针对通用分割模型作用在坝面混凝土表观裂缝时出现网络深度不断增加，导致模型参数过大，有效裂缝特征丢失，提出一种基于卷积神经网络的轻量型裂缝分割方法，以减小网络内存占用和特征丢失问题。网络采用编码-解码结构，利用深度可分离卷积和轻量特征提取模块构建级联编码器，解码器则融合编码器第二阶段的跨尺度信息，重构特征提取中丢失的像素级几何信息，以提高网络分割精度。试验结果表明：网络在自制坝面混凝土裂缝数据集上训练得到的模型大小为10.8 MB，相较于U-Net减小了90.8%，验证集测试下交并比为73.30%，像素精准率为85.36%，数据结果验证了网络在坝面裂缝分割方面的可行性，为提高坝面检测效率及坝面结构后期维护提供有力支撑。

本文基于欧洲中期天气预报中心（ECMWF）第五代大气再分析数据集ERA5，定义了两类复合高温干旱事件（即气象干旱或农业干旱与高温同时发生的事件），对长江流域2022年春夏复合高温干旱事件演变过程进行了分析，评估了其持续时间及覆盖面积等特征及变化规律。研究结果表明，长江流域2022年复合高温干旱事件时间上自6月开始，8月最严重，9月有所缓解，空间上由中下游开始，然后扩大到全流域，9月又缩小至中下游地区；与流域历史典型事件相比，2022年夏季复合高温干旱事件的各特征值均为最大；1979—2022年期间，两类复合高温干旱事件7—8月份的特征值呈现显著增加趋势。本文结果可加深对流域复合高温干旱事件的认识，对于应对气候变暖背景下的极端事件具有重要意义。

为探究深度学习结合多源数据融合算法在流域径流预测中的效果，采用双向长短期记忆神经网络模型，选取汉江上游区域长序列水文气象资料及大气环流因子数据集，结合集合卡尔曼滤波数据融合算法，构建研究区域内5个流域径流预测模型并进行验证。结果表明，在相同预见期内该模型相比于传统长短期记忆神经网络模型，各项预测指标均有提高且能较好捕捉径流序列极值。采用数据融合算法加入大气环流因子数据集后，不同流域模型评价指标可进一步提升且随着预见期延长模型评价指标变化更为平稳。此预测模型可有效提升流域径流预报效果，为基于深度学习的径流预测提供参考。

气候变化与能源电力供需关系密切。2022年夏季长江上游出现历史同期最高气温、历史同期持续最长高温天数、历史同期最少降水的“三最”叠加局面，导致水电大省——四川日缺电力1700万kW、日缺电量3.7亿kW?h，对社会经济发展和人民生活造成了重大影响。研究建立极端天气下的电力保供规划机制，对于保障能源电力安全具有重要意义。本文分析了2022年夏季四川极端天气对四川电力的影响，辨析了四川电力发展存在的短板，提出了电力转型过程中先立后破、水风光火储多能互补、电源和电网协调发展的有关对策措施建议。

当前堆石坝变形智能预测模型较少关注多测点变形时间序列在时空特征上的不均衡性，因此限制了变形预测精度的进一步提高。为了解决该问题，本文提出了一种结合卷积神经网络、注意力机制和长短期记忆神经网络的堆石坝变形预测模型（CTSA-ConvLSTM），该模型可以提取变形时空特征，对不同时刻和不同位置的测点赋予不同的权重系数，实现对堆石坝整体变形规律的自适应学习。以水布垭面板堆石坝为例，采用该模型和最大断面所有测点的变形监测数据，验证了模型的有效性。模型预测效果优于Holt-Winters等常规时序预测模型，预测精度也优于笔者提出的基于LSTM的变形预测模型。通过深度学习提取监测数据时空特征，进一步提高了大坝变形预测精度，为大坝安全监控模型提供了新的思路。

海上漂浮式光伏是应对光伏开发与土地资源之间矛盾的有效方式，但在波浪作用下，漂浮式海上光伏结构的光伏板将时刻随波浪摇动，使得光伏板的对日角度不断变化，这将对光伏板的发电量具有较大影响。本文推导了光伏板在规则波作用下光照辐射能计算公式，总结提出了“时均倾角”概念，并通过地处渤海湾的算例，计算了同纬度规则波下不同光伏板倾角的海上光伏与最佳光伏板倾角的陆地光伏之间所受辐照能的效率比。根据计算结果，发现不同倾角的光伏板所受辐射能受波浪影响的规律基本一致，都随时均倾角增大而减小，并给出了算例光伏板运动幅值的建议标准，为海上光伏浮体结构研发提供了水动力响应的设计参考边界。

本研究于2014年秋对牡丹江中游段两处受电站调峰影响的河段进行野外调查，对6个岸边退水潭进行水质采样和大型底栖动物采集，分析其水质特征和底栖动物群落组成，与相邻天然主河道的栖息地环境因子和底栖动物群落结构进行对比，并通过冗余分析（RDA）研究退水潭中底栖动物分布与主要栖息地环境因子之间的关系。研究表明，退水潭与主河道的水质和底栖动物组成均有显著差异，退水潭处溶解氧含量和pH值显著高于临近河道，氨氮和总氮含量较高。双翅目、半翅目和腹足纲为退水潭中的优势底栖物种，退水潭中底栖动物物种丰度、生物密度、Shannon-Wiener指数和Margalef丰富度均较河道处低。冗余分析表明退水潭中影响底栖动物群落结构的关键环境因子为溶解氧、pH值、总磷等。

土石坝渗流监控模型是定量分析土石坝渗流安全的重要方法。传统土石坝渗流监控模型常独立采用统计模型或机器学习智能算法模型，未有效融合两者的优点。本文在集成学习的框架下，创新地将统计模型和多种并行的智能算法预测模型进行融合，利用统计模型的可解释性和智能算法的高拟合性进而提升集成模型预测精度。首先针对土石坝渗流统计模型，在经典土石坝渗流统计模型基础上充分考虑渗流影响因子的滞后效应，改进水位分量和降雨分量影响因子表达式。然后，基于贝叶斯差分自适应Metropolis（differential evolution adaptive Metropolis，DREAMZS）集成理论，将机器学习中多个先进智能算法和改进的统计模型进行集成，并获得各模型的最优权重系数。实例分析表明，集成学习融合模型相较于单一统计模型或智能算法模型预测精度有明显的提升，有效融合了统计模型和多种智能模型的预测优势，为土石坝渗流监控模型的建立提供了一种新的建模方法。

水利工程施工过程中施工人员不安全行为是引发安全问题的关键因素，施工现场大多采用现场安全巡检、可穿戴式装备、实时监控等方法进行不安全行为识别，存在费时费力、成本高、信息化水平低等问题，不利于危险行为的及时发现、预警。针对上述问题，本文基于计算机视觉、深度学习，提出了适用于水利工程施工大场景下的不安全行为识别方法。首先，针对大场景下施工人员机械中的小目标漏检、错检问题，提出YOLOv5改进方法，并构建了施工人员机械多对象目标检测模型；其次，基于目标检测模型，分别提出了靠近静态危险区域、动态施工机械、安全帽未佩戴等常规不安全行为的识别方法；最后通过工程实例验证，本文所提出的识别方法增加了施工现场管控手段和力度，有效提升水利工程施工安全智慧化管控水平。

为提高生态流量预警预报精度及水利工程生态调度效率，本文以浙江省椒江流域为研究对象，采用水文学法计算断面生态流量及预警阈值，利用主成分分析法筛选模型预报因子，并提出了基于深度学习和概念水文模型的河湖生态流量预报预警新方法。结果表明：柏枝岙和沙段断面最适宜的生态流量核算值分别为2.89 m3/s和1.92 m3/s；选取降雨和蒸发作为输入因子，采用网格搜索法寻找最优参数，极值梯度提升算法（XGBoost）在所有年份的生态流量预警等级信息预报合格率都达到100%；基于XGBoost和新安江水文模型的耦合预报模型能够很好地完成生态流量预警预报和水库生态流量调度工作。研究成果可为河湖水资源保护和监管提供决策依据。

床面形态的变化影响着泥沙输移和水流阻力，是河床演变的重要方面。预测床面形态变化对河道整治和泥沙研究具有实际意义。本文基于水流阻力规律确定了判别床面形态的特征参数；通过对特征参数与床面形态关系的分析，发现特征参数与床面的形态的关系呈“S”型；利用决策向量机（SVM）多分类法对床面形态进行自动划分，根据划分结果对无量纲特征参数进行非线性和线性拟合，得到拟合函数；对特征参数与沙波形态的拟合函数进行求导分析，计算得出河床在各沙波形态下的特征参数取值范围，确定河床形态判别标准；结合试验数据和实测资料对河床形态判别标准进行验证，结果表明本文所述方法在河床形态识别方面具有可行性和准确性。

日益严峻的城市洪涝灾害严重威胁着城市安全和可持续发展，准确评估城市洪涝风险对于保护人民群众生命财产安全至关重要。本研究基于元胞自动机洪水模拟模型构建深圳河流域洪涝仿真模型，采用综合主观层次分析法和客观权重赋权法的博弈论组合赋权法对各指标赋权，评估和预测不同降雨情景下深圳河流域城市洪涝风险。结果表明：深圳河流域城市洪涝高风险区存在典型的时空差异，随着暴雨重现期的增加，面积占比从2年一遇的0.20%增加到100年一遇的0.82%；中低风险区面积占比从2年一遇的67.4%减少到100年一遇的64.7%。研究结果可有效识别深圳河流域洪涝风险分布，为完善深圳河流域洪涝综合防治体系，提升城市洪涝防御能力和韧性提供借鉴与参考。

有效控制碾压混凝土压实质量是确保大坝安全稳定运行的前提。本文提出了考虑滞后相位角的碾压混凝土坝料改进刚度指标，并给出了滞后相位角的测定方法；结合耦合滞后相位角改进刚度指标、坝料特性参数、碾压参数和频域压实指标，提出了基于XGBoost算法的碾压混凝土压实质量综合评估方法。实例分析表明，改进刚度指标能够更好表征坝料压实质量，综合评估模型的决定系数约为0.86，表明模型精度较高，计算压实度与实测压实度的相对误差平均值为0.47%。本文方法为碾压混凝土坝施工压实质量控制提供了新的有效途径。

管涌是导致水利工程失稳破坏的主要原因之一。目前对土体管涌的研究大多忽视颗粒的形状效应，且部分实际工程的渗透变形结果与理论判别准则不符。为此，采用自主设计的土体渗透试验装置，对3种不同形状的砂土开展了多种颗粒级配的土体管涌试验，基于分形理论和毛管模型多尺度分析了土体发生管涌的临界水力条件，借助声发射系统对试验过程进行了监测。研究结果表明：形状趋于球形砂样的渗透性较强，易发生管涌破坏；随着阻塞颗粒含量的增加，土体在渗流作用下趋于稳定；土体发生管涌的临界水力梯度与质量分形维数呈反比关系；考虑颗粒形状和有效孔隙体积建立的毛管模型，可以较为准确地预测管涌发生的临界流速；声发射累积能量的演化规律可以反映土体管涌的发展特征。

水电站溃坝事故时有发生，因此研究溃坝波对下游结构物的冲击作用具有重要意义。本文开展物理模型试验，利用溃坝波生成器生成溃坝波，并记录水槽末端结构物受溃坝波冲击的力学表征。试验结果揭示了溃坝波冲击斜坡-平板结构时的荷载历时曲线及平板上托压强分布特性。在时间分布上，溃坝波冲击压强先后表现为5个压强阶段，本文主要研究其中的波前沿冲击压强及准恒定压强两阶段；在空间分布上，顺流方向的波前沿冲击压强和准恒定压强均从板坡结合处到板前沿递减，而在横流方向两压强变化均不大。基于试验数据拟合出溃坝波作用于平台的上托压强分布公式，得出顺流方向的最大波前沿冲击压强和最大准恒定压强分布情况。

轴流泵在偏离设计工况特别是小流量工况马鞍区附近运行时，流道内部强烈涡旋会造成剧烈的压力脉动，影响了泵组的安全稳定运行。本文以高比转速轴流泵为研究对象，对轴流泵5个流量工况点进行了整体流道三维流动计算，探讨该轴流泵运行时的非定常流动特性。数值计算采用RNG k-ε湍流模型，5个定常工况点计算的外特性曲线与轴流泵性能特点研究结果一致。对0.2Qd和1.0Qd工况进行非定常计算，结果显示，相同位置测点间的压力脉动混频幅值和频率均存在明显差异，0.2Qd工况下相同位置测点间的压力脉动峰峰值最大超过1.0Qd工况下4倍，说明此时流道内的流态分布很不均匀。测点离叶轮和导叶越近，低频脉动的主频受动静干涉引起的3fn和5fn脉动幅值就会明显增强，0.2Qd工况下流道内测点受动静干涉作用的影响更强，脉动幅值为1.0Qd工况下相同位置测点的3 ~ 5倍，且在转轮和导叶流道内影响的范围更广。结果表明，0.2Qd小流量工况运行时压力脉动比1.0Qd设计工况明显剧烈，叶轮和导叶内受动静干涉作用的影响更强，导叶流道内充满了严重的流动分离和漩涡。

新型电力系统背景下，新能源占比逐步提高。新能源的随机性、波动性和反调峰特性使电力系统调节困难，电力电量平衡分析面临新的挑战。本文结合能源转型战略需求，首先提出了新型电力系统电力电量平衡模式，给出了电力电量平衡关键流程；接着对火电、水电、抽水蓄能/储能电源进行精细化建模，建立时序电力电量平衡模型；最后基于实际电网数据的算例分析验证所提方法的准确性和效率。结果表明，该方法能够准确反映水、火和储能机组的出力特性，给出新能源消纳情况，支撑提升措施研究，显著提升科学规划水平。

针对大坝变形时间序列预测问题，考虑多测点变形相关性，建立变形量时空多维输入矩阵，提出一种基于K-means聚类融合多元时空信息的Informer-AD大坝变形预测模型。首先，采用K-means聚类对变形测点进行分区；其次，引入面板数据回归模型分析分区结果；最后，提出融合多元时空信息的Informer-AD大坝变形预测模型。利用该模型对空间特征序列进行学习，通过全连接层整合空间特征，输出预测的大坝变形值。将上述预测模型运用于CT混凝土重力坝，结果表明，本文所提出的考虑时空关联性的预测方法充分挖掘大坝变形整体性态与测点空间分布特性的关系，能够更好地捕捉变形时空特性，进而提高预测精度。

以发电效益最大为目标，探究适应极端枯水条件的金沙江下游和三峡梯级水库蓄水策略。结合蓄水效益最大规则和三峡供水调度需求，提出了极端枯水条件下梯级水库蓄水调度方式，以蓄水位目标为控制边界拟定不同水量分配原则的蓄水方案，选择典型极端枯水进行模拟调度和效益分析。结果表明：梯级水库蓄满的临界天然来水条件为8月—9月上旬来水不少于97%频率的典型来水（1994年），9月中旬—11月来水不少于90%频率的典型来水（1992年）；极端枯水条件下，梯级水库通过开展联合补水调度，能够满足三峡向下游供水的调度需求；梯级水库无法全部蓄满情况下，优先蓄满金沙江下游梯级水库可使发电效益更大，推荐优先蓄满白鹤滩水库，其次溪洛渡水库。

雅鲁藏布江流域地处高原寒区，研究该地区的积雪时空分布对工程建设和雪灾防治有重要意义。基于1979—2021年中国雪深长时间序列数据集、中国逐月气温与降水量数据集，采用Mann-Kendall趋势分析法和皮尔森相关分析法研究雅江流域的积雪深度特性。结果表明：积雪深度在空间分布上呈现“两端高、中间低”，西部源头处与东北部边缘地区有深厚积雪覆盖；积雪主要分布于海拔4000 ~ 5200 m、坡度小于35°范围内，其中最高雪深值分布在约4850 m；1979—2021年平均雪深以0.032 cm/a的速率减少，2017年经历了43年间的最低雪深值，近几年逐渐回升到多年平均水平；年平均气温以约0.024 ℃/a的速度升高，其与雪深呈现显著负相关性。