基于图深度学习的供水管网短期需水量预测研究

供水系统短期需水量预测是供水管网优化调度的基础,预测的准确性对供水调度有重要影响。图神经网络是一种新型神经网络架构,通过学习对象的拓扑特征优化学习效果。利用供水管网的拓扑特征搭建了图波网络(Graph Wavenet)模型,用于学习供水管网各监测点的空间拓扑关系及其需水量时间序列关系,实现了更准确的供水管网短期需水量预测。使用真实管网历史数据训练Graph Wave Net模型,未来5 min预测的最小百分比误差达到1.28%,平均百分比误差达到1.34%。实验成功地将给水管网拓扑结构用于优化深度学习模型效果,使用图卷积网络模型有效提升了供水管网短期需水量预测精度。并对图神经网络在供水管网领域的应用前景进行了简要探讨。     

基于分布式水文模型的徒骇河河流生态需水量预测研究

流域的气候、植被和土地利用方式等变化对河流生态需水具有决定性作用.以徒骇河刘桥闸控制区域为例,定量估算了现状河流生态需水量,并以流域分布式水文模型SWAT为工具,预测了各水平年不同保证率下不同生态恢复目标的各月河流生态需水量.结果表明,现状年河流生态需水量为81.09×106m3,其中自净需水是河流生态需水的主要组成部分,因此保证徒骇河生态需水的关键是污染源的治理.拟通过减少点源排放、减少灌溉水量、减少农药化肥施用及增加干流两边的缓冲带等措施,使污染源得到进一步控制,预测2015年、2020年、2030年河流生态需水量不断减少,丰水年份河流天然径流量能满足河流生态需水要求,但枯水年份仍存在较为严重的生态缺水问题,需要对河流进行生态补水.     

主成分回归模型在农业需水量预测中的应用

农业需水量的准确预测对区域发展具有十分重要的意义。农业需水量受多重因素的影响，且这些因素大多存在较强的相关性。通过介绍主成分分析法的原理和计算分析，以实例（z市1998--2010年农业用水资料）建立回归模型对需水量进行预测。结果表明，该模型应用于农业用水量预测，其结果与当地实际情况较吻合，模型的拟合程度和预测准确度均较好。     

气候变化下汉江上游林地植被生态需水量的时空演变

研究气候变化下林地植被生态需水量的时空变化,对于保护涵养水源的林地植被系统,合理规划管理流域水资源有着重要作用。以汉江上游流域11个气象站点1971~2010年的气象资料为依据,采用结合[1]土壤含水量与植物类型修正蒸散发量得到植被生态需水量的方式,从时空角度定量研究了在生长季4~10月份流域林地植被生态需水量及其趋势性变化,并且分析了生态需水量对各气象因子变化的敏感性程度。结果表明:汉江上游流域林地植被多年平均生长季生态需水量为6.915 8×109 m3,整体上呈现非显著性增加趋势,在空间分布上具有明显的地带性特征。生态需水量对不同气象因子有不同程度的敏感性:最高温度水汽压太阳辐射风速最低温度,生态需水量对各气象因子敏感程度的地带性分布特征还与各区域的纬度、海拔、植被类型和下垫面情况有关。     

白洋淀湿地不同时空水生植物生态需水规律研究

在对白洋淀典型水生植物的蒸腾量实地监测的基础上,确定了不同时间和空间下水生植物的蒸散系数,对白洋淀湿地基于现状和恢复目标下的植物生态需水量进行了等级划分和计算.研究结果表明,6～9月综合蒸散系数为3.21、6.24、6.02和1.86.水生植物需水量的时间分布规律为7月>8月>6月>9月,空间分布规律为陆地>水陆过渡带>水中.现状条件下,白洋淀水生植物6～9月的最小需水量分别为0.49×108m3、0.80×108m3、0.60×108m3、0.16×108m3,分别占湿地最小生态需水量的44%、56%、49%、50%(未包含湿地土壤需水量),与湿地最小生态需水量对应的最低生态水位为7.50m、7.50m、7.50m、6.30m.基于生态恢复目标,计算得到6～9月的水生植物最小生态需水量分别为0 56×108m3、0.91×108m3、0.69×108m3、0.19×108m3,为湿地最小生态需水量的30%、41%、35%、21%.对比白洋淀水生植物生态需水量的实际值和计算值发现,白洋淀水生植物的生态需水量在6～9月间分别是计算值的5.75倍、6.42倍、5.00倍和2.29倍.     

基于生态目标的河道生态环境需水量计算

以生态目标的确定为基础,通过建立目标参数与径流间的关系计算得到河道生态环境需水量.其中生态目标由关键期生态目标和时间变化目标2部分组成.考虑不同功能生态环境需水量间的兼容性,以最高等级为标准确定关键期生态目标.采用河道多年平均天然径流量年内时间变化率作为生态环境需水量时间变化目标.海河流域永定河官厅水库下游河道计算中,以生态、生产需水矛盾最突出的4月生物繁殖初始时期对流速的要求作为关键期生态目标,根据河道断面实测资料确定目标参数与径流间的关系.计算结果表明,最小、适宜以及理想等级年度生态环境需水量分别为1.56×10⁸m³,5.97×10⁸m³和11.02×10⁸m³,分别占河道天然径流量的7.19%,27.51%和50.78%,年内汛期8月及春季生物繁殖期(4月～6月)需水量需分别达到年度总量的20%.     

BP神经网络法预测唐山市需水量

需水量预测研究已成为当前水资源规划与管理研究中的重要课题之一.本文设定不同的神经网络运行次数,根据预测结果进行误差分析,BP神经网络在运行5 000次时,具有高度的可信度和可行性.应用5 000次运行次数的BP神经网络模型对唐山市规划水平年的需水量进行预测.最后引入人均综合用水量概念,结果表明,预测结果在理论上和实际上都具有可行性.     

城市景观河流最小生态环境需水量的计算方法——以沈阳城区南运河为例

以沈阳城区南运河为例,从生态学理论和水水功能区划分的角度出发,结合南运河水质现状,通过所建立的水质模型模拟提出了南运河枯水期和丰水期的最小生态环境需水量和水质。在此基础上,提出了城市景观河流最小生态环境需水量的计算方法,从而为城市景观河流生态环境需水量的研究起到一定指导作用。     

成都市中心城区河流生态环境需水量计算及田园城市用水展望

以流经成都市中心城区的主要河流—府河、南河及沙河"三河"为研究对象,在成都市建设现代田园城市背景下,从满足河流水质要求出发,对"三河"的生态环境需水量进行了计算和分析。计算分析结果表明:当前"三河"的水质状况不容乐观,"三河"流量还不能达到建设现代田园城市所需的生态环境用水量。针对分析结果提出了成都市在建设现代田园城市过程中河流水质改善及水资源管理的措施和建议。     

Climate-induced Changes in Spring Maize Water Requirement in Xiliaohe River Watershed

Xiliaohe River watershed plays an important role in regional and national grain security. With the development of society and economy, water consumption that increased dramatically causes water shortages. Crop water requirement can provide quantitative basis for making regional irrigation scheme. In this study, spring maize water requirement is calculated by using PenmanMonteith formula and spring maize coefficient from May to September at 10 meteorological stations in Xiliaohe River watershed from 1951 to 2005. The variation trend of the spring maize water requirement during the whole growing stage, water requirement in every month, and meteorological influencing factors are obtained by using Mann-Kendall method, and the degree of grey incidence between the water requirement and meteorological influencing factors are shown. The results are the spring maize water requirement during the whole growing stages increases at half of the stations in Xiliaohe River watershed, and are remarkably affected by the water requirement in May. The monthly mean, maximum and minimum air temperature form May to September show an increasing trend in Xiliaohe River watershed in recent 55 years. The monthly mean and minimum air temperature increases notably. The relative humidity, precipitation, wind speed and sunshine show a decreasing trend with variety for different months. The monthly maximum air temperature, wind speed, sunshine and monthly mean air temperature have the highest correlation degree with spring maize water requirement from May to September.