简介：Burn-in算法和AGREE算法是目前应用广泛的基于实际河网高程强迫修正的河网提取算法.该算法能有效提取出同真实河网高拟合度的模拟河网,但某些情况下,所提取的河网会产生“断裂”现象.河网“断裂”现象的产生在于实际河网栅格高程“高估”和“低估”所引起的局部流向计算错误,其中所有“低估”类以及大部分“高估”类影响都是可以通过填洼等方法加以消除的,即不会产生“断裂”问题.真正产生“断裂”的原因是：存在“高估”类河网栅格且“高估”所带来的影响无法通过填洼等操作加以消除.基于此,对Burn-in算法和AGREE算法进行修正,提出一种消除“高估”类影响的解决方案,从根本上解决河网“断裂”问题,实现程序自动化处理.渭河流域实例应用表明,改进算法可有效解决模拟河网“断裂”问题,且适用于多种基于高程的强迫修正算法.

简介：无论是PC机系统还是嵌入式系统,大多数智能设备的系统中运行的实际进程数一般都会多于实际处理机的数量,这必然会导致进程之间互相争夺系统资源的现象。这就需要一个进程调度程序,按照一定的调度算法和策略,动态地把处理机的资源分配给处于就绪状态的某一个进程,

简介：由于对岩土本构关系认知上的差异,人们提出了各种各样的堆载对基坑侧压力影响的计算方法,这些方法对推动岩土力学的发展起到了许多积极作用。客观上讲,现有的这些堆载对基坑侧压力影响的计算方法没有一个能够非常真实、非常准确地反映基坑坑壁土压力的变化。以地心引力为依据,结合大量的基坑坑壁土压力实测数据,提出了一种基于引力场的堆载对基坑侧压力影响的计算方法。给出了相应的计算公式和应用实例。

简介：针对基本粒子群算法中存在的精度较低、易发散、容易陷入局部最优解僵局的情况，提出了免疫粒子群算法。并以卢村水电站为例，进行验证分析，结果表明免疫粒子群算法是一种可靠的研究水电站优化调度的方法。

简介：本文简要介绍了滑坡滑裂面搜索问题和遗传算法,并试用遗传进化算法从边坡任意形状滑裂面组合中搜索最有可能的滑裂面,也就是使安全系数最小的滑裂面.作为实例,分析了遗传算法在天生桥二级电站首部枢纽进水口右岸滑坡案例中的应用.分析结果表明,在搜索边坡滑裂面问题上遗传算法较其它搜索算法具有准确性和可靠性的优势.

简介：采用PID优化算法对分布式水文模型VIC模型进行参数自动优化计算,并对比分析参数优化前后对分布式水文模型模拟精度的影响。研究结果表明：参数优化后,分布式水文模型VIC模型在年尺度和小时尺度的水文模拟精度均有所改善,误差减少13.8%和13.2%,拟合度提高0.28和0.14。研究成果对于分布式水文模型参数优化方法提供参考价值。

简介：水轮机空蚀一般在原型机上采用直接测量的方法进行.目前还没有一个很好的方法对空蚀情况进行定量预估,本文根据国外水泵空蚀的经验公式,提出一种通过观测水轮机模型试验中各工况下转轮空化区域长度,采用经验公式预估原型水轮机转轮空蚀程度的方法.作者详细介绍了公式各参数意义并结合国内某电站模型试验空化观测情况进行实例计算,预测空蚀最大深度、面积及金属失重,计算结果表明采用该方法具有一定精度.论文最后对公式的适用范围进行了探讨.

简介：为了提高遗传算法在多目标梯级水库优化调度中的应用效果，在标准遗传算法的基础上引入了免疫机制，并将其应用到周公宅一皎口水梯级水库优化调度中。计算结果表明，免疫遗传算法较好地克服了标准遗传算法收敛速度慢、易陷入局部极值、早熟等弱点。

简介：溶解态污染物是城市降雨径流污染的一个重要组成部分,揭示其在降雨径流阶段的传输过程对于城市污水治理具有重要意义。采用人工模拟降雨实验研究了不透水表面不同坡度(0.5°、1°、2°、3°、4°、5°)情况下降雨径流及溶解态污染物传输过程。结果表明:坡度越大,坡面产汇流时间越短,径流量越快达到稳定;污染物浓度随降雨径流深度增加呈逐渐减小趋势,坡度越大,初始浓度越高,衰减越快;污染物传输速率呈先增大后减小的变化规律,坡度越大,污染物传输速率峰值越大,峰值出现在径流深度为0.3~0.5mm之间;溶解态污染物传输过程符合指数冲刷模型,随着坡度的增大,冲刷系数k先线性增加,坡度大于3°基本保持稳定。相对于颗粒态污染物,溶解态污染物冲刷系数大,易被冲刷,冲刷集中发生在径流初期。

简介：引红济石调水工程自动化监测的实施，解决长19．76km输水隧洞监测数据通讯方式尤为关键。根据本工程的特点及自动化监测的要求，经过各方面条件的比较，选择了适合输水隧洞监测数据传输的光纤通讯方式。

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。