一种基于水位高度的明渠流量计算方法技术

本发明专利技术公开了一种基于水位高度的明渠流量计算方法，包括步骤：利用雷达超声波反射原理测量渠道参数信息；利用缆道测量法测得不同水位高度下的少量点流速信息；利用所测渠道参数，建立CFD数值仿真模型，基于实测数据，优化CFD数值仿真模型，直至达到误差要求；利用所得仿真数据扩充数据集，训练径向基神经网络，基于误差结果优化网络结构及参数，使重构流速分布与真实流速分布的均方根误差最小化；利用所得流速场分布，通过流速

【技术实现步骤摘要】
一种基于水位高度的明渠流量计算方法


[0001]本专利技术涉及水文测验应用
，特别是指一种基于水位高度的明渠流量计算方法。

技术介绍

[0002]明渠是一种具有自由表面（表面上各点受大气压强的作用）水流的渠道。人工明渠可以用于人工输水渠道、运河及未充满水流的管道等。人工明渠挖掘更方便，布局更加自由，节约材料，不需要过度考虑地理位置。如果与一定的科学技术相结合，将更能发挥明渠的优势。实现明渠流量的精确测量，对于水资源的合理利用，调配市县流域水量以及了解污水走向等具有重要意义。
[0003]在水文分析与测量中，目前应用范围较广的明渠流量测量方法有：1. 量水堰槽法。利用堰前断面和收缩面之间建立伯努利方程。但是由于建造的原因，导致泥沙堆积，影响水位流量关系，精度降低。其需要定期的维护和清理，加大了成本。而且需要改造已有的明渠，投资大。2. 流速断面法。其需要人工操作，尽管测量精度高，但是也达不到自动化的要求。并且对于窄深明渠来说，其流速分布不是对数分布，精度并不高。
[0004]CFD模拟方法主要是在物理方程（如质量守恒方程、动量守恒方程等）控制下对流体运动的数值模拟，其数值模拟可以对比和延伸实验结果，不需要深入的研究控制方程，只要研究问题的物理本质、边界条件和对计算结果的解释和分析。
[0005]水文预报模型可粗略的分为过程驱动模型和数据驱动模型。过程驱动模型以水文学为基础，实现流量过程的预报；数据驱动模型基本不考虑水文过程的物理机制，通过建立最优数学关系实现流量的预报。在数据驱动模型中，神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，在水文领域得到了广泛的应用。
[0006]由于国内外现有明渠流速分布研究的不完善性，无法实现流量测量高精度与低成本的有效统一。本专利技术利用有限元仿真软件结合神经网络算法实现对流速场的构建，从而实现对流量的高精度估算。本专利技术所提出的明渠流量计算方法对于提高灌区用水管理，实现水资源高效利用等具有重要的现实意义。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的不足，提供一种基于水位高度的明渠流量计算方法。
[0008]本专利技术的技术方案是这样实现的：一种基于水位高度的明渠流量计算方法，包括以下步骤：步骤1：利用雷达超声波反射原理测量渠道参数信息；步骤2：利用缆道测量法测得不同水位高度下的少量点流速信息；步骤3：利用步骤1中所测渠道参数，建立CFD数值仿真模型，基于步骤2中的实测数
据，优化CFD数值仿真模型，直至达到误差要求；步骤4：利用所得仿真数据扩充数据集，训练径向基神经网络，基于误差结果优化网络结构及参数，使重构流速分布与真实流速分布的均方根误差最小化；步骤5：利用所得流速场分布，通过流速—面积法实现渠道流量的高精度计算。
[0009]进一步地，所述流速分布的构建，包括CFD数值仿真模型的建立和径向基神经网络模型的搭建。
[0010]进一步地，所述神经网络的训练集，其将水位高度及该水位下某待求点横、纵坐标作为输入特征，待求点对应的流速值作为输出特征。
[0011]进一步地，所述径向基神经网络的训练集，包括实测数据及CFD产生的仿真数据。
[0012]进一步地，所述渠道参数信息，包括渠道形状、渠道底宽、水位高度、壁面粗糙程度和坡度。
[0013]本专利技术的有益效果：本专利技术解决了在水利计量领域难以实现高效率与低成本的统一的问题，本专利技术通过结合CFD数值仿真技术与神经网络模型实现了明渠断面流量高精度计算，对于提高灌区用水管理，实现水资源高效利用等具有重要的现实意义。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1是本专利技术的明渠流量计算方法流程图；图2是本专利技术实施例渠道断面实测点示意图；图3是本专利技术实施例渠道断面训练集数据示意图；图4是本专利技术实施例RBF神经网络结构示意图；图5是本专利技术实施例流速
‑
面积法示意图。
具体实施方式
[0016]应当理解，此处所描述的实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]实施例1，如图1所示，一种基于水位高度的明渠流量计算方法，包括以下步骤：步骤1：利用雷达超声波反射原理测量渠道参数信息；步骤2：利用缆道测量法测得不同水位高度下的少量点流速信息；步骤3：利用步骤1中所测渠道参数，建立CFD数值仿真模型，基于步骤2中的实测数据，优化CFD数值仿真模型，直至达到误差要求；步骤4：利用所得仿真数据扩充数据集，训练径向基神经网络，基于误差结果优化网络结构及参数，使重构流速分布与真实流速分布的均方根误差最小化；
步骤5：利用所得流速场分布，通过流速—面积法实现渠道流量的高精度计算。
[0019]进一步地，所述测量的渠道参数信息，包括渠道形状、渠道底宽、水位高度、壁面粗糙程度、坡度。
[0020]在本实施中，利用缆道测量法测量如图2所示的渠道在27种不同水位高度下某一断面中均匀分布的7条垂线上三个不同深度（0.2h，0.6h，0.8h）的单点流速，共567个点，将其流速值作为该水位下的实测数据。
[0021]进一步地，所述CFD数值仿真模型，通过渠道参数建立。
[0022]CFD仿真过程包括：在本实施中，由于渠道模型几何较为简单，采用sweep网格划分方法以除去不必要的几何特征。
[0023]所述CFD仿真过程中的计算求解包括：基于渠道水速变化与时间相关且渠道具有一定坡度，选择瞬态模型，并且添加z方向重力、加速度分量模拟河道坡度。
[0024]基于渠道受渠内的水流和表面的气流影响，添加材料water。
[0025]基于流体力学，针对入水口、出水口、水面、避免的参数进行边界条件设定。
[0026]基于初始值对收敛过程的影响，采用PISO算法作为求解算法。
[0027]进一步地，所述CFD数值仿真模型的优化具体为：通过实测数据不断调整模型，直至达到所有水位下的均方根误差与平均相对误差均小于5%的误差要求。此时说明CFD计算的流速场和实际情况基本相同。
[0028]进一步地，均方根误差计算公式：
ꢀꢀꢀꢀ
(1)平均相对误差计算公式：
ꢀꢀꢀꢀ
(2)进一步地，所述径向基神经网络的训练集，包括实测数据及CFD产生的仿真数据。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水位高度的明渠流量计算方法，其特征在于，包括以下步骤：步骤1：利用雷达超声波反射原理测量渠道参数信息；步骤2：利用缆道测量法测得不同水位高度下的少量点流速信息；步骤3：利用步骤1中所测渠道参数，建立CFD数值仿真模型，基于步骤2中的实测数据，优化CFD数值仿真模型，直至达到误差要求；步骤4：利用所得仿真数据扩充数据集，训练径向基神经网络，基于误差结果优化网络结构及参数，使重构流速分布与真实流速分布的均方根误差最小化；步骤5：利用所得流速场分布，通过流速—面积法实现渠道流量的高精度计算。2.根据权利要求1所述的一种基于水位高度的明渠流量计算方法，...

【专利技术属性】
技术研发人员：邱丽如，王与同，刘建乐，陈奕锟，邓懿斌，金诚，周新志，
申请(专利权)人：四川大学，
类型：发明
国别省市：