简介:为进一步认清河北省文安县高氟地下水的水化学性质,在水文地质调查以及取样分析的基础上,采用水化学特征分析、多元统计分析和水化学成因分析等手段阐明文安县高氟地下水的分布特征和关键水化学性质.结果表明:文安县深层地下水氟化物含量0.56~4.19mg/L,总体分布是中北部偏高;其关键水化学特征是pH值7.7~8.7、总碱度高于211mg/L、总硬度低于90mg/L,水化学类型为典型的Na-HCO3型;在文安县地下水环境条件下,总碱度、碳酸氢根以及钠离子是促进高氟地下水形成的关键水化学因素;当2.0mg/L<F-<3.5mg/L时,地下水中Ca2+与F-有拮抗作用.通过氯碱指数和饱和指数分析可知,研究区域高氟地下水的形成主要是水-岩间的阳离子交换反应和氟矿物的溶解-沉淀反应.
简介:针对某一水利工程中使用的双向止水铸铁闸门,利用ANSYS软件建立了三维有限元模型。在正、反向水头差均为10m的工况下,采用传统的薄板强度理论计算方法与三维有限元法进行比较与分析,结果表明两种方法的计算结果存在较大差异,最大应力与变形的结果误差高达30%~50%,其中传统经验公式的计算结果相对保守,导致铸铁闸门的制造成本加大,特别是当反向水头作用下最大应力和变形不在同一位置时,更加凸现。研究发现,根据铸铁闸门材料自身抗压/抗拉强度以及闸门正/反向受力和变形的变化情况,来分析相关规范要求的强度与刚度允许值时,存在不足之处,因此本文对闸门布置型式和门体的截面尺寸提出优化方案,降低其制造成本。
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。