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：利用kruskal算法实现最小生成树,并在VB开发平台上实现了kruskal算法,最小生成树解决了水利工程建设中的所有路径和最短路径问题,不仅可以提高水利系统的稳定性、可靠性,而且可以节省水利工程投资,对水利工程的设计与施工具有重要的参考价值。

简介：文章对节水灌溉制度设计中混沌算法的应用进行了研究。通过实例分析表明，混沌算法的结果符合实际情况，将其应用到节水灌溉制度设计中，不仅能够减少运算时间，还可提高计算精度，可在节水灌溉计算中参考应用。

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：针对传统水污染源辨识模型存在适用性不足等问题,本文通过结合数学分析方法与遗传算法,基于简化的一维对流数学扩散方程构造适应度函数,从而构建了水污染源遗传算法辨识模型,并使用该模型针对多点源与单点源两种水污染状况污染源进行了辨识与对比分析。研究结果表明,该模型计算简易且可操作性强,可取得较好的反演效果,研究可为我国河流水污染源反演辨识提供决策依据。

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：以抚河临水流域为研究区域,整合流域下垫面与气象数据资料,基于GIS平台构建了SWAT分布式水文模型;采用SUFI-2算法进行模型参数敏感性分析、率定及不确定性分析,并对抚河临水流域径流过程进行模拟。结果表明：率定期和验证期的模拟值和实测流量拟合程度较好,决定系数（R2）和纳什效率系数（Ens）均在0.80左右,模拟结果较理想,有很好的适用性。

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。