简介:甘肃神树水电站首部枢纽工程大坝为混凝土面板堆石坝,最大坝高88.8m,坝顶长217.39m。坝址位于深覆盖层河床上。大坝为2级建筑物,按照规范要求必须对其渗流量进行监测,但由于大坝基础坐落在深厚覆盖层基础上,河床宽度相对较宽,如按常规设置量水堰,需在量水堰上游设置截渗墙进行坝体渗流量监测,其工程量及投资较高。为了节省工程投资,同时还能够合理地对坝体渗流量进行安全监测,确保工程运行安全,根据相关规范要求提出了用水力坡降法替代量水堰法对坝体进行渗流量监测,以达到工程渗流监测的目的。此举为深厚覆盖层修建的土石坝的渗流监测开辟了新的方法,可以优化工程投资,提高工程效益。目前,相关设计方案已经实施,待水库蓄水时即可投入运行。
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。