基于ADCP的水文站断面平均流速AI计算模型研究 (1).pdfVIP

第 40 卷云南水力发电

第 7 期YUNNANWATERPOWER15

基于ADCP的水文站断面平均流速AI计算模型研究

吴思东

（广东省水文局惠州水文分局，广东 惠州 516000）

摘要：本研究旨在探讨如何利用走航式ADCP流速数据和人工智能技术，提高岭下水文站的断面平均流速计

算精度，以解决复杂的流量监测难题。通过比较指标流速法和基于AI的计算模型，评估了它们在不同水深条件

下的性能和适用性。结果表明，在多数情况下，AI算法表现出更高的计算合格率和较低的不确定度，尤其在高

水期和中水期。然而，在低水期测流时，数据质量仍然存在挑战，需要进一步改进和扩大样本容量。这项研究

为提供更准确、实时的水文信息，支持水资源管理、防汛减灾和生态保护提供了重要依据。

关键词：走航式ADCP数据采集；水文站断面平均流速；AI计算模型

+

中图分类号：P336；P334.92        文献标识码：A        文章编号：1006-3951(2024)07-0015-05

DOI：10.3969/j.issn.1006-3951.2024.07.004

ResearchonAICalculationModelforAverageFlowVelocityof

HydrologicalStationCross-sectionBasedonADCP

WUSidong

(HuizhouBranchofGuangdongProvincialHydrologicalBureau,Huizhou516000,China)

Abstract:TheaimofthisstudyistoexplorehowtousenavigationbasedADCPflowvelocitydataandartificial

intelligencetechnologytoimprovetheaccuracyofcalculatingtheaverageflowvelocityofthecross-sectionat

Lingshuihydropowerstationandsolvecomplexflowmonitoringproblems.Bycomparingtheindicatorflow

ratemethodandAIbasedcomputationalmodels,theirperformanceandapplicabilityunderdifferentwaterdepth

conditionswereevaluated.Theresultsindicatethatinmostcases,AIalgorithmsexhibithighercomputational

qualificationratesandloweruncertainty,especiallyduringhighandmediumwaterperiods.However,thereare

stillissueswithdataqualityduringlowwaterperiodflowmeasurement,andfurtherimprovementandexpansion

ofsamplesizeareneeded.Thisstudyprovidesimportantbasisforprovidingmoreaccurateandreal-time

hydrologicalinformationtosupportwaterresourcemanagement,floodpreventionanddisasterreduc