基于三维水动力-水温耦合模型的水库水温预测及影响研究

为了研究水库建成后库区水温的结构分布特征,以及下泄水温的变化,以云南省澜沧江拖巴水电站水库为研究对象,根据水电站库区丰、平和枯水年三种典型年的各项基础资料,运用EFDC三维水动力-水温耦合数学模型模拟计算库区水温分布及下泄水温,对比分析了下泄水温与天然河道水温的变化.结果表明,水库建成后,3月前后库区垂向形成双温跃层结构,9月后第二温跃层逐渐下移至库底并消失;下泄水温与天然河道水温存在差异,全年水温温差减小.库区及下泄水温的变化将对水库周边及下游生态、农业灌溉等产生影响.     

不同取水口高程对阿海水库水温分布的影响

大型水库由于水深大流速小,水体易出现垂向温度分层,对库区及其下游河道的生态环境造成明显的影响.为了减弱水温分布的不利影响,常采用分层取水.本文采用三维水温数值模型对阿海水库两种取水口高程下的水温分布进行预测,重点分析了取水口高程对库首水体的温跃层强度、均温层的位置和下泄水温的影响,为阿海水库的设计和生态调度提供了一定的参考依据.     

基于气象参数的轨道板竖向温度梯度预测模型

传统基于热力学的混凝土结构温度场分析方法存在着假设过多、参数取值困难、计算能耗过大的缺点.为研究轨道板竖向温度梯度分布规律,结合轨道板温度场的长期观测数据,建立误差反向传播的多层人工神经网络,选用易于取得的气象参数作为训练样本,对轨道板竖向温度梯度进行预测,并采用实测数据验证其准确性.在此基础上研究了日温差、日照时数和风速对轨道板竖向温度梯度的影响规律.研究表明:采用日温差、日平均风速和日照时数3种气象参数作为训练样本,所建立的4-16-1结构人工神经网络预测结果最大误差为2.0℃,平均相对误差为0.38%,可准确预测轨道板竖向温度梯度,且具有较好的鲁棒性;各气象参数与轨道板竖向温差之间存在着复杂的非线性映射关系,总体而言,日照越强,风速越高,轨道板竖向温度梯度越大;对我国中部地区而言,轨道板竖向温度梯度为-2~10℃.     

华北衡水湖湿地的水质评价

为了综合防治湿地水环境污染,对华北衡水湖湿地的水质数据进行了评价。应用了4种不确定性模型(模糊模型、灰色模型、物元分析、人工神经网络法),分析了衡水湖湿地年内水位、水温、溶解氧浓度和氨氮浓度的变化。利用环境流体动力学模型(EFDC)模拟,与衡水湖2003年的实测水质监测数据进行比较。结果表明:衡水湖水质基本为四类水到五类水;与其他3种方法的评价结果相比,人工神经网络法能够较为客观的评价衡水湖湿地水质;EFDC模型可以应用于衡水湖的水环境模拟预测。     

百花水库水质模拟及季节性水质恶化控制对策

猫跳河梯级水库自20 世纪90 年代起频繁出现季节性突发污染事件. 选择位于猫跳河干流的百花水库作为研究对象, 对其水温、溶解氧(dissolved oxygen, DO)浓度、营养盐浓度进行了为期12 个月的连续监测. 通过分析水库垂直剖面方向上水温及DO 浓度的季节变化趋势, 验证了水体季节性分层现象是导致突发水质恶化的主要原因. 引入水质分析模拟程序(water quality analysis simulation program, WASP) 对水温、DO 浓度、NH⁺ ₄ 浓度进行模拟, 模拟结果与监测值季节变化趋势吻合, 证明该模型可以应用于百花水库的水质模拟. 利用WASP 对水库进行了流量调度模拟. 结果表明, 进行有效的季节性水量调控可以达到改善该水库季节性缺氧状况的目的.     

人工神经网络预测高含CO2天然气的含水量*

提出了一种基于人工神经网络模型预测高含CO2天然气的含水量的新方法。网络输入变量CO2摩尔分数、温度、压力,网络的输出为高含CO2天然气的含水量。该人工神经网络模型能够估算温度在20.0～200.0℃,压力在0.1～70.0 MPa,CO2摩尔分数高达70%天然气中水蒸汽的含量。对比文中建立的人工神经网络模型和目前常用的3种预测高含CO2天然气的含水量的经验模型,结果表明,人工神经网络的平均相对误差值最小,为1.275%,3种经验模型在CO2含量较高时,预测精度较低。这就表明,人工神经网络模型在预测高含CO2天然气含水量时,比3种常用的经验模型更具有优势。     

基于BP人工神经网络的分布式降雨量插值估算

将人工神经网络应用到降雨量插值研究中,综合考虑影响降雨量的多种因素.提出并构建了基于隐含层节点数可调节的BP人工神经网络降雨量插值模型.应用该插值模型估算湖北省宜昌地区的一次大到暴雨天气的降雨量分布情况.研究结果表明:采用BP算法分别对3组样本数据进行插值得到的平均相对误差为37.71%,远远低于采用距离反比加权法插值估算的平均相对误差52.71%,精度提高了15%.当隐含层节点数为6,即BP神经网络采用3-6-1的模型结构时,估算的误差精度最佳,其平均相对误差为30.33%.     

密云水库水温分布特征

为了分析密云水库近10年来水温分布规律,尤其是1999年以来入流减少对于水温结构的影响,该文在CE-QUAL-R1模型的基础上建立了适用于密云水库的垂向一维水温模型。利用1991和2006年的实测数据对模型进行参数率定和验证,进而模拟1998—2007年水库水温的时空分布。结果表明:在来流减少、水位大幅下降的情况下,密云水库的水温分层现象仍然存在,分层从春夏之交持续到秋季,最大温差超过10℃;当有较大的流量入库时,水库将出现双斜分层的水温结构;随着水位的下降,表层水温变化很小、中层水温上升幅度较大、底层水温上升幅度较小;取水口出流水温随着水位的下降而升高,高水位时最大值出现在秋季,低水位时最大值出现在夏季。     

大型水库水温分层影响及防治措施

大型水库的建成与投产,为我国的现代化建设提供了巨大的经济效益和社会效益.同时,大型水库特别是调节性能好的水库由于大量水体的蓄积,使水库在沿水深方向出现了有规律的水温分层现象.这种水温分层现象使库区内水生生物结构发生变化,影响库区的水质.又由于水电站泄水设施因发电要求而使泄水口高程较低,因此水库的水温分层使冬季下泄水温较天然情况高,而春、夏季下泄水温较天然情况低.下泄低温水可使鱼类在产卵、生长及捕食方面受到极不利的影响,造成鱼类资源的减产甚至某些鱼种的灭绝.下泄低温水还会对农作物产生＂冷害＂影响,造成减产甚至绝产.因此,在进行大型水电工程规划、设计、运行的同时应积极开展水库水温结构及下泄水温计算和研究,及时采取有效减缓低温水下泄的各项措施,以实现水资源开发利用和生态保护的＂双赢＂.     

水库水温分层的流场分析

水库水温分层是流体密度流现象的一种,其形成受库区内流场、太阳辐射和表层热交换的共同影响,而水温分层状态的出现又将影响水库来流在库区的流动过程和出库水流的温度.以流场与温度场耦合计算的立面二维水库水温模型为基础,对水温分层的主要影响因素进行了理论分析,结合数值模拟讨论了温度场与流场的相互作用,对分层状态与来流发展特别是与垂向流动的关系进行了剖析.认为一定的来流水温差和表层热通量是水库形成分层状态的必要条件;水库表层温跃层对紊动扩散的抑制使温跃层内纵向和垂向动量均低于层外水体,上游来流高温水遇此温跃层之后易被阻碍而形成密度流下潜;双温跃层主要由高温流动层通过紊动不完全侵蚀底部低温水层而形成;水库底部回流区方向受主流动层流线方向控制并随主流动层流线趋于水平而被压缩;泄流孔口高程处主流动层形成的流速切应变使附近温度梯度减小,等温线趋于稀疏,主流动层随流量增加而增厚.