山西坪上泉水资源量评价及基于SVM理论的泉流量预测模型研究

发布时间：2020-11-11 12:27

　　 坪上应急引水工程是山西六大水利工程之组成部分,是山西兴水战略的重要组成部分。坪上泉岩溶水是坪上应急水工程的引水水源。由于该项目的供水目标为忻府、定襄和原平,保证率要求很高。供水工程水源地的建立直接关系着供水区国民经济的可持续发展,以及百万人民的安全用水,因此,山西坪上泉水资源量评价及基于SVM理论的岩溶泉流量预测模型研究具有重要的现实意义和长远的战略意义。 本文在前人研究的基础上,通过对研究区水文、气象、地质、地貌和水文地质条件分析,根据系统理论划分了泉域岩溶水子系统,即甲子湾泉子系统、李家庄泉—坪上村泉子系统、水泉湾泉—段家庄泉子系统和水头沟泉子系统。建立了泉域水文地质概念模型,将泉流量的主要影响因素概化为大气降水、河水渗漏补给和人工开采。 本文简述了支持向量机基本原理,针对支持向量机(SVM)预报模型的智能化程度高、人工干预少,可随变量实测资料的增加,通过自学习来自动调整参数,使模型不断贴近实际,以及操作简单易于工程管理部门实际应用的特点,结合评上泉实际,建立了基于SVM理论的坪上岩溶泉流量预报模型,并针对影响因子对泉水流量时序性作用特征,优选了最佳时间序列长度,确定了最佳核函数,制定了模型预报流程。因此该项研究为引水工程未来数字化管理,为引水工程可供水量预报和供水区的多水源优化配置奠定了基础。 本文还依据坪上泉域地处山区的特点,确定泉水资源量计算方法,即以排泄法为主、补给法校核。计算得:泉域1956～2006系列多年平均岩溶地下水资源量为15200万m3/a;泉域岩溶地下水可利用资源量采用了理论频率分析法,计算结果表明:坪上泉岩溶地下水年可利用资源量为7064万m3/a,地下水资源可采系数为0.465,岩溶水现用量仅占可利用量的4.3%,为有潜力开发区。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TV211.1
【部分图文】：

第二章 泉域自然地理条件地理位置与泉域概况泉位于忻州市定襄县、五台县境内，其地理坐标为：东经 113°02′～1纬 38°27′～39°05′。北同蒲铁路忻州至河边支线从忻州站接轨，由太东部边缘的河边乡。各乡镇间有公路相通，交通位置图如图 2-1 所示。

图２-2区域降水等值线图

3.8 岩溶水子系统及其关系3.8.1 岩溶水子系统的划分根据对坪上泉岩溶水蓄水构造特征、岩溶水水动力特征、水化学特征以及水同位资料的综合分析，将该含水系统划分出甲子湾泉(I)、李家庄泉—坪上村泉(Ⅱ)、水泉—段家庄泉(Ⅲ)、及水头沟泉(IV)四个子系统，具体见图 3-3。
【相似文献】

相关期刊论文 前10条

1 周子豪;瞿庆海;;基于SVM方法的CNiping攻击防范模型[J];实验室研究与探索;2011年07期

2 郭丽丽;张卫海;吴刚;韩园园;张伟忠;;陆相成熟烃源岩区连通砂体对油气运移的控制作用[J];地球科学与环境学报;2011年02期

3 陈葡;谢晓尧;徐洋;;基于词序列核的垃圾邮件过滤[J];武汉大学学报(理学版);2011年05期

4 刘文霞;;自然景物分类的特征提取[J];赤峰学院学报(自然科学版);2011年08期

5 于海洋;程钢;张育民;卢小平;;基于LiDAR和航空影像的地震灾害倒塌建筑物信息提取[J];国土资源遥感;2011年03期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关博士学位论文 前10条

1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年

2 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年

3 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

4 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年

5 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年

6 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年

7 王金林;基于混沌时间序列和SVM的入侵检测系统研究[D];天津大学;2010年

8 包鑫;稳健回归技术及其在光谱分析中的应用[D];浙江大学;2010年

9 渐令;基于核的学习算法与应用[D];大连理工大学;2012年

10 张健;提高制浆蒸煮过程纸浆Kappa值软测量精度的研究[D];华南理工大学;2004年

相关硕士学位论文 前10条

1 侯琨;山西坪上泉水资源量评价及基于SVM理论的泉流量预测模型研究[D];太原理工大学;2010年

2 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年

3 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年

4 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年

5 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年

6 连华娟;基于KPLS特征提取下的FWLS-SVM回归方法[D];东北大学;2008年

7 赵晋丽;基于KPCA与SVM的工业过程故障诊断方法的应用研究[D];东北大学;2008年

8 曹云生;基于支持向量机（SVM）的森林生态系统健康评价及预警[D];河北农业大学;2011年

9 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

10 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年

本文编号：2879178