堆石混凝土技术在高坝和大型工程中的应用呈增长趋势，部分工程场址的地震设防烈度较高，对堆石混凝土大坝的结构设计提出了更高要求，亟需对其动力性能开展深入研究。本文采用缩尺试验方法，开展了考虑不同围压和应变率的堆石混凝土单轴和三轴压缩试验。试验结果表明，堆石混凝土的单轴极限抗压强度随应变率的增加而增大，但随粗骨料粒径和试件尺寸的增大有一定降低趋势；围压对堆石混凝土的动强度提升作用显著；在相同围压下，采用较大粒径粗骨料的试件表现出相对较低的单轴抗压强度，但会有更高的三轴抗压强度，表明粗骨料自承骨架细观特性对堆石混凝土强度也有重要影响。基于试验结果，用八面体应力建立了堆石混凝土的破坏准则，以服务于堆石混凝土结构的抗震设计。

水库作为重要的水资源工程，其高效运行具有重大意义。然而，国内外大多数水库基于历史统计资料制定调度规则，面向规划设计的静态控制限制了其主动应对洪水和干旱的能力。近年来，气象水文预报水平显著提高，预报引导的水库调度（FIRO）成为研究热点。本文介绍了现有的数值天气预报及其精度的主要影响因素、常用的水文预报模型以及快速发展的人工智能预报；综述了预报引导的水库调度方法及其应用成效。最后，建议综合利用包括全球导航卫星系统（GNSS）反演的大气可降水量在内的多种气象水文预报产品、制定面向“水汽—降水—径流”三道防线的预报调度方法、构建考虑梯级水库群多阻断效应的深度强化学习调度模型，以实现水资源的高效利用。

中小流域径流预测精度与实测降雨站点密度、分布及历史数据序列长短有关。为提高中小流域山洪预警预报精准度，本文基于图论重新定义了福建沙溪流域2000—2014年间具有显著降雨径流关系的小时级降雨-径流模型的数据结构，利用图神经网络构建“端到端”降雨-径流数据动态映射模型，通过图卷积神经网络模型（GCN）、图注意力机制模型（GAT）和切比雪夫图神经网络模型（Chebnet），对未来不同预见期的径流过程进行预测。以平均绝对误差（EMAE）为评价指标，对未来2 h的预测结果与长短期记忆模型（LSTM）、门控循环单元（GRU）和人工神经网络（ANN）的预测结果进行比较。结果表明，Chebnet和GAT模型对沙溪流域预测未来1 h和2 h降雨-径流过程的非线性数据拟合能力更好，相比LSTM和GRU预测精度提高了37.3% ~ 64.71%；Chebnet模型对未来15 h内的径流预测效果较为稳定，在提高精度和适用性的同时，大幅降低了时效性的影响。本文对中小流域径流预报预警具有一定指导意义和参考价值。

混流式水轮机模型试验中，部分运行工况下尾水管中常出现螺旋涡带现象。除监测到典型的涡带旋转频率fv外，尾水管管壁压力信号中还常伴随出现转频fn及其高次倍频(1 ~ 5)fn等特殊频率成分。在部分工况下，这些特殊频率成分具有显著幅值，但其产生机制尚存在不同解释。本文对HL120-LJ-35混流式水轮机在典型涡带工况区的内部流场特性，结合高速摄影与压力脉动实测数据，系统研究了单位流量、单位转速及空化系数对涡带形态及压力脉动特性的影响，并重点分析了(1 ~ 5)fn特殊频率成分的可能成因。研究结果表明，单位流量对涡带旋转频率fv的幅值影响显著：在螺旋涡带清晰可见的工况下，fv对应的压力脉动幅值显著增强；相比之下，空化系数和单位转速对fv幅值的影响相对较小。此外，在部分特定工况下，尾水管内出现细长且稳定的空化涡带结构，此时转频fn对应的幅值出现剧烈上升，推测与含空化螺旋涡带引发的水力系统共振密切相关。而(1 ~ 5)fn的特殊频率成分则可能来源于螺旋涡带具有椭圆形截面并伴随自转运动的特征，其自转频率与上述特殊频率成分高度接近。

针对大坝裂缝检测中监控图像质量低、有效样本稀缺及复杂背景干扰导致的误检问题，本研究提出一种基于改进YOLOv8n的检测方法。通过193张工程实拍背景复杂的裂缝图像对模型进行训练，并通过修改马赛克数据增强机制，针对误检目标进行负样本训练。实验结果显示：小样本训练下YOLOv8n模型mAP达到89.2%，满足一般工程应用；经负样本训练后模型mAP达到92.5%，误检率下降10.1%，显著解决复杂背景下的误检问题。研究表明YOLOv8n模型能够胜任图像质量较低的大坝监控图像，且负样本训练策略对解决模型误检问题有显著效果，为解决水利工程裂缝识别问题提供了新的思路，具有较高的工程应用价值。

裂缝作为混凝土坝最常见的病害之一，其存在会对坝体结构的整体性与耐久性产生削弱作用。因此，裂缝检测是混凝土坝运维管理中的重要任务。针对传统图像处理技术在检测裂缝时人工干预多、泛化能力不足的问题，本文提出了一种融合多尺度特征与注意力机制的大坝裂缝语义分割模型。该模型选取ResNet-50作为主干网络，并结合路径聚合网络复用浅层特征，同时引入通道注意力和位置注意力机制，以强化模型对关键特征的捕捉能力，从而有效提升分割精度。随后，根据模型语义分割所得结果，利用数字图像技术对裂缝的面积、长度、平均宽度以及最大宽度等几何特征进行量化表征。在自制裂缝图像数据集上的测试结果显示，所提模型的裂缝分割交并比达到82.02%，F1分数为90.12%，且几何特征量化结果与真实值具有较高的拟合度，符合精度要求。这表明该方法在混凝土坝裂缝检测和几何特征量化中具备良好的应用潜力。

缺失值处理是大坝安全监测数据分析的重要基础，传统大坝缺失值处理方法多采用单一基学习器进行预测插补，未有效融合多类型机器学习模型的优势。本文在集成学习框架下，将多种经典机器学习及深度学习算法集成为强学习器，针对各模型权重分配问题，提出一种新的CRITIC-Stacking（CS）权重分配方法，从而建立基于CS集成学习的大坝监测数据插补混合模型。研究结果表明，相较于单一基学习器和传统的Stacking集成模型，其RMSE指标平均降低了72.7%和58%，说明集成学习可以充分发挥多种机器学习模型的预测优势，并且权重分配方法的改进同样可以提升集成学习模型的预测精度，进而为大坝监测数据缺失值处理及预测模型构建提供了一种新的建模思路。

水力过渡过程中泵站前池最高涌浪决定了前池的设计顶高程，最低涌浪决定了前池的设计底高程。若设计不当，将出现前池溢流或拉空现象。确定前池涌浪极值，对保障输水工程的安全运行具有重要意义。本文针对描述长距离供水系统泵站前池涌浪变化的非线性动力方程，基于KBM法推导了前池涌浪极值的显式计算公式。同时，利用数值计算验证了显式计算公式的精度，并对精度进行了敏感性分析。研究结果表明，最高涌浪显式计算式与MOC数值仿真结果的相对误差在1%以内，最低涌浪显式计算式与MOC数值仿真结果的相对误差在2.5%以内，且形式简单，便于工程设计采用。

混凝土坝运行过程中极有可能受到突发事件、自然灾害以及人为管理变化等各种不确定性因素的影响，导致坝体常规变形规律出现一定幅度的改变。如何准确识别大坝运行规律的变化，对提升混凝土预警预报水平具有重要意义。对此，本研究使用空间聚类方法对混凝土坝结构内部不同区域之间的相似性测点进行分类；采用模糊聚类（Gath-Geva）算法划分阶段，允许数据点依据隶属度属于多个时间段，以测量分段同质性，并且检测多变量时间序列隐藏结构的变化；利用基于聚类相容性准则的模糊决策算法，确定所需的分段数以及主成分分析（PCA）确定主成分数，进一步提高了Gath-Geva算法的精度。以拉西瓦大坝为例，利用上述方法识别出了测点位移时间序列规律的隐藏结构变化，通过对比分段数据与全时段数据的统计建模结果表明：本文所提出的算法可以很好地提取到混凝土坝在运行过程中发生的突发异常变化，为分析混凝土坝运行状态提供了有力支撑。

针对水滴在风场中随机运动特性的科学问题，提出水滴稳态变形为椭球形的假设，并采用白噪声来描述因相对风速和水滴运动姿态改变所引起的迎风面积随机性，建立椭球形水滴运动随机微分方程，并对椭球形水滴的运动形态及漂移距离进行检验，验证了椭球形水滴随机运动数学模型的正确性。应用该数学模型计算得到了不同条件下椭球形水滴的离散系数，结果表明：运动过程中的椭球形水滴，因大量空气分子的随机力作用以及水滴迎风面积变化所受到的随机影响作用，与水滴的弗劳德数成正比。

针对预报调度在城市复杂供水网络系统优化决策中的应用问题，本文提出了基于水雨情预报信息进行优化决策的城市复杂供水网络系统概念。综合考虑了各水库自身安全、下游防洪安全、水厂受水能力、供水管道最大允许过流能力和城市供水保证率等实际情况，以水库群的安全度最高和经济效益最高为目标函数，建立了城市复杂供水网络系统优化决策模型，并应用于宁波市供水网络系统。结果表明：模型能在洪水来临前，根据水情预报信息，调整供水网络系统调度策略并协调各库任务，使宁波市城市供水网络系统运行安全度保持较高水平、模拟期供水保证率达100%、洪水期间水资源利用率达41.3%，达到预期效果。本文研究成果可为城市复杂供水网络系统优化决策提供技术支持和理论参考。

试坑法是目前规范规定的堆石坝填料碾压质量检测方法，其中试坑体积量测的效率和精度直接影响堆石体压实质量检测的速度和准确性。随着三维激光扫描技术的快速发展，三维点云采集难度下降，且精度大幅提升，为替代常规灌水法快速检测堆石体试坑体积提供了新途径。论文提出一种基于三维激光扫描技术的堆石坝试坑体积快速计算方法，构建集试坑三维点云数据获取、配准拼接优化以及快速体积计算为一体的成套流程；通过标准模型和室内模型进行算法测试，验证了平面投影法在捕捉堆石体颗粒分布凹凸不平特征点云的优势。大型试验场地优化测试表明，采用球形标靶辅助配准优化与拼接优化后，体积测量相对误差基本控制在5%以内。最后，通过实际在建堆石坝工程的现场试验与应用，证实提出的基于三维激光扫描技术的堆石坝试坑体积快速计算与优化方法可实现堆石坝检测坑表面点云的高效准确提取，大大节省碾压施工过程中的检测时间，有望取代传统的灌水法计算试坑体积。

为了在考虑源荷不确定性的条件下更为精确地估计水火风光等多电源参与电力市场的出清电价，从而达到在降低风险成本的同时提高发电主体参与现货市场效益和优化电力资源配置的目的，本文在日前市场出清价格预测过程中，以源荷不确定性作为主要变量要素，对发电端机组出力预测的多维参数随机分布特征和负荷端的需求响应作用进行不确定性量化，结合电力市场物理出清机制和IEEE30节点电力系统，以多电源参与日前市场发电总成本最小为目标，建立了考虑源荷不确定性的日前市场出清价格区间预测模型，可求解得到兼顾源荷不确定性的机组节点边际出清价格和中标出力区间预测结果。应用于IEEE30节点电力系统的算例分析结果表明，本文模型预测的出清电价和出力范围能够有效提升发电主体申报效率和中标效益，较传统单点出清预测方法整体效益提高了4.09%，发电期望效益增加0.47%，验证了模型的可行性和优越性，为发电主体参与日前现货市场的阶梯报价和机组出力申报提供了更为丰富的参考依据。

针对高原复杂地形区多能互补系统容量失配难题，本文以雅鲁藏布江中游为研究区域，将Ward's层次聚类算法应用于风光资源开发的空间布局优化领域，并构建了水-风-光-蓄四维耦合的8760小时精细化模拟框架，突破了传统月尺度规划的时间分辨率限制，进一步以流域内在建的街需水电站和规划中的永木抽水蓄能电站为例进行了水风光蓄容量优化配置研究。精细化风光资源评估结果表明，雅鲁藏布江中游地区风电资源可开发潜力约2350万kW，太阳能资源可开发潜力约2.38亿kW；基于街需-永木电站的水风光蓄多能互补系统对新能源利用具有显著的调节作用，一方面风光的互补性可以提高新能源的利用率，另一方面抽水蓄能电站能平抑风光出力的波动性，增加电网稳定性。考虑需求侧的灵活性之后，新能源与抽蓄电站的装机容量比显著增加。

随着新建抽水蓄能电站日渐增加，其上水库面临的地质问题也越来越复杂，对灌浆工程质量评价也提出了新的要求。由于地下工程的隐蔽性与复杂性，使得当前灌浆理论的发展难以满足指导灌浆工程实践的需求；人工智能技术虽然对处理此类模糊关系问题有明显优势，是大数据时代岩土工程领域发展的新趋势，但当前多以地质信息作为主要输入参数，受技术手段、工期、成本等条件限制，短期内难以打破样本量不足的瓶颈问题，而易于获取的海量帷幕灌浆数据却未被充分利用。本文以五岳抽水蓄能上水库的库岸防渗帷幕灌浆工程为研究对象，基于该工程三序共1104个灌浆孔累计4350个段次的灌浆数据，结合有限的地质资料，采用描述统计方法和空间分析方法，深入挖掘了灌浆数据本身所蕴含的信息，并对灌浆质量进行评价。结果表明：通过灌浆量的描述统计特征可基本识别新鲜基岩、一般裂隙岩体、裂隙密集带岩体以及灌浆质量不达标风险较大的岩体；灌浆量与地质条件存在一定的相关性，但因地质条件空间展布特征与裂隙填充物情况不同，所影响的灌浆次序也有所不同；仅凭首序孔（Ⅰ序孔）的灌浆情况，不能直接判断其所在区域的灌浆质量或灌浆效率；相比有限数量的检查孔数据，高密度分布的海量灌浆数据能够更全面地评价灌浆质量。充分挖掘灌浆数据蕴含的信息，可为海量灌浆数据的充分利用提供新思路、新方向，对推动灌浆工程智能化发展具有重要意义。

为了减小振动信号的非线性与非平稳特性对振动预测精度的影响，本文提出了一种融合自适应特征与优化核极限学习机（KELM）的抽蓄机组振动预测方法。首先，利用改进的自适应噪声完全集成经验模态分解（ICEEMDAN）对振动信号进行分解，获得不同频率成分的本征模态分量；其次，采用自编码器（AE）对所得分量进行自适应特征提取，动态捕捉关键特征；然后，建立KELM预测模型分别对各分量进行预测，并提出差分进化—改进哈里斯鹰算法（DEIHHO）对KELM的正则化参数与核参数进行优化，进而叠加各分量预测结果得到机组振动的最终预测结果；最后，通过实例验证表明，所提方法具有较好的预测性能，能够有效提高抽水蓄能机组振动预测的准确性。

为了研究大粒径骨料在沥青混凝土防渗面板材料中的适用性，并在提高沥青混凝土力学性能的同时降低材料成本，本文将防渗层沥青混凝土骨料最大粒径Dmax由16 mm提高至26.5 mm和31.5 mm。通过配合比试验获得三组不同最大粒径沥青混凝土最优配合比参数，并进行劈裂、单轴压缩、拉伸及斜坡流淌试验，对比三组不同最大粒径沥青混凝土各项性能优劣，分析了骨料最大粒径对其性能的影响。结果表明，骨料最大粒径对沥青混凝土配合比参数和性能具有显著影响。随骨料最大粒径的提高，级配指数增大，骨料比表面积减小，油石比降低（由7.0%降至6.2%），从而有效降低了材料成本；同时，通过适当提高骨料最大粒径，有助于提高沥青混凝土劈裂强度（提高4.02%）、抗压强度（提高14.07%），并降低斜坡流淌值。但骨料最大粒径过大时，抗拉强度下降（降低5.78%），破坏模式主要以脆性破坏为主，材料适应变形能力会有所减弱。本文旨在为大粒径骨料在抽水蓄能电站面板防渗层沥青混凝土适用性研究提供参考依据。

为实时精准识别水电工程施工现场中存在的安全隐患，融合通道注意力机制与空间注意力机制，改进YOLOv8算法，提出一种双重注意力机制驱动的水电工程施工安全隐患自动辨识方法。首先，基于YOLOv8网络框架，构建通道注意力机制，自适应强化关键特征，动态表达隐患区域图像特征，并抑制背景噪声影响。其次，搭建空间注意力机制，通过加权重要区域、减少背景干扰，优化特征融合，自适应调整关注度，增强局部细节捕捉和定位精度，提升多尺度隐患检测能力，增强模型的空间特征表示能力。最后，结合实际工程检验模型的准确性与可靠性。结果表明，该方法通过注意力机制能很好应对水电工程施工现场的干扰，施工安全隐患识别精度高达86.2%，优于已有隐患识别模型，可为水电工程施工安全隐患动态管理和精准防控提供技术支撑。

高时空分辨率降水数据是支撑精细化水文模拟的基础。本文采用耦合Bartlett-Lewis矩形脉冲模型和日降水量调整算法的Hyetos降水随机模拟模型，对黄淮海平原区142个气象站的小时降水过程进行随机模拟。采用基础统计特征、极端降水指数、日内干湿特征等多种评估指标对模型在研究区的适用性进行综合评估。结果表明：Hyetos模型能很好地模拟研究区小时降水的均值、标准差等统计特征，但对小时降水的偏度系数有一定程度的低估。模型能有效模拟研究区部分极端降水强度和频率指数，但对年最大1小时降水量和极端降水量有一定程度的低估。此外，模型对研究区日内干湿特征模拟方面仍有一定的偏差，很难捕捉长历时降水事件。本文的研究结果可为黄淮海地区降水径流模拟提供参考。

渗流作用下间断级配砂砾土细颗粒通过粗颗粒间空隙通道迁移导致内部侵蚀，引发土骨架重新分布和变形进而威胁土石坝、堤防等工程的安全。颗粒形态以及与其他参数的关联性是影响土体结构发生内部侵蚀的重要原因之一。本研究采用自主研发的土体内部侵蚀装置，对3种不同颗粒形态的间断级配砂砾土开展不同水力梯度条件下土体内部侵蚀试验，揭示土体内部侵蚀的宏观演变特征；基于计算流体动力学-离散元耦合方法（CFD-DEM），从力链、接触力、配位数的细观层面探究不同球形度粗颗粒形态和细颗粒含量对间断级配砂砾土内部侵蚀的综合影响。结果表明：当细颗粒含量相同时，土体粗颗粒球形度越高，细颗粒的流失数量和规模越显著；非球形颗粒的自锁效应增强了间断级配砂砾土的抗渗透性；土体粗颗粒球形度与平均配位数呈反比关系。研究结果可为评价间断级配砂砾土发生内部侵蚀风险提供重要依据。