简介:过去15年间,中国水利水电科学研究院水利研究所瞄准现代灌溉农业集约化和精量化发展目标,重点围绕不同生态区域、不同尺度农田的水肥施用与多过程综合调控中存在的问题,系统开展了现代灌溉水肥精量调控研究,取得了系列化的成果:考虑土壤空间变异和层状质地对水肥分布的影响,改进了微灌系统的设计方法;在干旱区和半湿润区等不同气候区,选取小麦、玉米、棉花和蔬菜等典型作物,全面考虑水力学参数、土壤水肥动态和淋失、环境参数以及作物产量和品质等因素对微灌均匀系数的响应机制进行研究,提出了微灌均匀系数分区标准;在国内率先开展了变量灌溉理论和控制技术的研究,发展了适用于缺水地区的非充分变量灌溉理论;从系统安全、环境安全和水肥高效利用出发,揭示了再生水滴灌对系统性能和环境的影响机制,定量评价了再生水中养分的有效性;研发了低压高均匀灌水器、多功能系列喷头和智能灌溉施肥机等装置,实现了灌水施肥性能的提升;形成了区域化的喷、微灌水肥高效利用模式。上述成果为进一步提高农田水肥利用率、推动喷、微灌理论和技术进步提供了支撑。
简介:黄河挟带大量泥沙,沿岸地区进行引水灌溉不能忽略引入泥沙的处理问题.自20世纪50年代黄河下游发展引黄灌溉事业以来,目前不同灌区已基本形成适宜自身地理特点和灌溉需求的引水输水类型和入渠泥沙处理方式.本文根据引黄灌区所处河道位置和地域条件,结合灌区灌溉类型和泥沙处理方式,归纳提出了4种黄河下游引黄灌区水沙调控模式,即,沉沙输水模式、输水沉沙模式、分水滞沙模式和输水输沙模式;根据不同水沙调控模式的形成条件、调控效果和存在的水沙问题,分析了适合不同水沙调控模式的输水输沙关键技术和重点调控目标,分别为沉粗排细调控、远距离输沙调控、分沙入支渠调控和泥沙入田调控;泥沙远距离分散输送技术是实现灌区水沙资源优化配置的重点.
简介:南水北调中线工程具有输水线路长、涉及区域广、参与工程多、调水规模大、输水工况多变等特点,给工程的调度、控制和运行管理带来极大困难.工程上技术的难题在于其背后的科学机理性问题并没有完全揭示和解决,包括变化条件下多水源联合多维均衡调控机制、水量水质多过程耦合机理、多物质突发水污染应急调度模式、多闸门联合运用下的明渠水力学响应机理与控制等.为建立一套完备的技术体系来支撑其调度运行,围绕"预报-调度-模拟-控制-评价"这五个关键环节对现有研究进行分类总结;然后,在综述以往研究不足的基础上,对亟需攻关的关键技术进行了详细阐释,涵盖了水源区与受水区预报调度、总干渠冰水污染多相模拟、总干渠水量水质联合调度、中线全线自动化控制技术、调度评价技术与平台建设等多个方面;最后,文章讨论了实现中线智能调控和应急调度亟待解决的科学问题,并进行了研究总结.
简介:长距离输水工程输水量大、闸门群和分水口群众多、控制要求高,在突发水污染事件下要求保障输水过程稳定、应急处置高效。研究了南水北调中线总干渠Ⅲ级水污染的应急处置水力调控方案,提出了Ⅲ级水污染的应急处置策略,确定了基于分水口水力特性的水力调控单元划分方法和应急处置水力调控方式。以京石段为例,提出了采用不同分水口群或等容积运行规则的3种应急调控方案,并利用建立的一维水动力水质耦合模型,模拟了不同应急调控方案下的水流运动和典型污染物的输移过程。研究表明,三种应急控制方案均能在不弃水、不显著影响上下游运行的条件下,通过利用渠道自身调蓄能力或发挥分水口的调控作用,实现应急调控目标。
简介:本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000~2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.
简介:在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。