首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 359 毫秒
1.
传统的连续排泄水箱难以模拟岩溶泉断流现象,通过将表层岩溶带调蓄水箱对管道水箱的补给设置为迟滞排泄模式,模拟岩溶断流泉水文过程,并应用于丽江市黑龙潭岩溶泉域。研究结果表明,该模型较好地模拟了泉群流量动态及断流现象;当降雨量明显增大时,通过表层岩溶带调蓄水箱进入裂隙水箱的水量变幅不明显,而管道水箱的分配水量迅速增加,反映了集中补给的大气降水在岩溶系统中形成快速流的过程;黑龙潭泉群水量的绝大部分(82%~95%)来自于管道水箱,岩溶水流在时间和空间上分配的不均匀性易导致泉群断流。该研究提供了将水箱模型应用于岩溶断流泉模拟的参考,有助于理解该类型岩溶水系统的水文过程。  相似文献   

2.
丽江黑龙潭泉群水文地质特征及断流的影响因素分析   总被引:4,自引:3,他引:1  
康晓波  王宇  张华  曹瑾 《中国岩溶》2013,32(4):398-403
黑龙潭泉群为丽江古城流水源头,是古城生活用水、景观用水和服务业用水的主要来源之一。近年来,黑龙潭泉群流量丰枯变幅增大,干旱年或特大干旱年出现季节性或跨年度干涸,从2011年8月以来,黑龙潭泉群流量明显减小,月平均流量由0.695 m^3/s 减至0.186 m^3/s,并于2012年1月21日全面断流,截至2013年6月仍未见出流。为给丽江盆地地下水资源保护和持续利用提供水文地质科学依据和技术支持,本文对黑龙潭泉群岩溶水系统水文地质特征进行了分析,认为降水量减少是泉群断流的主要原因,而补给区生态环境恶化和泉群下游地下水开采则在一定程度上加剧了泉群的断流发生频次。在此基础上,提出了提高黑龙潭泉群补给区的水源涵养能力、加强水资源的调控和管理、严格依法管理黑龙潭泉群水源保护区等建议。  相似文献   

3.
韩啸  陈鑫  郑克勋  刘胜 《中国岩溶》2019,38(4):524-531
为查明云南丽江黑龙潭泉域九子海洼地补给区地下水与周边泉水的连通关系,提供泉水修复的科学依据,采用人工化学示踪方法,选取碘化钾作为示踪剂,开展了一次大型地下水示踪试验。根据试验数据计算地下水渗流速度,并分析黑龙潭泉域地下水系统结构特征。结果表明:九子海洼地补给区地下水与黑龙潭泉群和古城泉群具有显著的连通关系,与清溪泉群和白浪花泉群不存在连通关系,九子海至黑龙潭和古城的地下水渗流速度分别为405.86~1 077.84 m·d-1、349.96~629.09 m·d-1。九子海洼地为黑龙潭泉域地下水系统的主要补给区,同时也可作为黑龙潭泉水修复的有效注水点,接受补给后,主要通过深层岩溶管道向南运移至黑龙潭—古城方向,其中黑龙潭泉群为系统的排泄天窗。   相似文献   

4.
济南岩溶泉域地下水流模拟   总被引:2,自引:1,他引:1       下载免费PDF全文
为深入研究济南岩溶泉域地下水资源变化的现状及未来发展趋势,探索地下水资源可持续管理途径,文章建立了济南泉域地下水稳定流和非稳定流模拟模型,分析了地下水流场及泉水流量变化趋势,并圈划了泉群地下水汇流带。在泉群汇流带内开采地下水直接影响泉流量,而水源地开采通过影响泉群汇流带间接影响泉流量。泉流量呈明显的季节性变化,且与降水量紧密相关:丰水期水位升高,泉流量增加;枯水期水位降低,泉流量减少。保护天然补给量与增加人工补给量是保证泉水长流的重要措施。  相似文献   

5.
滇西北丽江黑龙潭流量大幅减少、间歇式断流问题日趋频繁,已成为地方经济社会发展的重要制约因素。在对丽江盆地区域水文地质条件和黑龙潭地下水系统动态调查的基础上,考虑社会经济发展过程中人类工程活动的影响,以近70年的数据为基础,采用水均衡法定量分析黑龙潭地下水系统流量的动态变化及其影响因素,得出不同时段黑龙潭断流的主要原因,并根据近年黑龙潭断流的影响因素及变化趋势,预测未来黑龙潭流量的变化趋势,2021—2030年,黑龙潭将成为季节性泉水,2030年之后,黑龙潭泉群将长期处于断流状态。该认识可为黑龙潭的地下水动态恢复和丽江城区地下水水资源开发及环境保护提供依据。  相似文献   

6.
济南市泉群喷涌经历了自流期、自流- 季节断流期、季节性断流或长年断流期、人工调控期等几个历史阶段。本文在分析济南市四大泉群喷涌历史演变的基础上,利用统计资料,首先建立泉群年平均喷涌量与年最低地下水位之间的定量方程,得出四大泉群喷涌的底限水位与最低景观流量的对应关系,然后,计算泉域内地下水的入渗补给量,再得出保证泉涌的地下水最大允许开采量的控制性参数。最后,结合保泉供水的实际需求,提出扩大地表水供应量、开辟新水源、实施多种形式的人工回灌以及调整供用水结构、实施分质供水等宏观调控措施。   相似文献   

7.
以丽江市玉龙县境内的黑龙潭地区为主要研究对象,总结了已有的水文地质资料,分析了九子海-黑龙潭地区的岩性、构造等特征。通过对研究区内及周边泉的调查研究,认为北衙组中段、上段的灰岩、白云质灰岩是研究区的主要含水层,地形切割上述含水层使得地下水出露成泉。对水样进行了水化学聚类分析和氢氧同位素分析,发现含水层主要接受大气降水的渗透补给。按照水力联系对泉点进行了划分。根据研究区内及周边地区的泉点分布分析了地下空间的特点和地下水的联系。研究结果对泉群的利用、保护具有参考价值。  相似文献   

8.
从研究娘子关泉群出露区堆积的不同时期泉钙华入手,对泉群自中更新世以来的发育阶段进行了划分,在此基础上,运用地下水流动系统理论分析了泉群的时空演化过程.这一过程包括4个阶段:Q2时期的泉群发育雏形期,Q3时期的泉群发育全盛期,Q4时期的泉群发育相对稳定期和近代泉群流量衰减期.随着时间的推移,泉点出露位置有规律地发生横向迁移和垂向下移.近年来由于人类活动引起区域性地下水位降低,从根本上改变了岩溶水流动系统的动态平衡,导致有的泉已干涸,有的将要干涸,泉群流量总体上呈现持续衰减趋势.  相似文献   

9.
由于岩溶含水系统的调蓄作用,降水入渗补给泉水具有明显的滞后,滞后时间视具体水文地质条件而定.本文以济南泉域为例,利用逐步回归方法确定降水对泉水入渗补给的滞时为一年,说明不仅当年的降水量对泉流量有贡献,前一年的降水量对表流量也有明显的贡献,并得到了相应的泉流量模拟与预测模型,得到了较好的模拟与预测精度,证明考虑降水入渗补给滞时的泉流量模拟与预测模型比不考虑的模型精度要高.  相似文献   

10.
高月  卞建民  宋超  丛璐 《水文》2016,36(2):35-40
大气降水是抚松县矿泉水资源的重要补给来源,探究其变化规律及极值概率对泉流量是否能够得到持续补给具有重要意义。为此,首先利用1960~2013年的降水资料和1981~2008年部分泉流量观测数据,对抚松县降水量的年内分配、年际变化和不同年代降水量均值变化进行降水特征分析;之后,运用皮尔逊Ⅲ型模型分析最大年降水量的概率分布;接着,利用1981年7月~2008年11月期间降水量和部分泉的泉流量监测数据,采用连续小波分析法对二者周期进行分析;最后,运用交叉小波变换法对同一时段内降水量和泉流量多时间尺度变化的相关性进行分析。结果表明:1960~2013年的54间,研究区内年降水量呈现周期性变化,变差系数为1.017×10-17,降水稳定,未发生异常变化。降水量和泉流量均存在约11个月的主震荡周期,二者属于同相位(即泉流量对降水量的变化产生即刻反应),降水量作为本区矿泉水补给的重要影响因素,可为矿泉水资源得到有效补给提供保证。  相似文献   

11.
昆明市黑龙潭岩溶泉氢氧稳定同位素分析   总被引:1,自引:0,他引:1  
黄华诚  刘宏 《中国岩溶》2015,34(5):445-451
黑龙潭位于昆明市北缘的五老山山麓,沿黑龙潭东支断裂带出露地表,该区分布三个岩溶泉,分别是:清水潭、浑水潭、小水潭,文章运用氢氧稳定同位素方法对它们进行连续的观测研究。通过对大气降水和泉水氢氧稳定同位素特征进行分析,揭示研究区岩溶泉水的来源及泉域含水层特征。得出以下结论:(1)通过大气降水δ18O -δD 关系建立当地大气降水线,大气降水线和泉水的稳定同位素分析表明泉水来源于大气降水,而且主要来源于夏季降水。(2)高斯混合模型分析结果表明,清水潭的补给不仅来源于野猫山地区,还包括径流过程中的入渗补给,而且入渗补给量并不小。浑水潭旱雨两季补给类型有所区别。小水潭除受北部二叠系灰岩含水层补给之外,很有可能也受东北部玄武岩山地的孔洞裂隙水补给。   相似文献   

12.
This paper presents an integrated approach that predicts the microparameters of the particle flow code in three dimensions (PFC3D) model in triaxial compression simulations. The new approach combines a full factorial design (FFD) with an artificial neural network (ANN). The ANN model maps the input factors (triaxial compressive strength, Poisson’s ratio, and Young’s modulus) onto output variables, which are microparameters that affect the macroscopic responses in a PFC3D model. Emphasis is placed on data collection and optimization of the ANN model using FFD. The data for training and testing the ANN model were obtained from laboratory experiments and numerical simulations of a PFC3D model according to the principles of FFD. Using a backpropagation artificial neural network (BPNN) optimized with FFD principles, the object of the current study (to reliably predict the microparameters for a PFC3D model) has been achieved because the predicting data obtained by the BPNN model were in excellent agreement with the testing data.  相似文献   

13.
为研究岩溶大泉动态变化的影响机制,以济南泉域为例,根据2003年关闭地下水供水水源地以来趵突泉及黑虎泉的泉水位、泉域内降水量、地下水开采及人工补源资料,采用分形理论中时间序列分形维数法,计算各要素数据序列分维值及稳定性指数,结果表明:旬尺度下泉水位分维值大于月尺度下泉水位分维值;奥陶系灰岩分布区雨量站降水量分维值较小,但奥陶系灰岩降水入渗补给条件好,因此与泉群的水位波动关系更为密切。各泉水位影响因素中,人工补源因素的稳定性最差,极易受外界因素干扰发生改变。利用灰色关联度验证分析表明降水量、人工开采量、人工补源量与趵突泉泉水位的关联度分别为0. 858、0. 647、0. 667,与黑虎泉泉水位的关联度分别为0. 859、0. 646、0. 668;关联度总体排序为:降水量>人工补源量>人工开采量,说明2003年以来影响泉水位动态的首要因素是大气降水并非人工开采,即泉水动态主控因素发生转变。在分析了泉域资源量的演化基础上,对各影响因素的分维值与泉水位动态分维值进行回归分析认为,为保持泉水持续喷涌奥陶系灰岩分布区更适宜作为泉水人工补源地带。研究结果为济南岩溶大泉的保护提供科学依据。  相似文献   

14.
为研究地铁建设对济南白泉泉群的影响,在综合分析白泉泉域地质、水文地质条件的基础上,假定研究区岩溶强径流带位置及水力性质,利用FEFLOW软件建立地下水流数值模型。以规划地铁M1号线为研究对象,分析了济南东站、梁王站、梁王东站分别施工及3个站同时施工4种情景下,采用施工降水或施工降水+人工回灌两种施工方式对白泉泉群流量的影响。结果表明:单独采用施工降水的施工方式使得白泉泉群流量衰减,其中3个站同时施工对泉流量的影响最大,泉流量最大衰减达5.48%;各站分别施工时,济南东站对泉流量影响最大,泉流量较未施工时减少了0.043×104 m3/d。采用施工降水+人工回灌的施工方式,能够有效缓解泉流量的衰减,各车站施工时的泉流量衰减由仅施工降水时的2.26%~5.48%降低至0.08%~1.21%。岩溶强径流带有利于地下水形成优势径流,促进白泉泉群补给,一定程度上缓解因地铁施工引起的泉流量衰减。  相似文献   

15.
基于Elman网络基本原理,建立了布洋1号表层岩溶泉Elma n神经网络模型,并以2005年8月2日开始的一次衰减过程为例,详述了Elman神经网络模型应用分析过程,给出了在无降雨影响下该次衰减过程具有的总排泄量及最佳的储水时间。经检验,该模型预测精度较高,为布洋1号表层岩溶泉水资源的科学利用提供了依据,同时也为Elma n网络技术在表层岩溶泉动态系统的其它领域应用提供了借鉴。   相似文献   

16.
Biofiltration has shown to be a promising technique for handling malodours arising from process industries. The present investigation pertains to the removal of hydrogen sulphide in a lab scale biofilter packed with biomedia, encapsulated by sodium alginate and poly vinyl alcohol. The experimental data obtained under both steady state and shock loaded conditions were modelled using the basic principles of artificial neural networks. Artificial neural networks are powerful data driven modelling tools which has the potential to approximate and interpret complex input/output relationships based on the given sets of data matrix. A predictive computerised approach has been proposed to predict the performance parameters namely, removal efficiency and elimination capacity using inlet concentration, loading rate, flow rate and pressure drop as the input parameters to the artificial neural network model. Earlier, experiments from continuous operation in the biofilter showed removal efficiencies from 50 to 100 % at inlet loading rates varying up to 13 g H2S/m3h. The internal network parameter of the artificial neural network model during simulation was selected using the 2k factorial design and the best network topology for the model was thus estimated. The results showed that a multilayer network (4-4-2) with a back propagation algorithm was able to predict biofilter performance effectively with R2 values of 0.9157 and 0.9965 for removal efficiency and elimination capacity in the test data. The proposed artificial neural network model for biofilter operation could be used as a potential alternative for knowledge based models through proper training and testing of the state variables.  相似文献   

17.
选取山西南部典型岩溶泉龙子祠泉域为研究对象,利用1954-2018年65年长时序的泉水流量、降水监测数据及1990-2018年的开采数据,分析其动态特征及响应规律。结果表明:该泉域泉流量在2.94~8.39 m3·s-1之间波动,多年平均流量为4.74 m3·s-1;年内泉流量对降水补给响应有4个月的时间滞后性;开采量保持较高水平时,泉流量总体呈明显下降趋势。利用多元回归方法建立两个阶段(1954-1989年和1990-2018年)的数学模型,并对其进行模拟和误差分析,结果显示:第一阶段泉流量影响因素主要为前一年降水和前两年降水;1990年开始存在开采活动,第二阶段受降水和开采共同制约,与当年开采量负相关且受其影响最为强烈,其次受前一年和前两年降水影响;整个时间序列上流量误差为11.62%,模拟效果较好。   相似文献   

18.
于翠翠 《中国岩溶》2017,36(4):533-540
应用地下水模拟软件GMS建立山东济南明水泉域的三维地下水流数值模拟模型,对泉域内岩溶地下水进行数值模拟和水平衡分析,评价了泉域岩溶地下水资源总量和在保持泉水常年喷涌条件下的岩溶地下水可采资源量。在此基础上,应用时间序列分析法对泉水水位动态进行了预测。结果表明:明水泉域多年(2003-2014年)地下水补给量为1.23×108 m3·a-1,排泄量为1.36×108 m3·a-1,均衡差为-1.30×108 m3·a-1;模型预测未来20年泉水最低水位为55.65 m,最高水位为68.72 m,平均泉流量为34.6×104 m3·d-1。   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号