不同管理措施对密云水库流域水量水质变化的影响

在密云水库上游控制流域建立SWAT(Soil and Water Assessment Tool)水文模型,根据实测水量-水质数据对模型的参数进行优化。识别流域土壤侵蚀和污染物关键区域,并对不同管理措施对流域水量-水质的影响进行定量研究。研究结果表明:密云水库流域土壤侵蚀强度较大的集中在流域中下游临近河道的区域;潮河流域非点源污染状况较为严重,潮河和白河总氮流失超高风险区分别占总面积的62.62%和43.09%,白河流域总磷均为低流失风险区,潮河流域总磷高流失风险区占17.81%;等高耕作和梯田种植对于产沙量和污染物都有较好的去除效果,其中等高耕作对于产沙量和总氮、总磷负荷的削减率,潮河分别为25.16%、10.79%和32.89%,白河为47.60%、34.92%和53.49%;通过对比退耕还林和退耕还草措施得知,退耕还林的效果更优。研究结果可为密云水库流域水土保持和水环境治理提供决策依据。

南水北调东线工程双王城水库泵站水流特性试验与数值模拟研究

本文结合南水北调东线工程双王城水库泵站的设计,利用水工模型试验和数值模拟相结合的方法,综合分析了泵站流道内的水流流态、压力分布等重要流场特性。研究表明,模型试验与数值模拟结果能够较好的吻合,数值模拟结果能够对模型试验数据提供补充和完善;入库泵站与出库涵洞组合布置方案在水动力学条件方面可行;原设计方案出库涵洞陡坡段存在负压,水流流态不稳。修改方案将出库涵洞节制闸放置在涵洞末端,可有效地解决负压问题,改善出库水流流态。模型试验及数值模拟结果为工程设计提供了科学的依据。

基于SWAT模型的璧南河流域径流模拟分析

【目的】将SWAT(soil and water assessment tool)模型运用于重庆三峡库区长江支流的流域径流过程研究,为流域水资源的合理调控提供理论依据。【方法】以位于重庆市西部的璧南河流域为研究对象,构建SWAT模型对该流域的径流过程进行模拟。【结果】(1)率定期与验证期流域月均径流量模拟值与实测值吻合度较好,率定期和验证期的Nash-Suttcliffe效率系数、确定性系数和相对误差接近一致,表明SWAT模型在璧南河流域具有很好的适用性。(2)2013—2021年璧南河流域年平均径流总量为1.79×10^(8)m^(3),多年平均径流深为346.04 mm。各子流域产流主要集中在汛期(6-10月),非汛期产流量不足;季节产流量分配不均匀,夏秋季节产流量高,春冬季节产流量低;流域产流量整体呈下降趋势。(3)流域径流深在空间上呈现东西两侧高、中间低的分布特征,多年径流深变化率呈现出高产流量区域的产流量变化率低、低产流量区域的产流量变化率高的空间分布规律;产流量高值区主要集中在吴滩、三合、广普、建龙等镇(街道),产流量低值区主要位于陈食、丁家、正兴、来凤、青杠等镇(街道),与流域地势两侧高中间低以及坡度、降水量两侧大中间小的空间分布特征相符。(4)在模拟未来气候变化情景中,璧南河流域降水量变化与径流量变化呈正相关关系,与气温变化呈负相关关系;与气温变化相比,流域径流量对降水量变化的敏感性更高,且降水量是影响未来璧南河流域径流变化的主要因素。【结论】SWAT模型可用于璧南河流域径流过程的模拟;可以考虑通过水土保持生态建设、水存储和调水基础设施建设、农田水利建设等措施提高流域水资源利用率,同时调整和优化流域土地利用结构,从而实现未来气候变化背景下璧南河流域水资源的科学管理。

基于SWAT模型的密云水库来水量模拟

利用SWAT水文模型，在综合考虑流域地形、植被、土壤和土地利用等因素的基础上，对密云水库1980--2006年的来水量进行模拟，预测未来气候条件下来水量的变化趋势。结果表明，利用SWAT模型潮河流域径流模拟效果要比白河流域好，这与白河流域受水库调节等因素有关。从预测效果看，自1980--2030年总体上密云水库径流量呈递减趋势，但在未来20a间，密云水库来水量总体略有增加。

GIS与地表水水质模型WASP5的集成

为了强化水质模型 WASP5的功能 ,以密云水库为背景研究了地理信息系统 (GIS)和 WASP5模型的集成。分析了 WASP5模型与 GIS的集成形式 ,并以半紧密内嵌的集成形式建立了 WASP5模型与 GIS间的集成模型系统。研究结果表明 WASP5模型与 GIS空间建模功能的集成强化了模型的功能 ,为地表水水质空间模拟提供了有力的支持。

水环境决策支持系统框架下的密云水库水质模型

为了探讨环境决策支持系统(EDSS)中复杂模型的集成和应用,以北京市饮用水水源地密云水库为案例,针对水环境决策支持系统框架下水动力学与水质模拟模型的集成以及EDSS系统集成和应用中遇到的问题和解决方案进行研究,提出基于模型服务的密云水库水环境决策支持系统逻辑结构,并从系统集成开发的角度探讨模型的选择、设置和改进。最后建立基于EFDC(environmental fluid dynamics code)和WASP(water quality analysis simulation program modeling system)的密云水库水动力-水质耦合模型运算服务,实现长时间序列的连续模拟和水环境管理的情景分析。

BP神经网络在密云水库入库水量预测中的应用

水库入库水量预测是水库调度和水资源优化配置的重要依据。密云水库是华北地区最大的水库,是确保首都供水安全和社会经济发展的重要水源地。反向传播BP神经网络由于具有高维性、自适应、自组织及自学习等优点,被广泛应用于水文预报中。基于BP神经网络模型对密云水库入库水量进行模拟预测,将入库流量分为汛期(6—9月)和非汛期,非汛期又分为1—5月和10—12月,不同时段分别建立BP神经网络模型,共建立3种BP神经网络模型,利用1960—2004年共45年系列样本数据分别训练3个BP网络模型,用于预报入库水量,并利用2005—2021年共17 a资料检验样本,分别代入3个BP网络模型,对预报结果进行验证,最后得到模型预报及检验结果。结果表明,利用BP神经网络进行汛期和非汛期入库水量预报,误差小,精度高,应用BP神经网络对2022和2023年入库水量进行预报,可为水资源合理优化配置提供重要依据。