Displaying Water Table Levels, Flow Direction for Predicting Construction Techniques Using Geographic Information: Case Study of Kumba (South West, Cameroon)

The rapid economic growth of the town present the matter of water issue as a problem to human life human life, construction life, agriculture, etc. This study is to predict techniques of foundation construction through the displaying of the water table at the flow direction in the town of Kumba and GIS. It is characterized by a significant research question which is the level of fall and rise in groundwater levels within the town of Kumba and this influence on choice of types of foundation in construction. This study is directed to decision makers, and technicians of the construction field to develop policies facilitating the supervision when building construction foundation by informing about water level depth and its flow direction in the town. To achieve this, depths of static water levels were measured in over 200 randomly selected hand-dug wells in Kumba, after their geolocation and data were collected during the dry season (November and March 2017) and during the rainy season (between April and October 2017). Data were analyzed and treated using Microsoft Excel and GIS software us as Golden Surfer, Global Mapper, and ArcGIS. The results show variations of water level and those areas that may threaten foundation construction. Quarter as Kumba Station, Mile 1, Bulletin Street (Fongong Quarter), and parts of Fiango show that water table is to deep water and proper for the shallow foundation but very hard for water supply through borehole. Groundwater flow direction was revealed to be towards the south and southeastern parts of Kumba. The significant of the study is to propose to the technician the direct application on the field of chosen types of foundations according to the quarter and proposed groundwater supply possibilities.

A Water Level Forecast of Pattani River in the Southern of Thailand by Deep Learning

Nowadays, the deep learning methods are widely applied to analyze and predict the trend of various disaster events and offer the alternatives to make the appropriate decisions. These support the water resource management and the short-term planning. In this paper, the water levels of the Pattani River in the Southern of Thailand have been predicted every hour of 7 days forecast. Time Series Transformer and Linear Regression were applied in this work. The results of both were the water levels forecast that had the high accuracy. Moreover, the water levels forecasting dashboard was developed for using to monitor the water levels at the Pattani River as well.

On the Variability of Charleston South Carolina Winds, Atmospheric Temperatures, Water Levels, Waves and Precipitation

Atmospheric winds, air temperatures, water levels, precipitation and oceanic waves in the Charleston South Carolina (SC) coastal zone are evaluated for their intrinsic, internal variability over temporal scales ranging from hours to multi-decades. The purpose of this study was to bring together a plethora of atmospheric and coastal ocean state variable data in a specific locale, to assess temporal variabilities and possible relationships between variables. The questions addressed relate to the concepts of weather and climate. Data comprise the basis of this study. The overall distributions of atmospheric and coastal oceanic state variable variability, including wind speed, direction and kinematic distributions and state variable amplitudes over a variety of time scales are assessed. Annual variability is shown to be highly variable from year to year, making arithmetic means mathematically tractable but physically meaningless. Employing empirical and statistical methodologies, data analyses indicate the same number of intrinsic, internal modes of temporal variability in atmospheric temperatures, coastal wind and coastal water level time series, ranging from hours to days to weeks to seasons, sub-seasons, annual, multi-year, decades, and centennial time scales. This finding demonstrates that the atmosphere and coastal ocean in a southeastern U.S. coastal city are characterized by a set of similar frequency and amplitude modulated phenomena. Kinematic hodograph descriptors of atmospheric winds reveal coherent rotating and rectilinear particle motions. A mathematical statistics-based wind to wave-to-wave algorithm is developed and applied to offshore marine buoy data to create an hour-by-hour forecast capability from 1 to 24 hours;with confidence levels put forward. This affects a different approach to the conventional deterministic model forecasting of waves.

Prediction of Impending Drought Scenarios Based on Surface and Subsurface Parameters in a Selected Region of Tropical Queensland, Australia

Droughts occur in all climatic regions around the world costing a large expense to global economies. Reasonably accurate prediction of drought events helps water managers proper planning for utilization of limited water resources and distribution of available waters to different sectors and avoid catastrophic consequences. Therefore, a means to create a simplistic approach for forecasting drought conditions with easily accessible parameters is highly desirable. This study proposes and evaluates newly developed accurate prediction models utilizing various hydrologic, meteorological, and geohydrology parameters along with the use of Artificial Neural Network (ANN) models with various forecast lead times. The present study develops a multitude of forecasting models to predict drought indices such as the Standard Precipitation Index with a lead-time of up to 6 months, and the Soil Moisture Index with a lead-time of 3 months. Furthermore, prediction models with the capability of approximating surface and groundwater storage levels including the Ross River Dam level have been developed with relatively high accuracy with a lead-time of 3 months. The results obtained from these models were compared to current values, revealing that ANN based approach can be used as a simple and effective predictive model that can be utilized for prediction of different aspects of drought scenarios in a typical study area like Townsville, North Queensland, Australia which had suffered severe recent drought conditions for almost six recent years (2014 to early 2019).

基于水文水动力模型和机器学习模型耦合的河道水位预报方法

为探讨利用水文水动力模型和机器学习模型来提高河道水位预报精度的可行性,首先利用水文水动力模型进行河道水位预报,采用支持向量机模型对水文水动力模型的预报结果进行校正,进而构建了一种耦合水文水动力模型和机器学习模型的河道水位预报模型。在广州市南沙区蕉西水闸的应用结果表明,构建的耦合模型的预报效果优于单一的水文水动力模型,明显地提高了不同预见期下的水位预报精度;尽管随着预见期的增加,耦合模型的预报精度有一定的衰减趋势,但整体上仍优于水文水动力模型提供的水位预报结果。

基于深度学习提取时空信息的流域内库水位预测模型研究

为了解决流域连通水库增多,库水位影响因素复杂且具有非平稳性,难以直接通过水文计算预测的问题,对流域水文站点日降雨序列进行分析,首先将时间序列经小波变换去噪,在此基础上采用最大信息系数(MIC)相关性分析筛选与日水位序列相关性,增加了输入时序降雨与预测水位相关的信息密度,并提出将强相关性序列输入引入Attention机制的长短期记忆(LSTM)预测模型,提高LSTM神经网络选择和提取序列特征的能力。以福建某流域站点实测日降雨序列为例进行试验,结果表明该方法的均方预测误差仅为0.1908,相比LSTM模型有更高的预测精度,为水库水情调度及防洪减灾管理提供了决策依据。

水库水位的VMD-CNN-GRU混合预测模型

水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性,提出一种融合自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型.VMD通过对水位序列进行分解消除噪声,CNN用于有效提取水位数据的局部特征,GRU用于提取水位数据的深层时间特征.以葠窝水库日水位为例,与多个相关模型对比分析,结果表明:精度方面,新模型在选取的评价指标上均表现最佳;运算效率方面,本文选择的GRU与长短时记忆网络(LSTM)相比,运算效率显著提高.新模型预测的高精度、高运算效率更能满足实际水库水位实时调度的需求.

基于物联网和GCNN-LSTM的河流水文预测方法

针对河流水文存在预测精度不高的问题,利用物联网技术设计了分布式的降雨和水文信息自动采集系统,并提出了一种基于图卷积神经网络和长短期记忆网络模型对河流水位和径流量进行预测的方法;首先通过分析确定了影响河流水文的主要因素,将流域范围内的降雨量信息组成网格化的二维图形矩阵;然后提出了GCNN-LSTM预测模型,将含有降雨信息的二维图形矩阵作为网络模型的输入,获取该流域内降雨与水文变化的时空分布特征;最后采用所提出的GCNN-LSTM预测模型对河南省周口市段颍河的历史水文数据进行训练,再利用训练后的网络对测试集数据进行预测,得到了较高精度的径流量和水位结果,径流量预测结果的RMSE、MAPE和MAE分别仅为17.09 m^(3)/s、1.68%和8.57 m^(3)/s,水位预测结果的RMSE、MAPE和MAE分别仅为0.32 m、0.65%和0.29 m,与其他几种预测方法相比表现出了优越性,对科学合理利用水资源和防洪减灾具有重要意义。

基于Molchan图表法的流体监测井水位地震预测效能检验

为了探究水位异常和地震之间潜在的对应关系以及监测井水位的地震预测效能,通过差分法和水位固体潮加卸载比法对德阳井、剑川井、佐署井和门源井水位数据进行处理,并采用Molchan图表法对4口监测井水位的不同预测期和不同块体发生的地震进行预测效能检验。结果表明:两种方法处理后的Molchan图表法检测效能结果相似;4口监测井水位在180 d内均有较好的预测效能,均对不同范围中强地震有一定预测效能,并且预测效能受板块内构造分布情况影响,对构造发育的区域预测效能更好。

西藏富锂盐湖-班戈错未来水位变化趋势预测

利用2016—2020年班戈错水位观测资料,采用ARIMA季节乘积模型、Winters线性模型及时间序列分解模型建立针对该湖的水位预测模型。通过对比时间序列分解模型在班戈错水位预测精度较高,运用时间序列分解模型对2022—2024年水位进行了预测,确定未来3年将会出现水位的明显升高,水位增幅达到0.97 m。研究结果能为LiCl矿的开采提供精度较高的水位预测,并通过水位监测来指导班戈错矿田建设。

雄安至北京大兴国际机场快线起步区地下段结构抗浮设防水位取值研究

抗浮设防水位直接影响到地下结构的安全与建设费用,在地下结构建设中至关重要,因此,科学合理地确定地下结构的抗浮设防水位具有巨大的社会意义和经济价值。本文以“雄安新区至北京大大兴国际机场快线地下工程段”为研究对象,系统分析了研究区水文地质条件以及地下水位年内年际动态变化规律,利用数值模拟法和类比预测法确定了地下结构抗浮设防水位标高建议值。结果表明,该场地区域浅层地下水水位埋深一般为5.0~20.0m,地下水水位标高一般为–10.0~1.0m。近五年场地浅层地下水水位标高一般为–5~–10 m,埋深一般为3.0~15.0 m,地下水位逐年升高,回升速率约1.0 m/a。地下结构抗浮设防水位标高取值建议取使用期抗浮设防水位采用数值模拟法预测结果。该成果服务了“雄安新区至北京大兴国际机场快线(R1线)”项目场地抗浮设计,为雄安新区重大工程建设项目的抗浮安全设计提供了示范。

明渠模型预测控制快速优化计算方法

针对基于圣维南方程使用启发式算法进行渠道预测控制时,现有优化计算方法生成调控方案时间过长、无法满足实时控制需求的问题,提出了一种基于多目标优化算法的快速优化方法.以一处试验渠道的数值模型作为控制对象,应用此方法构建了预测控制模型以生成调控方案,并构建了一维水动力模型对调控方案进行验证.研究发现在闸门控制系统中,超出水位控制范围的最大值最小、超出水位控制范围的平均值最小、闸门动作次数最少、闸门开度总变化量最小4个目标间能够相互诱导,加速优化计算过程4倍以上.在该试验渠道的流量计划调整工况中,验证了此种方法的有效性,将单次计算时间缩短至1 s内.验证效果表明,该方法在提高了水位控制效果的同时,能够减少由单独设置超出水位控制范围的最大值最小目标导致的非必要闸门调控,总计减少69%的闸门调控次数.

雅安地区监测井水位预测效能对比研究

为提高监测井水位映震效果的判别准确度并提升预测效能,本文运用不同方法对雅安地区两条断裂附近的6口监测井水位的映震效果开展了对比判别研究。首先,使用差分法对监测井水位数据进行处理和分析。然后,将水位数据与区域地震活动性的两种参数(能级和最大震级)相结合,分析区域地震活动性与水位波动的关系。接着,在时域和频域两个层面对该组合序列进行分析处理。最后,采用Molchan图表法检验5种方法的预测效能,并选出最佳处理方法及断裂附近预测效能最优的监测井。结果表明:水位与地震活动性参数结合处理相比单独使用水位差分法具有优势,前者能够准确排除地震活动性对水位异常的干扰。6口监测井的最优预测方法各不相同,最优预测天数均在60 d内。通过比较监测井水位对地震的预测效能检验结果,确定了两条断裂区域预测效能最优的监测井。虽然水位与地震活动性两种参数结合处理并不适用于所有监测井,但该方法能够体现水位受地震活动性影响的程度。

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。

顾及时差特征的LSTM模型余水位短期预报

目前余水位预报都是采用单站方式,仅基于余水位的自相关性。针对较大范围的沿岸验潮站余水位预报,进一步结合余水位的空间强相关性和站间余水位的时差信息,以“预测站-辅助站”验潮站组的形式,由历史同步余水位数据训练多变量LSTM(long short-term memory)长短期记忆网络模型,实现预测站的余水位预报。渤海沿岸四个长期验潮站的实例分析表明:所提的预报方法因增加利用了时域上的时差信息,预报精度优于三类单站方法,并显著增大了预报时长。方法可用于解决大范围航海动态水位保障中的余水位预报问题。

基于EMD-DELM-LSTM组合模型的湖泊水位多时间尺度预测

针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连接。首先使用EMD将原始信号分解为若干个具有单一特征的本征模态函数(IMFs),再将IMFs分类重组为高、中、低频信号后输入DELM-LSTM并联结构中进行预测并重构。以广州某大学重要湖泊为例验证模型的有效性,结果表明,与EMD-LSTM、EMD-DELM、LSTM、DELM和BiLSTM模型相比,本模型在不同时间尺度下的预测性能均有显著提升,其中40 min时间尺度下的预测性能提升效果最为明显,分别较对比模型提升43.08%、22.92%、45.79%、30.92%和47.31%。可见,本模型对于不同时间尺度的水位预测具有良好的可靠性和稳定性。

多特征时空融合网络的水位预测技术

水位高低与航道通航能力息息相关,对大型船舶(队)通过某些典型航段时尤为重要。水位受到多种因素的影响,开发准确、可靠的水位预测模型是一项具有挑战性的问题。提出一种基于Transformer的多特征时空融合网络的水位预测模型,该模型能够捕捉水位数据的复杂时空模式和相互作用,研究水位与不同影响因素的关联关系,根据融合后的特征生成未来水位预测结果。研究成果有助于保障船舶航行安全,充分发挥航道通航能力,为航运管理和规划提供参考。

高位收水冷却塔噪声预测方法优化及噪声治理措施探讨

对湖北省某660 MW燃煤发电厂高位收水冷却塔进行了现场测试,根据测试结果对高位收水冷却塔噪声预测模型进行了优化和验证,并对高位收水冷却塔的噪声治理措施进行了探讨。结果表明,采用发声部位水平面声源优化模型计算得到的高位收水冷却塔噪声衰减规律与实测结果更加接近;虽然高位收水冷却塔附近地面噪声源强实测声级较常规冷却塔低约8 dB(A),但总体声功率级的改善效果并不能达到8 dB(A)的水平;同时,由于高位收水冷却塔声源位置较高,对围墙外某些特殊点位,高位收水冷却塔的噪声影响可能反而会略高于常规冷却塔;消声导流片及吸隔声屏障在应用于高位收水冷却塔降噪时需根据声源实际情况进行模型验证优化,而声源降噪措施可从改善水滴对收水斜板的冲击以及收水斜板本身振动噪声方面进一步研究。

某矿区采选扩建工程对地下水的影响评价分析

本文以某矿区采选扩建工程为研究对象,在详细介绍该扩建工程建设规模、采选工艺、供排水方案基础上,通过前期地质勘查、地形地貌调查、室内试验等方式,对区域工程地质条件、水文地质条件以及地下水存储情况进行了分析。采用预测模型概化手段,预测该扩建工程建设对地下水水质和地下水水位产生的影响,提出了源头控制、分区防控、强化监测等地下水环境保护措施。

基于FEFLOW和ARIMA模型的中关铁矿地下水动态模拟预测

为科学合理地开发中关矿区地下水资源,促进中关铁矿安全生产,通过构建地下水数值模型(基于FEFLOW模拟软件)和ARIMA地下水位预测模型,对研究区的地下水动态进行模拟分析和预测。结果表明,通过不断调整参数,最终FEFLOW模型水位动态模拟结果同实际水位结果相差不大,模型能够为研究区水位和涌水量预测提供支持;ARIMA模型拟合实际水位时间序列的效果较好,在短期预测内精度较高。研究成果对于地下水数值模拟和水文时序预测具有参考价值。