苏州城区河道水质提升工作的实践与思考

对苏州城区水环境的治理工作进行了探讨,并总结了近年城区河道水质提升工作的成效,最后提出了对城区河道水质进一步提升的设想和建议,以达到显著的效果。

平面“S”形卧式轴伸泵在特低扬程条件下的应用

通过对苏州城市防洪工程中东风新、大龙港等平面"S"形卧式轴伸泵的运行工况分析,并与青龙桥潜水贯流泵等其它泵型的比较研究,肯定了平面"S"形卧式轴伸泵应用在特低扬程地区的显著优势,就相关问题提出了几点启示。

苏州城市排水防涝对策探讨

城市排水防涝系统是城市基础设施的重要组成部分．及时有效收集、输送和排放降雨，是城市正常生产和生活的安全保障。随着城市化水平的不断提高．城市排水防涝规划建设赶不上城市的扩张速度．导致城市内涝频发．逢大雨必涝．成为很多大城市的通病。

南通城区文峰水系水环境治理工程的策略与创新

以南通城区文峰水系水环境治理工程为案例,介绍了从整体水系考虑的水体流动性提升策略,并创新采用了拓扑导流墙技术实现水系内部断头河的原位连通,最终达到"濠河—文峰水系—八窑河"的有序流动。监测数据表明,自2019年4月工程投入使用以来,河道水质已稳定提升至Ⅲ类水质标准,河道流速从原先的滞留状态达到现在的6 cm/s以上,市民与河道的互动从零恢复到了正常水平。

基于数据增强和机器学习算法的盾构隧道引发地面沉降预测及应用

为解决地铁盾构隧道施工引起的地表沉降预测过程中数据样本不足、对数据预处理较为粗糙的问题,选取北京地区32个地铁盾构隧道施工引起的地面沉降数据作为数据库,采用合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)算法对数据库进行扩增,并在此基础上选取BP神经网络(back propagation,BP)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和K近邻(K-nearest neighbor,KNN)4种机器学习模型对沉降进行预测分析。分析结果表明:1)经过预处理后的数据集预测能力显著增强,其中,KNN模型表现最佳,测试集平均绝对误差仅为1.60 mm;2)采用KNN模型对北京轨道交通12号线西坝河—三元桥区间地层沉降进行预测,基于该模型预测值的Peck公式与实测值拟合度较高;3)基于数据增强下的KNN模型对于盾构施工引起的地面沉降变形有良好的预测效果。

苏州市城区水环境治理实践及思考

受近代工业化、城市化发展的影响,自20世纪70年代后期起苏州城区河道常年黑臭,影响城市形象。历届政府均高度重视城区水环境治理,但成效不明显。2012年,苏州启动城区新一轮水环境治理,围绕"截污、清淤、活水、保洁"四个环节,实施了双增一降、干河清淤、自流活水、科技保洁等全新的的整治措施,城区河道彻底摆脱黑臭现象。2014年、2015年河道水质年均值均优于Ⅳ类水标准,城区河道有序流动,水生态也逐渐恢复。苏州城区河道治理已基本完成从初级"污染控制"到中级"生态恢复"的转变,下阶段城区河道治理可逐渐进入"人水和谐发展"的高级阶段,从服务民生、服务生态、服务发展的角度,思考谋划下阶段的目标及措施。