数据,保存于结果文件(*.out文件);
数据传输模块,由于PySWMM模型的输出文件(*.out文件)为二进制文件,不便于数据在不同模型之间的传递,因此我们使用PySWMM模型读取其输出文件,并将其中数据按照一定格式写入*.dat文件(文本文件);
污染物对流扩散模块,使用Fortran编程语言编写对流扩散计算模块用于计算各类污染物质在管道中的对流扩散现象;
生化反应模块,使用Fortran编程语言编写WASP模型(生化反应模型)用于计算各类污染物质在管道中的生化反应过程,并以此修改对流扩散计算模块的计算结果;
计算结果输出模块,当污染物质在管道中的对流扩散过程及生化反应过程计算结束后,将计算结果按照一定格式保存在*.dat文件中;
数据可视化模块,使用Python语言编写数据可视化模块,读取计算结果,并输出相关图像。
本发明的一种电子设备,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如上述基于复杂管网的高精度水质预测方法的步骤。
本发明的一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如上述基于复杂管网的高精度水质预测方法的步骤,并能达到上述方法一致的技术效果。
Claims (3)
1.基于复杂管网的高精度水质预测方法,其特征在于,包括以下步骤:
S1:收集研究区域的水文资料以及污染物资料,使用SWMM模型搭建研究区域数学模型;
S2:在每个时间节点处,根据对流扩散的计算方法,将研究区域中的污染物进行空间分布的计算;
S3:再在时间步长范围内,通过WASP模型计算在该时间步长内各类污染物之间的生化反应过程,并修改步骤S2中空间分布的计算结果;
所述SWMM模型采用PySWMM程序构建;
研究区域数学模型中包含了管道长度、位置、糙率、进流量、出口水位、污染物质类型及其本底浓度以及降雨信息,作为边界条件;
在PySWMM程序中,采用求解圣维南方程组来计算参数,具体的计算式如下:
式中:Q为流量,m3/s;H为水深,m;A为过水断面面积,m2;g为重力加速度,9.8m/s2;S f 为摩阻比降;t为时间,s;x为距离,m;
对流扩散的计算方法中,采用下式来计算污染物质在管道中的对流扩散过程:
式中:A为面积,m2;C为深度平均的溶质浓度,g/L3;t为时间,s;K xx 为二维扩散系数张量的各组分,m2/s;Q为流量,m3/s;x为距离,m;S为源项;
在WASP模型中,污染物质质量守恒方程采用下式:
式中:C表示水质组分的浓度,mg/L或g/m3;t表示时间步长;U x ,U y ,U z 表示纵向、横向、垂向对流速度,m/d;E x ,E y ,E z 表示纵向、横向、垂向扩散系数,m2/d;S L ,表示点源和面源负荷,g/m3·d;S B ,表示边界负荷,g/m3·d;S K, 表示源漏项目,g/m3·d;x为纵向距离,m;y为横向距离,m;z为垂向距离,m。
2.一种电子设备,其特征在于,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如权利要求1所述基于复杂管网的高精度水质预测方法的步骤。
3.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如权利要求1所述基于复杂管网的高精度水质预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311673788.8A CN117592397B (zh) | 2023-12-06 | 2023-12-06 | 基于复杂管网的高精度水质预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311673788.8A CN117592397B (zh) | 2023-12-06 | 2023-12-06 | 基于复杂管网的高精度水质预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117592397A CN117592397A (zh) | 2024-02-23 |
CN117592397B true CN117592397B (zh) | 2024-04-30 |
Family
ID=89915083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311673788.8A Active CN117592397B (zh) | 2023-12-06 | 2023-12-06 | 基于复杂管网的高精度水质预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117592397B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893763A (zh) * | 2016-04-01 | 2016-08-24 | 中山大学 | 南方感潮河网区水流水质耦合模拟系统 |
CN110705171A (zh) * | 2019-10-17 | 2020-01-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于mike模型的感潮河网水环境治理方法 |
CN114117848A (zh) * | 2021-11-10 | 2022-03-01 | 北京师范大学 | 一种基于多模型耦合的流域水环境模拟预测的方法及装置 |
CN114997591A (zh) * | 2022-05-07 | 2022-09-02 | 河海大学 | 一种基于水环境数学模型的入河污染物削减及河道断面水质预测方法及装置 |
-
2023
- 2023-12-06 CN CN202311673788.8A patent/CN117592397B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893763A (zh) * | 2016-04-01 | 2016-08-24 | 中山大学 | 南方感潮河网区水流水质耦合模拟系统 |
CN110705171A (zh) * | 2019-10-17 | 2020-01-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于mike模型的感潮河网水环境治理方法 |
CN114117848A (zh) * | 2021-11-10 | 2022-03-01 | 北京师范大学 | 一种基于多模型耦合的流域水环境模拟预测的方法及装置 |
CN114997591A (zh) * | 2022-05-07 | 2022-09-02 | 河海大学 | 一种基于水环境数学模型的入河污染物削减及河道断面水质预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117592397A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deleersnijder et al. | The concept of age in marine modelling: I. Theory and preliminary model results | |
Aizinger et al. | A discontinuous Galerkin method for two-dimensional flow and transport in shallow water | |
León et al. | A robust two-equation model for transient-mixed flows | |
Cheng et al. | Numerical simulation of ground‐water interaction with lakes allowing for fluctuating lake levels | |
Kong et al. | A new model for coupling surface and subsurface water flows: With an application to a lagoon | |
Bodin et al. | Simulation of solute transport in discrete fracture networks using the time domain random walk method | |
Liu et al. | Partially implicit finite difference scheme for calculating dynamic pressure in a terrain-following coordinate non-hydrostatic ocean model | |
Yang et al. | Optimal control of salinity boundary condition in a tidal model using a variational inverse method | |
Wu et al. | Numerical investigation of dissolved oxygen transportation through a coupled SWE and Streeter–Phelps model | |
Ali et al. | Mean wind flow reconstruction of a high-rise building based on variational data assimilation using sparse pressure measurements | |
CN117592397B (zh) | 基于复杂管网的高精度水质预测方法 | |
Kim et al. | Developing industry guidelines for the CFD-based evaluation of wind load on offshore floating facilities | |
Panday | Block-Centered Transport (BCT) Process for MODFLOW-USG | |
CN113378492A (zh) | 一种基于电磁修正的低磁雷诺数磁流体湍流数值计算方法 | |
Lao et al. | A pore network model for the calculation of non-Darcy flow coefficients in fluid flow through porous media | |
Shallouf et al. | Engineered-airlift pumps for aquaculture applications using multiphase flow analysis | |
Li et al. | Prototyping a numerical model coupled with remote sensing for tracking harmful algal blooms in shallow lakes | |
Teneler | Wind flow analysis on a complex terrain: a reliability study of a CFD tool on forested area including effects of forest module | |
Petti et al. | Accurate shock-capturing finite volume method for advection-dominated flow and pollution transport | |
Woldegiorgis et al. | A new unconditionally stable and consistent quasi‐analytical in‐stream water quality solution scheme for C STR‐based water quality simulators | |
Li et al. | Study on application of random walk method to calculate water exchange in large-scale bay | |
Corli et al. | A multiscale approach to liquid flows in pipes I: The single pipe | |
CN117236062A (zh) | 基于城市区域水文水利过程的水环境容量预测方法 | |
Brandsma | Automatic validation of the offshore operators committee discharge model and application to predicting drilling solids accumulation on the sea floor | |
Üneş et al. | 3-D numerical simulation of a real dam reservoir: Thermal stratified flow |
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 |