黄河万家寨水库上游段封开河特征分析及模拟预报研究

来源 :内蒙古农业大学 | 被引量 : 4次 | 上传用户:abing206
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
黄河万家寨水库下闸蓄水前,喇嘛湾至万家寨水库下游马栅河段水位落差较大,整个冰封期都以淌凌为主,坝址上游喇嘛湾至头道拐河段只有部分年出现封河的现象。自1998年黄河万家寨水库建成蓄水后,改变了坝址上游至喇嘛湾河段的水力条件,水库坝址上游最高水位抬高60m左右,库区及影响河段水流流速明显变缓,水力条件的变化使得喇嘛湾至头道拐河段在冬季由建库前的不完全封冻河段变为稳定封冻河段,而喇嘛湾以下河段受回水末端的影响,卡冰结坝现象频发,凌汛灾害严重。
  本研究主要内容包括:⑴针对上述冰情变化情况,在黄河万家寨水库上游河段选择设定了典型断面,于2014~2015及2015~2016年度凌期对进行了野外观测,观测内容包括初始结冰时间、冰盖发展过程、流凌过程和形态和初始融冰时间等,对其冰情过程进行了详细的观测和描述。其次搜集并分析1998~2015年以来万家寨水库上游河段的冰情数据。最后,建立BP神经网络模型与GM(1,N)模型对万家寨水库上游河段的封河历时、开河历时和开河日期进行了模拟、验证及对比。⑵2014~2015年度首封位置位于包头官地河段。2015~2016年度首封位置位于托县什四份子。分析1998~2015年数据得出该河段封河形态特点为:平封(距坝32km以内)~平立封交替(距坝32km~52.1km)~立封(距坝52.1km~67.6km)~平封(距坝67.6km以上),立封河段处于“S”型弯道。⑶通过分别对封开河日期与流量、气温、冰厚等数据的相关性分析,筛选出影响较高的因子,模拟结果显示,气温决定首封位置且气温是影响封河的主要因素,温度与流量共同影响开河;河段的封河形式主要取决于水面比降的大小和河道形状;在库尾交通水泥厂附近容易形成冰坝,其冰源主要来自头道拐以下距坝址67~100km河段的冰凌;温度在0~5℃内变化时,流量剧增230m3/s左右,河道解冻开河。影响黄河封、开河的因素非常之多,在诸多影响该河段封、开河历时和开河日期过程因子中,气温、封冻天数、冰厚和流量是影响冰情变化的主控因素,且GM(1,N)模型的拟合精度高于BP神经网络模型,更适用于对冰情的模拟预报。
其他文献
随着通信技术和传感器技术的发展,无线传感器网络在目标跟踪、环境监测、辅助导航、灾害预警、资源勘探、事故调查等军事和民用领域得到日益广泛的应用。受限于成本、使用环境和通信能力,采用常规的状态估计方法对无线传感器网络信息进行融合尤为困难,需要考虑其中存在的能量受限、带宽受限、非高斯噪声、噪声方差未知等问题。常用的多传感器信息融合策略包括存在唯一融合中心的集中式策略和去中心化的分布式策略两种。在集中式策
最小均方(Least Mean Squares, LMS)算法在系统辨识中的应用十分广泛。在实际应用中,很多待辨识系统的冲激响应呈现出了稀疏特征。分散稀疏系统、单簇稀疏系统与多簇稀疏系统是三类典型的稀疏系统。在对稀疏系统的辨识应用中,传统的LMS算法没有充分利用稀疏性这一先验信息,收敛速度较慢,无法快速跟踪外部环境的变化。  本文以提高LMS算法的收敛速度为出发点,就稀疏冲激响应的在线辨识问题开展
移动机器人在社会各个领域具有广泛的应用前景,并得到了大量研究。机器人学是复杂的,多学科交叉领域。移动机器人自主运动系统是由多个功能模块组成,每个功能模块相互独立,又相互联系,构成一个整体。所以,移动机器人系统是一个复杂的大系统。构造一个完整的,功能完善的自主导航系统,需要针对每一功能模块设计相应的算法,并且建立各模块之间的联系,形成一个统一的整体。其中,路径规划和运动控制模块是自主导航的重要组成部
水下无人潜航器(UnmannedUnderwaterVehicle,简称UUV)是一种重要水下运载平台,可以灵活搭载各种作业所需设备,完成多种水下作业任务。无人潜航器的自主程度高,自带能源可以脱离母船工作,在一定范围水域内进行水下地形勘测、石油管线检查、沉船探测、水文调查、水下通信中继、水雷探测、港口安全监视等作业。  自主路径规划是无人潜航器实现高度自治的前提,特别是近年来无人潜航作业区域持续扩
随着深度学习(Deeplearning,简记DL)系统越来越多地应用于安全相关领域,包括自动驾驶汽车和智能安防等,对深度学习模型预测准确性的高度信任变得至关重要。正如传统的软件开发一样,对模型行为正确性的信心源于对各种可能场景的严格测试。然而,与传统的软件开发不同,深度学习系统的逻辑是通过训练过程学习的,因此深度学习模型很难测试。另外现有的深度学习测试严重依赖于人工标记的数据,经常无法为边缘输入数
中值滤波作为篡改数字图像的一种手段,会在一定程度上改变图像相邻像素点的灰度关系,从而导致图像失真。目前大部分图像中值滤波取证方法均是基于人工所提取的特征,这些方法的主要问题在于特征提取困难,尤其是在图像质量较差的情形中,检测性能会急剧下降。近年来深度学习已经被成功应用到了与计算机相关的各个领域,本文对基于深度学习的图像中值滤波取证问题进行了研究。  本文提出了一种基于DCT域卷积神经网络的新方法来
学位
图像已成为现代生活中信息展示和传播的一个非常重要的载体,因此相关算法的研究也受到国内外学者们的广泛重视,衍生出很多重要的分支方向。图像超分辨技术作为计算机视觉领域的一个重要分支,由于其在很多行业应用前景广阔,近些年发展成为了一个国际热点课题。超分辨技术的基本任务是从原始的低分辨率图像或视频重构出对应的高分辨率图像或视频,这是一个非常有挑战性的病态问题。近年来,以卷积神经网络(Convolution
注视点估计,或称视线追踪,是一种估计人眼视线落点,即人眼朝哪里看的技术,可分为2维注视点估计与3维注视点估计。2维注视点一般为电脑屏幕上的注视点,用于人机交互与网页分析等。3维注视点为3维空间中的视线落点,可用于安全辅助驾驶等。3维注视点估计可在2维注视点估计的基础上,通过双目视线相交的方式计算得到。本文主要研究内容如下:  (1)研究对比各种瞳孔定位方法及眼部特征点提取方法,包括基于亮暗瞳效应、
事件触发控制凭借其良好的控制性能,能够有效地减少测量/控制任务的执行次数,提高通信/计算资源利用效率等优势,被广泛地应用于网络化控制系统。基于确定性模型的事件触发控制理论已日臻完善,而含有随机噪声或不确定性的随机模型是当前控制领域的研究热点之一。随机模型不仅对确定性模型进行了补充,更能够准确地反映自然与工程系统的动态特性。随机噪声的存在改变原系统的动力学特征,降低控制性能,甚至破坏稳定性。本文以连
学位
随着生产领域的逐渐拓宽与能源需求的持续增大,各国纷纷着眼于对海洋油气资源的开发。作为连接海下石油井与海面浮体平台的装置,柔性立管在油气集输环节中承担着至关重要的作用,同时立管也是此环节中最易受损的部件。在海洋这一特殊环境中,由于受到各种载荷影响,立管将不可避免地发生振动,从而导致其疲劳损坏,这将对油气集输环节的正常运行造成一定的影响,轻则带来开发效率的下降,重则引发油气泄漏,致使环境遭受重大污染。