水库水动力模型糙率率定方法、装置、计算机设备及介质

    公开(公告)号:CN117236216B

    公开(公告)日:2024-10-01

    申请号:CN202311198408.X

    申请日:2023-09-15

    摘要: 本发明涉及模型参数率定技术领域,公开了水库水动力模型糙率率定方法、装置、计算机设备及介质,方法基于各断面分区的初始糙率值以及预设糙率率定步长确定各断面分区分别对应的第一糙率值序列,基于水位计算边界信息以及各断面分区分别对应的第一糙率值序列,分别计算第一糙率值序列中各糙率值对应的第二水位信息;根据各糙率值对应的第二水位信息与第一水位信息的误差,确定对应断面分区的糙率率定值。通过各断面分区的第一糙率值序列计算各糙率值对应的第二水位信息,基于各糙率值对应的第二水位信息以及第一水位信息确定各断面分区的糙率率定值,糙率率定结果更合理。

    一种水库特征流量抵达坝前历时的计算方法及装置

    公开(公告)号:CN116933683A

    公开(公告)日:2023-10-24

    申请号:CN202310885957.8

    申请日:2023-07-18

    摘要: 本发明公开了一种水库特征流量抵达坝前历时的计算方法及装置,在实测来流流量变化信息中的特征流量变化信息上叠加预设标记流量变化信息,得到特征来流流量变化信息,基于实测来流流量变化信息得到对应的第一出流流量变化信息,基于特征来流流量变化信息得到对应的第二出流流量变化信息,基于第一出流流量变化和第二出流流量变化信息的差,确定坝前差额流量变化信息,基于坝前差额流量变化信息和标记流量变化信息确定特征流量抵达坝前历时。本发明的方法可在坝前水位、流量任意变化的情况下,计算特征流量抵达坝前历时,有效提高了特征流量抵达坝前历时计算结果的准确性,对制定大型水库运行方案、水库的平稳调度和安全运行具有重要价值。

    一种泥沙颗粒絮凝沉降的观测设备及观测方法

    公开(公告)号:CN116840112A

    公开(公告)日:2023-10-03

    申请号:CN202310813763.7

    申请日:2023-07-05

    摘要: 本发明提供了一种泥沙颗粒絮凝沉降的观测设备及观测方法,所述设备由絮凝生成器和观测仓主体组成,观测仓主体为多腔式长方体,通过纵向隔板将观测仓主体分隔为腔体A、腔体B和腔体C;腔体A为絮凝观测室、顶部开设分离口,絮凝生成器下端开口与分离口相连通,在腔体A分离口之下设有泥沙絮凝体过渡区,泥沙絮凝体过渡区是由若干弯折段连通形成的窄通道,腔体A与照相机相对一侧的内壁上设有黑色背景幕布;在腔体B的侧壁外设有不透光板,不透光板中部开设透光缝,不透光板的上端面低于泥沙絮凝体过渡区底部出口。利用本发明所述设备可实现非接触式泥沙絮凝体的采集,原位观测获得泥沙颗粒絮凝体形态/粒径大小、絮凝体静水沉降速度。

    河道流量计算模型构建方法、河道流量计算方法及装置

    公开(公告)号:CN116822228A

    公开(公告)日:2023-09-29

    申请号:CN202310810963.7

    申请日:2023-07-03

    IPC分类号: G06F30/20

    摘要: 本发明涉及水文计算技术领域,公开了河道流量计算模型构建方法、河道流量计算方法及装置,河道流量计算模型构建方法包括:获取相同时间序列内的下游河道断面处的第一水位时间序列数据集,当前河道断面处的第二水位时间序列数据集以及与第二水位时间序列数据集对应的水流流量时间序列数据集;基于第一水位时间序列数据集,第二水位时间序列数据集以及水流流量时间序列数据集,对待训练河道流量计算模型进行训练,直到满足预设条件,生成河道流量计算模型;其中,河道流量计算模型包括第一深度学习模型和第二深度学习模型。本发明技术方案可实现快速、准确的自动化河道流量计算,为水资源管理、防洪减灾等提供技术支撑。

    基于改进神经网络模型的三峡水库坝前来漂量预测方法

    公开(公告)号:CN116402209A

    公开(公告)日:2023-07-07

    申请号:CN202310316593.1

    申请日:2023-03-28

    摘要: 本发明涉及基于改进神经网络模型的三峡水库坝前来漂量预测方法,包括:采集三峡水库入库流量、出库流量以及坝前来漂量数据并划分训练、测试集;设定粒子群算法以及改进的神经网络结构和参数;利用训练集对改进的神经网络进行训练,训练中利用改进的粒子群算法对改进的神经网络的权值和阈值进行优化求解;计算预测误差并判断是否合格;将训练好的改进的神经网络用于三峡水库坝前来漂量的实时预测。本发明利用粒子群算法对误差逆传播神经网络的训练过程进行优化改进后,将改进的误差逆传播神经网络作为三峡水库坝前来漂量预测模型,使预测模型的连接权重更加逼近最优的理想值,提高了来漂量预测精度以及针对库坝数据信息不确定性的适应能力。