南水北调中线工程河南水源区生态补偿标准研究

建立健全生态补偿机制是协调流域生态保护与经济社会协同发展的有效途径,补偿标准是生态补偿机制建立的核心要素。从水质水量双视角出发构建水源区生态补偿标准测算模型,以南水北调中线工程河南水源区为例进行生态补偿量测算,并对受水区各省市生态补偿量进行了分摊测算。结果表明:河南水源区对受水区水质产生正外部性影响,从水质角度受水区应向河南水源区补偿2 667.89万元;河南水源区为受水区的经济社会发展提供水资源支撑,从水量角度受水区应向河南水源区补偿21 719.55万元;以受水区用水比例和经济发展水平为权重对总补偿额24 387.43万元进行生态补偿量分摊测算,北京、天津、河北和河南分别应承担补偿量为4 755.55万、2 560.68万、7 682.04万、9 389.16万元。

基于CNN-GRU-ATT的城市暴雨积水预测研究

多发频发的极端暴雨事件导致很多城市普遍面临严重内涝问题。能否准确高效地预测城市积水点的水位变化,是城市内涝防治的重要组成部分。为有效提升城市暴雨积水预测的精度和效率,建立了一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制(ATT)的城市暴雨积水预测模型。首先利用CNN与GRU提取水位数据的局部空间特征和深层时间特征,然后引入ATT加强对降雨序列中关键信息的记忆,从而完成城市积水点的水位预测。利用开封市某积水点的实测水位对模型进行了验证,并与以往的CNN-GRU、ATT-CNN-LSTM以及CNN-LSTM模型进行了对比分析。结果表明,CNN-GRU-ATT模型的损失函数在epoch=20处即达到收敛,损失函数值最终稳定在0.0002左右,收敛效果较好。此外,与其他3种模型相比,CNN-GRU-ATT模型的预测精度评价指标表现均为最优,且模型仍能保持较高的运算效率。其中均方根误差为1.39%,平均绝对百分比误差为4.32%,决定系数为0.9954。这表明CNN-GRU-ATT模型能够准确、高效地预测出积水点的水位变化情况,可为暴雨内涝预警和制定防汛排涝方案提供有效的科学依据。

基于图注意力网络的城市内涝积水预测与研究

极端暴雨天气多发频发造成的城市内涝,严重威胁居民的人身财产安全,准确高效的内涝点积水面积预测在提高城市灾害应急处置能力中发挥着至关重要的作用。为了提高城市内涝点积水预测的准确性和直观性,提出一种基于GAT和LSTM网络的GATLSTM组合预测模型,通过GAT提取积水信息局部空间特征,并通过节点分配权重的方式加强对关键信息序列的记忆,随后采用LSTM提取积水面积序列的时间特征,对内涝点积水面积进行预测。以开封市区某内涝点的积水数据建立模型并评估验证,将GATLSTM模型和LSTM、GAT以及GCNLSTM模型进行对比,结果表明:GATLSTM模型的预测精度优于另外3种模型,能够准确地对内涝点积水面积进行预测,可以为防汛工作和应急响应措施的制定提供科学依据。

基于影像的道路积水监测研究

快速城市化进程与频发的极端降雨事件相叠加,导致城市内涝加剧,积水灾害频发。快速准确地获得道路积水特征数据是解决城市雨洪灾害问题的迫切需求。在已有基于图像识别进行道路积水监测的研究基础上,提出了一种基于视频影像的道路积水实时监测模型,利用YOLOv5s深度学习算法对道路积水图像进行积水区域的识别,利用测量公式获得识别区域的积水面积,并且采用该模型对某大学校园内一次雨后积水进行应用研究,并与SSD和Faster R-CNN算法相对比。结果表明,该模型能满足道路积水的实时监测任务要求,道路积水识别精度均值mAP为96.06%,积水面积提取平均准确率为93.6%,模型的整体性能优于SSD和Faster R-CNN算法。

基于混合TPA的水电机组厂房振动传导研究

机组的稳定运行对水电站厂房上下游的经济和社会发展具有重要支撑作用,新时期对水电机组厂房的稳定性要求愈发增高,但以原型观测为基础的振动理论分析与工程实践仍然滞后。为解决水电厂房测点数量不足的问题,该研究以原型观测为基础,考虑大体系非线性结构的耦合振源传播与放大机理,以实测与仿真计算频响函数(frequency response function, FRF)为核心,搭建混合振动传递路径分析(transfer path analysis, TPA)模型,开展原型-仿真联立分析的水电机组振动传递研究,识别水电机组未测振源、确定振动成分的贡献量等,明确影响响应目标点振动水平的根本原因,并提出局部结构减振措施,形成一套基于传递路径分析方法的水电站厂房振动分析与控制,为我国水电机组的安全稳定运行、结构设计和优化奠定理论基础。

裂隙水作用下岩质边坡平面滑动力学模型

在降雨等水力条件作用下沿岩层层面的平面滑动是顺层岩质边坡最常见的一种破坏模式,而目前关于该类边坡的稳定性计算方法几乎很少考虑裂隙面粗糙度对地下水渗流力及滑面抗剪强度的影响,进而导致其稳定性计算结果误差较大。为此,首先对地下水作用下的顺层岩质边坡受力特征进行分析,认为地下水将对滑动岩体产生3个方面的力学作用:张裂隙中的静水压力、滑面上的扬压力和渗流力,由此建立了相应的边坡稳定性计算模型。其次,通过引入裂隙面粗糙度对裂隙抗剪强度及地下水渗流力的影响,提出了考虑裂隙粗糙及地下水渗流力的顺层岩质边坡稳定性计算模型。而后,通过对含一条贯通粗糙裂隙的岩质边坡稳定性为例,验证了该模型计算结果的合理性,同时计算结果表明裂隙面粗糙度系数JRC对边坡稳定性有重要影响,必须予以考虑。最后,基于参数敏感性分析研究了主要参数如裂隙面粗糙度系数、裂隙基本摩擦角、裂隙宽度、裂隙壁面岩石抗压强度及地下水位高度等对边坡稳定性的影响,结果表明:仅裂隙宽度对边坡稳定性影响很小,而其他参数对边坡稳定性影响则相对较大,不容忽视。且裂隙面粗糙度对边坡稳定性的影响与裂隙壁面岩石抗压强度密切相关,随着其增加,裂隙面粗糙度对边坡稳定性的影响程度逐渐变大。

微塑料对生物除磷工艺的影响及微生物学机制探究

微塑料(MPs)是生活废水内常被检出的新污染物,然而关于MPs如何影响强化生物除磷工艺及相关机制的研究较少。因此,本工作构建了序批式EBPR工艺,通过控制进水聚苯乙烯微塑料浓度,考察了MPs对EBPR的影响并揭示相关机制。结果表明,MPs对EBPR具有剂量效应,低于0.3 mg/LMPs对EBPR性能及污泥特征影响不明显,而超过3.0 mg/LMPs降低了EBPR对污染物和营养盐的去除,并降低污泥浓度,提高胞外聚合物含量。在10.0 mg/L MPs组别内,COD、NH_(4)^(+)-N和总磷(TP)去除率分别下降至84.6%~89.5%、84.9%~89.6%和74.6%~77.8%,污泥浓度下降至4.08~4.16 g/L,但EPS含量增加至123.6~126.5 mg/g。机制分析表明MPs抑制了厌氧阶段TP的释放及好氧阶段TP的吸收。高浓度MPs降低了与污染物和营养盐去除相关关键酶的活性。MPs降低了微生物Proteobacteria和Chloroflexi门级别的相对丰度。研究结果为EBPR工艺处理含MPs废水提供一定的数据支撑。

邻苯二甲酸二乙酯对厌氧/好氧/缺氧工艺脱氮除磷的影响

邻苯二甲酸二乙酯(DEP)是水生态系统内高频检出污染物,然而DEP对新工艺厌氧-好氧-缺氧运行效能的影响至今尚不清楚。为了填补空白,本工作考察了DEP对新工艺处理低C/N废水的影响并分析了相关作用机制。结果表明,DEP显著抑制了新工艺内COD及脱氮除磷效率,且DEP浓度越高,COD去除抑制越显著。典型周期发现DEP能抑制厌氧阶段和缺氧阶段COD的消耗而对好氧阶段COD去除影响不显著。DEP降低了厌氧释磷和好氧吸磷过程导致生物除磷效率下降。DEP提高AOA工艺内胞外聚合物(EPS)含量,并促进了主要组分蛋白质和多糖的分泌。微生物学揭示高浓度DEP降低了Patescibacteria、Bacteroidetes和Nitrospirae门水平上关键微生物的相对丰度。研究结果对AOA高效去除新污染物DEP提供了数据支持。

基于混合TPA的水电站厂房振动传递变异性研究

为解决水电厂房原型测点数量不足和结构参数不确定性问题,在建立水电站厂房有限元模型的基础上,以实测与仿真计算频率响应函数(FRF)为核心,搭建混合振动传递分析(TPA)模型,推导水电站厂房水力、机械振动荷载识别、路径贡献率表达式,引入质量、刚度的变异性,建立考虑参数变异性的水电站厂房耦合系统振动传递特性分析方法。在验证方法有效性的基础上以实际电站为例,分析参数不确定性影响,为全面分析水电站厂房振动传递参数变异性提供理论基础。

基于EEMD-SOBI的水电机组多源信息分离处理

水电机组振动观测信号包括相互耦合的水-机-电振源及各类噪声成分,本文提出采用集合经验模态分解-二阶盲辨识(ensemble empirical mode decomposition-second order blind source separation, EEMD-SOBI)的方法对多源观测信号进行识别。对观测信号进行解相关等初步处理后,白化计算各信号二阶统计量,计算观测信号协方差对角矩阵,最终计算振源的最优估计,对振源成分进行识别。仿真计算和模拟计算的结果均表明,仅利用观测信号均可分离出源信息且对噪声不敏感,基本能够识别出源信息,针对某电站实测单信号和多信号分析时,可有效识别出信号源成分,为水电机组的振源识别提供支撑。

基于权重修正和DRSN-LSTM模型的向家坝下游水位多时间尺度预测

为从大量水位影响因子中提取重要特征实现水位的高效、精准预测,提出改进的深度残差收缩网络与长短时记忆网络的混合模型用于多时间尺度水位预测。选取水位、流量、电站出力等数据拟合为高维特征输入的形式便于网络提取水位变化的动态特征。利用新的半软阈值函数消除深度残差收缩网络的恒定偏差并降低水文数据中的噪声干扰。根据预测误差,采用新构建的误差权重修正函数配合交叉熵函数对水位影响因子进行权重修正。阿基米德优化算法被用于调整长短时记忆网络的参数。将新模型应用于向家坝水电站下游水位的多时间尺度预测,结果表明,该方法的预测精度比现有CNN-LSTM、SVR等模型分别提高47%、61%,预测效率分别提高57%、20%,其短期、中期和长期的最大预测误差为0.09 m、0.14 m、0.31 m,证明模型在多时间尺度的水位预测中取得良好的精度和效率。此外,考虑支流流量后的预测误差最高可降低0.03m,证明模型对回水顶托等复杂水文的适应性,研究成果为洪水预测和城市雨洪预警提供新思路。

去学水电站厂房振动响应混沌特性分析

为研究去学水电站厂房振动系统的混沌特性,明晰振动系统产生混沌现象的原因,采用饱和关联维数和最大Lyapunov指数两种方法,定量分析水电站厂房振动响应的混沌特性。利用完备总体经验与奇异值联合模态分解(简称CEEMDAN-SVD)提取代表不同成分的分量信号,计算不同分量的混沌特性指标,分析水电站厂房产生混沌现象的原因。结果表明,水电站厂房振动系统具有混沌特性,且尾水脉动是水电站厂房振动系统产生混沌特性的主要原因,而机组运行的振动激励掩盖了部分尾水脉动的混沌特征。研究结果为优化水电站厂房机组的开度与开启方式提供了理论基础,为监测及预警水电站厂房的运行状态提供了新思路。