算法蒸散

① 水文地质参数变化

一、太原盆地水文地质参数计算

水文地质参数的选取直接影响着地下水资源计算量的大小和可信度，研究水文地质参数具有十分重要的意义。本次相关的水文地质参数主要有降水入渗补给地下水系数（α）、潜水蒸发极限深度（L）、蒸发强度（ε）、灌溉回渗地下水系数（β）、疏干给水度（μ）、导水系数（T）、弹性储水系数（s）、渗透系数（K）、河流渗漏补给系数、渠系渗漏补给系数等。

（一）降水入渗补给地下水系数（α）

影响降水对地下水的补给量的因素很多，主要有地形、包气带岩性及结构、地下水位埋深、降水特征及土壤前期含水量等。

降水入渗补给系数为降水入渗补给地下水量与降水量之比值。年降水入渗补给系数为年内所有场次降水对地下水入渗补给量总和与年降水总量的比值，其表达式为:

山西六大盆地地下水资源及其环境问题调查评价

式中:α年是年降水入渗补给系数；pri是场次降水入渗补给量，mm；P是年降水量，mm；n是年降水场次数。

用长期动态观测孔求取年降水入渗系数的计算方法:

山西六大盆地地下水资源及其环境问题调查评价

式中:_μ∑Δh_次是年内各次降水入渗补给地下水量之和；P_年是年降水量；Δh_次是某次降水引起的地下水位升幅值。

根据动态资料分析计算，在前人试验的基础上，综合考虑各方面的因素，给出盆地区降水入渗补给地下水系数（详见第四章）。

（二）地下水蒸发极限深度（L）、蒸发强度（ε）

蒸发极限深度就是指浅层水停止蒸发或蒸发量相当微弱时，浅层水位埋深值。蒸发强度就是在极限蒸发深度以上，单位时间浅层水的蒸发量。

影响地下水蒸发的主要因素是地下水位埋深、包气带岩性和水面蒸发强度等。

理论上，当水位埋深处于蒸发极限深度时，地下水在无补给、无开采的条件下，动态曲线近于平直。

地下水蒸发极限深度（L）

蒸发极限深度通常采用迭代法、试算法和经验公式计算（L），公式如下:

迭代法:

试算法:

经验公式法:

式中:ΔT₁、ΔT₂为计算时段，d；H₁、H₂、H₃为时段内水位埋深，m；Z₁、Z₂为时段内水面蒸发强度，m/d；

经计算，太原盆地孔隙水区不同岩性的蒸发极限深度依包气带岩性不同分别为:亚砂、亚粘土互层为3.5m，亚砂土为4.0m，粉细砂、亚砂土互层为4.5m。

地下水蒸发强度

计算公式:

式中:Z₀是液面蒸发强度，mm/d；ΔH是浅层水降落间段的平均水位埋深，mm；Z是蒸发强度，mm/d。

由本区浅层水水位埋深图（详见第四章）可看出，水位埋深小于4m的区域在北部太原市和南部平遥、介休一带，根据上式计算太原、平遥、介休等地的地下水蒸发强度见表3-1。

表3-1 太原盆地孔隙水区地下水蒸发强度

（三）灌溉回渗地下水系数（β）

是指田间灌溉补给地下水的量与灌溉总量的比值。影响灌溉回渗系数和因素主要有岩性、水位埋深、土壤含水率、灌溉定额等多种。

计算公式:

式中:μ是给水度；Δh是由灌溉引起的地下水位平均升高值，m；Q是灌溉水量，m³；F是面积，m²。

本次工作在盆地太原市小店区郜村、汾阳市贾家庄镇东马寨村和榆次市杨盘等3个地方布置了3组灌溉入渗试验，地表岩性郜村为粉质粘土、东马寨上部为粉质粘土，下部为粉土，杨盘为粉土，化验室给水度试验结果分别为0.195、0.11、0.143。郜村在37m×37m的面积上布置10眼观测孔，水位埋深1.2～1.3m，累计灌溉水量160m³，10个孔平均水位上升值为0.1912m，根据上式计算得灌溉入渗地下水系数为0.32；东马寨村水位埋深1.95～2.44m，在26m×26m的面积上布置10眼观测孔，灌溉水量60m³，观测孔平均水位上升值为0.465m，计算得灌溉入渗地下水系数为0.58；杨盘布3个观测孔，水位埋深5.76～6.01m，灌溉面积100m²，灌溉水量100m³，平均水位上升高度为0.27m，计算得灌溉入渗系数为0.039。

从以上试验数据可以看出，不同水位埋深、不同岩性地区灌溉入渗系数有很大区别。综合考虑各种因素，灌溉回渗地下水系数选用值见表3-2。

表3-2 灌溉回渗地下水系数

（四）弹性贮水系数S、导水系数T、给水度μ、渗透系数K

盆地区大部分地区都进行过1∶5万比例尺的农田供水水文地质勘查，做过大量单孔和多孔抽水试验，本次在文水文倚、汾阳等5地分别作了5组抽水试验，用非稳定流公式，降深-时间半对数法计算结果如下:文倚导水系数T＝1983.59～2181.95m²/d，渗透系数K＝32.19～35.4m/d，弹性贮水系数S＝1.79×10^-3；汾阳县贾家庄镇东马寨村抽水试验求得导水系数T＝325.84～376.5m²/d，渗透系数K＝5.65～6.53m/d。结合以往本区的工作成果，给出太原盆地浅层孔隙潜水和中深层孔隙承压水水文地质参数，详见参数分区图3-13和参数分区表3-3。

表3-3 太原盆地中深层孔隙承压水及浅层孔隙潜水参数分区

图3-13 太原盆地参数计算分区图

二、大同盆地水文地质参数计算

由本区浅层水2004年水位埋深图可看出，水位埋深小于4m的区域主要分布于盆地中部冲积平原区，盆地南部怀仁、山阴、应县、朔州分布面积较大。根据计算和以往试验资料，本区蒸发强度确定值见下表（表3-4）。

表3-4 大同盆地孔隙水区地下水蒸发强度

据“山西省雁同小经济区水资源评价、供需平衡研究报告”中搜集的本区灌溉回渗试验数据取得不同水位埋深、不同岩性、不同灌溉定额的灌溉回渗系数，灌溉回渗系数选定值见表3-5。

盆地区大部分地区都进行过1/5万比例尺的农田供水水文地质勘查，做过大量单孔和多孔抽水试验。本次工作搜集本区以往抽水试验孔117个，本次在大同县党留庄乡、怀仁县金沙滩镇、怀仁县新发村、怀仁县榆林村、山阴县张庄乡、朔州市城区沙塄乡等6地分别作了6组抽水试验，采用AquiferTest计算程序，非稳定流方法计算，本次抽水孔具体情况和计算结果见表3-6和表3-7 。

表3-5 灌溉回渗地下水系数

表3-6 大同盆地本次抽水试验数据统计

表3-7 大同盆地本次抽水试验计算成果表

结合以往本区的工作成果，给出大同盆地浅层孔隙潜水和中深层孔隙承压水水文地质参数，详见参数分区图3-14、图3-15和参数分区表3-8、表3-9 。

图3-14 大同盆地降水入渗系数分区图

图3-15 大同盆地浅层、中深层孔隙水参数分区图

表3-8 大同盆地浅层孔隙潜水参数分区表

续表

表3-9 大同盆地中深层孔隙承压水参数分区

三、忻州盆地

忻州盆地地下水资源较为丰富，开采条件优越，20世纪70年代之前地下水开采规模较小；70年代初至80年代末随着农业灌溉的普及，工业生产的发展和城市规模的扩大，地下水开采量迅速增加。开采对象以浅层水为主，造成浅层水水位普遍有所下降（但下降幅度不大）。从20世纪90年代至今，虽然地下水开采量具有逐年增大的趋势，但增加幅度较小，且中层井数量逐渐增多，形成了浅层水、中层水混合开采的新模式，地下水位总体处于动态平衡状态。受地下水人工开采的影响，降水入渗系数及导水系数等水文地质参数发生了一定程度的变化。

区内降水入渗系数的变化除了与年降水量及降水特征有关外，主要与浅层地下水位埋深关系较为密切。已有资料表明，在山前倾斜平原区，浅层水位埋深一般大于7m，因水位下降使降水入渗系数发生了不同程度的减小。在冲积平原区浅层水位埋深一般小于7m，水位下降的结果引起了降水入渗系数有所增大。不同地貌单元降水入渗系数的变化见第五章。

从20世纪70年代以来，区内含水层的导水系数发生了较为明显的减小，主要体现在因浅层地下水位下降，使浅层含水层上部处于疏干状态，含水层厚度减小，直接导到导水系数减小。因浅层水水位下降幅度不同，导水系数减小的程度也存在差异，从本次地下水侧向补给量计算断面附近的井孔资料分析，含水层厚度一般减小了3～6m，导水系数由70年代中期的60～250m²/d，减少到目前的50～200m²/d左右。

忻州盆地给水度根据不同地貌单元含水层岩性、分选性及富水性综合确定见表3-10及图3-16 。

表3-10 忻州盆地浅层含水层给水度分区

图3-16 忻州盆地给水度分区图

四、临汾盆地

经过搜集以往资料，调查和计算确定临汾盆地降水入渗系数见表3-11。临汾盆地渗透系数及给水度分区见图3-17，表3-12。

表3-11 临汾盆地平原区降水入渗系数统计

图3-17 研究区渗透系数及给水度分区图

表3-12 临汾盆地参数分区表

五、运城盆地

运城盆地地下水长观网建站年代较远，积累了大量的地下水位监测资料，且经过多次的地质、水文地质勘察、地下水资源评价工作，取得了大量的降水入渗值，参考前人综合成果，结合目前包气带岩性、地下水位埋深，给出运城盆地降水入渗补给系数，见表3-13。

表3-13 运城盆地平原区降水入渗系数统计

渠系有效利用系数除受岩性、地下水埋深影响外，还与渠道衬砌程度有关。修正系数r为实际入渗补给地下水量与渠系损失水量Q_损的比值，是反映渠道在输水过程中消耗于湿润土壤和侵润带蒸散损失量的一个参数，它受渠道输水时间、渠床土质及有无衬砌、地下水埋深等因素的影响。一般通过渠道放水试验获得。本次评价主要参考运城市水利局相关试验成果，见表3-14。

表3-14 运城盆地万亩以上灌区η、r、m值统计

灌溉回归补给系数β值与岩性、植被、地下水埋深及灌溉定额有关，一般通过灌溉入渗试验求得，本次评价主要参照运城市水利部门资料综合确定，详见表3-15。

表3-15 运城盆地灌溉回归系数β取值

河道渗漏补给系数是河道渗漏补给地下水量与河道来水量的比值。其值大小与河床下垫面岩性、流量、地下水位埋深及渗漏段长度有关。运城盆地沿中条山前发育数条季节性河流，河床下垫面主要为砂卵砾石，当洪雨季节，地表河床水位远高于地下水位，为地表水的入渗造就了十分便利的条件。根据河道渗漏资料，可建立如下数学模型:

山西六大盆地地下水资源及其环境问题调查评价

式中:m_河是河道渗漏补给系数；A是计算系数，A＝（1-λ）×（1-φ）^L，φ是单位千米损失率；L是河道渗漏长，km，Q径是河道来水量，m³/s。

据运城市水利部门研究成果，A值约为0.090。

含水层的渗透系数主要由野外抽水试验通过稳定流及非稳定流计算公式求得，各勘探部门在运城盆地先后进行过各种勘察，进行了大量的抽水试验工作，积累了丰富的资料，参考本次抽水试验成果对以往参数进行了修正，取值结果见表3-16 。

表3-16 运城盆地松散岩类K值选定表

降雨入渗补给系数在同岩性、同降雨量情况下，随地下水位埋深的增大，降雨入渗补给系数会达到一个最大值之后趋于减少或变为常数。运城盆地北部的峨嵋台塬及闻喜北塬，其地下水位埋藏深，地表主要以黄土类为主，降水入渗主要依靠黄土垂直节理裂隙及“流海缝”以“活塞式”注入地下，多年来其降水入渗系数基本为常量，经用动态分析法计算其降水入渗系数在0.108～0.11间；在盆地中部的冲湖积平原区，其地表岩性主要以Qp₃＋Qh冲湖积相的亚砂土、亚粘土、粉细砂为主，由于开采强烈，区域水位严重下降，地表数米至几十米内均为饱气带，为降水入渗准备了调蓄空间，加强了降水向地下水的转化。根据盆地地下水长观孔资料及次降雨资料，计算出盆地冲湖积平原地带，降水入渗系数在0.1～0.162之间，总体上上游大于下游。而在东部及南部的山前倾斜平原区，地下水位埋深一般大于5m、乃至几十米，地表岩性大多为亚砂土及亚粘土，尤其是在一些沟口附近，从地表往下几十米范围内为干砂卵砾石，一般降雨基本上不产生地表径流，这无疑加大了降水的转化。据相关资料计算，降水入渗系数高达0.21～0.30。因过去所做的工作不系统，没有对降雨入渗系数进行系统分类，不便比较，但根据运城盆地饱气带岩性、地下水变动情况，除峨嵋台塬及黄土丘陵区变化不大外，其他地区降雨入渗系数无疑有增大趋势。

盆地内抽水井的含水层，大多为数个含水层混合开采。现根据本次抽水计算值，对历次研究成果中的K值加以修正，得出运城盆地各个地貌单元的渗透系数。总体来说，黄河岸边低阶地区K值最大为11.3～14.6m/d，中条山山前倾斜平原次之，为5.45～6.12m/d，最次为闻喜北垣K＝1.10m/d左右。

根据地貌单元、含水层岩性、地下水水力特征及各参数特征，将运城盆地划分为10个参数分区，见表3-17及图3-18。

表3-17 运城盆地水文地质参数分区

六、长治盆地

根据水文地质条件，长治盆地参数分区见图3-19，表3-18 。

图3-18 运城盆地水文地质参数分区表

图3-19 长治盆地参数分区图

表3-18 长治盆地浅层孔隙潜水参数分区

（一）降水入渗补给系数变化

根据《太原市地下水资源评价报告》研究成果，盆地区亚砂土、极细砂、细砂的降水入渗系数随着地下水位埋深的增大而增大，当水位埋深超过一定值以后，降水入渗系数开始趋于稳定；降水量越大，降水入渗系数在相同的岩性和地下水位埋深条件下也越大。对于亚砂土、极细砂、细砂在相同水位埋深和降水情况下，细砂的降水入渗系数>极细砂的>亚砂土的。总体来说，颗粒越粗，降水入渗系数也越大。

α随降水量的变化，非饱和带在降水入渗补给地下水过程中起调节作用，降水入渗补给过程要滞后于降水过程，其滞后时间的长短、特征与非饱和带的重力水蓄水库容关系密切，地下水埋深越大，其蓄水库容也越大，调节能力也越强，滞后现象也越明显。

在亚砂土、极细砂和细砂3种岩性中，降水量相等时，降水入渗系数从大到小的顺序为细砂、极细砂、亚砂土。场次降水量的影响表现为α次先是随着降水量的增大而变大，当降水量超过一定数值后，α次反而呈减少趋势，这个降水量即是最佳降水量。α年与α次有相同的规律性，从入渗机制分析，α年也存在最佳年降水量。

当地下水埋深为零时，降水入渗补给系数亦为零，然后随埋深的增加由小变大；当地下水埋深到达某一定值时，降水入渗补给系数达到最大值即最佳降水入渗补给系数，并由此随埋深的增加由大到小，到达一定的埋深时，趋于定值。地下水埋深对降水入渗补给系数的影响，可从3方面来说明。

埋深反映了蓄水库容的大小。当埋深为零时，即蓄水库容为零，这时无论降水量多大，均无入渗补给的可能。当埋深增加时，地下水库得到了降水入渗补给量，此时降水入渗补给系数大于零，降水入渗补给系数随埋深的增加而增大。当地下水达到最佳埋深时，其对应的降水入渗补给系数为最佳降水入渗补给系数，原因是由于条件一致的地区中的依次降水，其入渗补给量随地下水埋深的变化必存在一个最大值。当地下水埋深较小时，由于地下水蓄水库容较小，形成蓄满产流，不能使降水全部入渗；当地下水埋深再增大时，则损失较最佳埋深为大，故降水入渗补给系数随埋深的增加而减小。对于不同级别的降水量，α最大值出现的地下水位埋深区域也不同。最佳埋深与岩性和降水量有关。

地下水埋深在某种程度上反映了土壤水分的多少。土壤水垂直分布大体可概化为3种状况。第1种情况是地下水埋深较小，毛管上升水总能到达地表；第2种情况是地下水埋深较大时，毛管上升水无法到达地表；第3种情况是地下水埋深介于两者之间，在此埋深内，由于地下水位是升降变化，毛管上升水有时达到地表，有时达不到地表。这3种情况将对降水入渗补给量有不同的影响。第1种情况，降水一开始，水即可通过毛管在重力作用下迅速向下移动，地下水位在降水开始后很快上升。第2种情况，降水首先应满足土壤缺水的需要，而后在重力作用下通过空隙下渗补给地下水。其渗漏途径较第1种情况长，入渗方式也有差异。

图3-20 渗透系数与深度关系图

不同地下水位埋深条件对降水入渗补给系数取值的影响。盆地太谷均衡实验场的水分势能实验最大深度为8.2m，有观测点41个。多年资料的分析结果表明，土壤水分势能变化从地面往下可分为3个变化带———剧烈变化带、交替变化带和稳定带，剧烈变化带埋深为0～1.1m，土壤水分势能变幅大于200×133Pa；交替变化带埋深1.1～3.6m，土壤水分势能变幅大于（100～200）×133Pa之间；埋深3.6m以下为稳定带，其土壤水分势能变幅小于100×133Pa，其中埋深在4.5～5.0m以下的稳定特性更为明显，其土壤水分势能的变幅一般不超过50×133Pa，其土壤水分全年为下渗状态。表明埋深在5.0m以下为稳定入渗补给，反映在降水入渗补给系数上随埋深增加，α_年将趋于稳定，故当埋深大于5.0m时，α_年值可取定值，不再随埋深而变化。原因是地下水埋深已到达或超过地下水极限埋深，损失趋于定值，水分不向上运动，必然向下运动，故形成了降水入渗补给系数随地下水埋深变化的稳定值。

（二）渗透系数变化

孔隙含水介质的渗透能力不仅取决于粒径大小、颗粒级配、胶结程度，还与其埋深有关。同一岩性的孔隙含水介质，随着深度的增加，介质被压密，渗透系数会减小。

根据河北平原山前冲洪积扇扇顶区数百个钻孔资料的统计，各种含水介质的渗透系数随埋深增加呈指数衰减，部分深层不同岩性渗透系数随埋深的变化规律参考下述经验公式:

岩性为卵砾石时，渗透系数与埋深关系式:

K＝K₀e^-0.0131h R＝0.877

岩性为砂砾石时，渗透系数与埋深关系式:

K＝K₀e^-0.0116h R＝0.869

岩性为中粗砂时，渗透系数与埋深关系式:

K＝K₀e^-0.0057h R＝0.896

K为埋深处的渗透系数；K₀为地表浅层的渗透系数；h为埋深；R为相关系数。

因此，对于同一种岩性，其渗透系数大小与深度有关（图3-20）。

② 森林水文学研究热点

森林水文学就是研究森林与水之间关系的科学，它起始于19世纪末20世纪初欧美国家的“森林的影响”的研究，它有2个研究方向，一个是单个水文过程的研究，另一个是研究一个森林生态系统整个的水文过程和水文效应。模型是森林水文学研究的重要工具，能帮助人们更好地理解和描述水文过程机制、预测不同条件下的水文效应。

水文过程研究包括对降水截持、入渗、径流、蒸散等的过程的研究。降水截持的模型很多，可以分为统计模型、概念模型和解析模型。截持模型发展方向是建立能充分反映降水截持过程，体现各种因素对截持过程影响的具有物理机制的模型。经过截持后的达到地面的净降水通过表层土壤的孔隙进入土壤中再沿土壤孔隙向深层渗透和扩散。入渗模型的发展方向也是建立能准确描述入渗过程的具有物理机制的模型。但有很多因素限制了这类模型参数的确定，如模型参数在空间的异质性：在水平方向不同植被、地形等因素的组和下土壤入渗能力也大不一样；在垂直方向，包括结皮表面的各层土壤入渗的性能也不同。忽略这些因素的影响，得到的入渗过程和实际情况会有很大差别。径流根据发生的部位可分为地表径流、壤中流和地下径流。现有产流机制的主要不足是：忽略了地形坡度和土层各向异性对产流的影响，对非饱和侧向流在壤中流和地下水流形成中的作用也注意不够。蒸散是水分从系统内散失的另一条途径。蒸散包括植物蒸腾和蒸发。蒸散的研究方法有很多，包括水文学方法、微气象学方法，生理学方法、遥感测算法及SPAC模拟方法等，其中生理学方法测定的是植物的蒸腾作用。

森林水文学对土壤水分变化研究属于形态研究，研究森林土壤容重、孔隙度等参数及森林土壤对水分循环的调节能力，对土壤水分运动研究相对较少。应用SPAC理论和能量方法进行土壤水分运动的研究是今后森林水文学需要加强的研究方向。对于森林与降雨量之间的关系还没有一个统一的结论。大多学者认为森林能增加水平降水，而对垂直降水影响不大，特别是在大尺度上这种影响很小，但不能排除在局部范围上影响大气降雨量。多数学者认为，森林可以减少洪水量，削弱洪峰流量及推迟和延长洪水的汇集时间，但这种削弱作用并不是无限的，森林对洪水的削减作用是有条件的，受到很多因素的影响，如土壤前期含水量、枯枝落叶层被前期降水所饱和的程度、暴雨的强度与历时、森林分布的地貌部位、土壤厚度与下伏岩石的透水性、流域的大小等都会在不同程度上发挥作用，不能一概而论。

国外有关森林对水质影响的研究较多，自20世纪80年代中期以来，森林与水质的研究渐渐成为热点，不仅研究森林对河流泥沙悬移质含量的影响，也非常注重对森林与水质中的化学因子、生物因子的研究。森林与水是相互影响、相辅相成的，森林水文过程与森林生态系统各个生态过程之间也是相互影响、相辅相成的关系。森林水文学以往的研究主要考虑森林植被等因素对水文过程的影响，对水分影响植被的生长及分布格局等生态系统格局和过程方面考虑不够，不能全面研究森林与水的关系。

③ 算法和数据结构的关系

任何程序都是由数据和处理这些数据的方法组成的。

就像烹饪菜肴一样，食材（数据）和烹饪方法（处理这些食材的方法，诸如煎炒煮炸蒸焗焖炖之类的）两者必不可少。而所谓数据结构就是组织（大量）数据的方法，所谓算法就是处理这些数据的方法。

////////////////////////////////////////////////////////////////////////////

杭州巨立安（JulianTec）是杭州市场上

唯一由资深研发工程师所创办的机构。所以：

就专业程度和实在程度而言，杭州巨立安(JulianTec)

是您在arm架构下学习嵌入式Linux研发的上佳指导！

④ 水量平衡模型

降水、蒸发和径流是水循环过程的三个主要环节，三者构成的水循环决定流域的水量平衡。水量平衡是指一个流域或一个水体在某一个时段内输入水量减去输出水量的蓄水变化，即水循环过程的水量收支平衡关系。水量平衡的基本原理是对水文循环进行定量研究，根据各水文要素间的定量关系，用已知的水文要素推求其他的水文要素。水量平衡计算的时段可以选取时、日、月、年来计算。

月水量平衡模型是根据水量平衡原理为基础，研制的一种概念性水文模型，是以月降水、月平均气温等气象因子资料作为输入数据，然后根据各水文要素之间的关系，概化成经验公式，并通过该经验公式来模拟流域水文过程。月水量平衡模型简单实用，广泛应用于流域中长期水文模拟、水资源供需分析以及大尺度气象模型输入数据的获取。近几年来，过多地借助该类模型评估气候变化对流域水文水资源情势的影响。首先， Thornthwaite于1948年提出水量平衡模型，Mather于1955年将其进行了改进^[78];1965年后，Thomas建立abcd模型，Alley研制了T_α模型和T_γ模型，Vandwiele提出澳大利亚模型等比较有名的月水量平衡模型。中国也先后提出了两参数的月水量平衡模型、三参数的月水量平衡模型、五参数的月水量平衡模型、半干旱半湿润地区月水量平衡模型、半干旱地区月水量平衡模型^[85]等等。这些模型模拟的精度相似，各有其优缺点:①不同模型计算出的中间变量相差很大，但各模型参数都有一定规律，反映自然地理下垫面条件与降水径流之间的内在联系;②确定模型参数时，难易程度不同;③模型参数的相关性不太好。

在国家“九五”科技攻关项目“气候异常对中国水循环及水资源影响评估模型研究”中，熊立华、郭生练(1996)根据中国地区月降水、月蒸发与月径流密切相关性，开发了集总式的两参数水量平衡模型，认为在自然条件下，无明显蓄水或取水，一次降水一般能在一个月内转化为径流或被蒸发，仅小部分滞留在土壤中^[59]。因此，月水量平衡模型不必区分产流与汇流，模型简单，参数较少;其中两参数模型模拟效果好，参数最少，实用性强，便于应用。

6.2.2.1月水量平衡模型的建立

(1)有效降水

降水来自于云。大气中的湿润空气遇冷后逐渐趋于饱和，进一步冷却便凝结成过饱和的水蒸气。水蒸气由半径为数微米以下的小水滴或冰粒子组成，当小水滴半径超过100um且下落速度超过积云上升气流的速度时，从云底落下成降雨。当地表气温很低，小于-4℃时，小水滴过冷却后变成冰粒子，冰粒子经过升华凝结后急速成冰晶体，冰晶体由于下落的速度不同形成降雪;当冰晶体下落时遇到下部高于0℃的气层会融化，形成降雨。

窟野河流域是黄河中游的一条重点支流，是黄土高原侵蚀地区的典型流域。流域北部属于干旱区，南部属于半干旱区。20世纪90年代前，窟野河流域上游国家基本站东胜站、伊洛霍金站12月、1月、2月平均气温均低于-4℃;榆林、河曲站12月、1月份平均气温均低于-4℃，部分年份2月份低于-4℃;下游兴县气象站1月份平均气温均低于-4℃，大部分年份12月、1月份平均气温低于-4℃。从1956～2006年实测径流资料分析来看，最大平均月径流量出现在8月份，之后逐月递减至次年的2月份，3月份明显增加;随后又逐月递减到6月份，然后又开始增加至每年最高8月份。3月份径流量比邻近月份径流量明显增大，可知窟野河流域3月份上游有一定的冰川融雪径流汇入，且窟野河流域的融雪径流在总径流中占一定比重，融雪径流计算利用温度指标模型对降水量进行修正^[62]，来计算经调节的有效降水。

P_eff(t)=nf(t){A(t-1)+Pn(t)}

其中，

变环境条件下的水资源保护与可持续利用研究

式中:nf(t)为第t月的融雪系数;A(t)为第t月的积雪;Pn(t)为第t月实测降水;P_eff(t)为第t月有效降水;T(t)为第t月平均气温;T_n为固体降水临界温度-4℃;T_m为液态降水临界温度+4℃^[85]。

(2)实际蒸发量

当流域降水比较丰富时，土壤中湿度比较大，空气湿度也比较大，故实际蒸发值与观测值的反差不是很强烈;当降水比较少时，空气中水分不饱和系数比较大，蒸发皿观测值很大，然而同时因土壤湿度也很低，可供蒸发水量少，实际蒸发值也很低，致使实际蒸发量与蒸发皿观测值的反差也很大。假设流域处在长期的水量平衡中，那么实际蒸发量和蒸散发能力的比值是降水量与蒸散发能力比值的函数，采用Schreiber公式:

变环境条件下的水资源保护与可持续利用研究

式中:E_s(t)代表流域实际蒸发值;E_c(t)代表流域蒸散发能力;P_eff(t)代表降水量。

本节用Schreiber公式乘以一个系数来计算月实际蒸发量:

变环境条件下的水资源保护与可持续利用研究

式中:E_s(t)代表流域实际蒸发量;E(t)代表月蒸发皿观测值;P_eff(t)代表月降水量;系数a₁是模型的第一个参数。

(3)月径流量的计算

当降水量不为零时，月径流量Q(t)主要与该月土壤中净含水量S(t)(即扣除蒸发之后的剩余水量)和降水量P_eff(t)有着十分密切的关系;S(t)越大，水分流出土壤的可能性越大，则径流量越大;降水量越大，径流量也越大。经分析，发现Q(t)与P_eff(t)和S(t)的关系可用式(6.6)来表示

变环境条件下的水资源保护与可持续利用研究

当降水量为零时，月径流量Q(t)主要与土壤净含水量S(t)有关，存在

变环境条件下的水资源保护与可持续利用研究

在模型运行计算中，首先根据式(6.3)计算实际月蒸发量，然后根据水量平衡原理计算月初土壤含水量，再根据式(6.4)或者式(6.5)计算月径流量。即第(t+1)个月初土壤含水量S(t)为

S(t)=S(t-1)+P_eff(t)-E_s(t)-Q(t)(6.6)

式中:Q(t)为月径流量;S(t-1)为月初土壤含水量;E_s(t)代表流域实际蒸发;b₁为模型的第二个参数;c₁为模型第三个参数;q为基流，可通过分析枯水期的径流来确定。

(4)基流的计算

基流为来源于地下水或是其他延迟部分的径流^[92]，主要受土壤的分布和下渗特征、含水层的特征、补给流域的速度频率、植被的空间分布、地形和气候等因素影响。在水文过程线上为图形中较低的部分，起伏变化较小。基流是令人关注和探索的目标，在降水径流模拟中有着重要的地位。但到目前为止，由于无法通过实验对径流分割和水深划分的结果进行科学论证，各种研究理论和方法存在较大争议。这种争议主要表现在对径流水源的界定不一致所得的结果也不完全一致。

关于基流的说法很多，Hal将基流定义为来源于地下水或是其他延迟部分的径流。VijayP.Slight等将基流定义为下渗水到达地下水面并注入河道的部分。总之，关于基流主要有以下几方面:

1)补给河道径流的地下水为基流，包括浅层地下水和深层地下水。

2)基于传播时间，将径流划分为直接径流和基流，基流主要是慢速壤中流和地下水，这一种划分方法是基于传播时间，而不是基于传播路径。

3)传统水文学上将流量划分为地表径流，壤中流和地下径流。而地下径流又可分为快速(浅层)和慢速(深层)两种，把地下径流中的慢速(深层)径流看作基流。这个径流比较稳定，可取历年枯水期的流量来确定。

月水量平衡模型在窟野河流域的应用，关于基流计算主要采用传统的水文学上将流量过程划分为地表径流、壤中流和地下径流的划分方法，把慢速(深层)的地下径流看作基流。因为这个流量比较稳定，可通过分析取其历年最枯流量的径流来确定。

对满足一致性的水文序列随机成分，可直接采用传统的水文频率计算方法。窟野河流域王道恒塔、新庙和温家川站1956～2006年径流量的随机性成分进行频率计算，采用约束加权适线法^[103]计算P-型频率曲线的均值、变差系数C_v和偏态系数C_s，选取P=95%的径流量作为最枯年径流量，即基流值。图6.16～图6.18给出了王道恒塔、新庙、温家川站基流计算频率曲线图及表6.12得出基流值。

图6.16 王道恒塔径流频率计算图

图6.17 温家川径流计算频率图

图6.18 新庙径流计算频率图

表6.12 径流频率计算成果表

6.2.2.2 模型精度准则判别

(1)模型参数的率定

参数的率定又称参数的优选，参数优化过程采用数学算法，通过系统反复试验迭代改变模型参数值的大小，使得流域特征模拟值和试验值的误差最小。如平均模拟径流和实测径流拟合程度的定量方法是每个参数迭代之后计算目标函数，寻找目标函数达到最优的参数值。目标函数用来评价水文过程的不同特征，目标函数选择对优选结果至关重要，适当选择目标函数在一定程度上决定了模型的拟合精度^[63]。最小二乘法是较早提出来的模型率定方法，即该目标函数可描述为

变环境条件下的水资源保护与可持续利用研究

式中:Q_i(t)为实测径流量;Qsim_i(t)为模拟径流量;n为样本数。

用最小二乘法目标函数来率定模型，结果对径流量模拟效果较好，而对水文过程中的峰值却得不到较好的模拟效果。因此，一些学者又提出对数最小二乘法，其目标函数可描述为

变环境条件下的水资源保护与可持续利用研究

虽然式(6.8)在一定程度上克服了最小二乘法峰值模拟的缺点，但从两个表达式本身来看，二者都不是标准化的，在参数率定的时候，只能得到给定条件下的最佳估算值，而并不一定是最完美的结果。为方便模型在流域内很好应用，Nash和Sutcliffe(1970)提出了一个标准化的评价标准(水文情报预报规范中确定系数)，即Nash和Sutcliffe效率系数，它能直观地体现实测径流量与模拟径流量过程拟合程度的好坏，其公式为

变环境条件下的水资源保护与可持续利用研究

式中:

为率定期实测月径流量过程的均值;其余符号意义同前。

R_NS越大表示实测径流量与模拟径流量过程拟合越好，模拟精度越高，R_NS可以得到最大值1;一般情况下，该系数在0～1之间变化，若为负值，也就意味着还不如实测径流量均值替代所模拟的径流量。第二个目标函数是模拟径流量和实测径流量的多年平均相对误差，即

变环境条件下的水资源保护与可持续利用研究

式中:Q_iy(t)为实测的平均年径流量;Qysim_i(t)为模拟的平均年径流量。

如果Nash和Sutcliffe模型效率标准越接近1，同时相对误差越接近0，则说明模拟效果越好。对大尺度水文过程模拟，最优标准为Nash和Sutcliffe效率标准超过60%，相对误差小于10%。

(2)模型检验

模型检验是继参数率定之后分析的内容。当在一个流域上使用某一模型时，首先对参数率定，求出最优参数。此外，还需要另外一部分资料用于模型检验。资料一般选择2～3年进行检验。降水-径流模型中根据降雨情况模拟径流序列，比较模拟和实测的径流过程线，只有当二者拟合较好或在预定误差范围内时，模型才可以应用。另外，除对多年平均相对误差检验，还考虑对极值进行检验，定义极值模型相对误差检验Re_max为

变环境条件下的水资源保护与可持续利用研究

式中:Q_max代表实测径流的最大值;Qsim_max代表模拟径流的最大值。当R_NS越大，Re和Re_max越接近0时，则说明拟合的总精度越高。

综上可知，每一个模型都包含不定数的中间状态变量，月水量平衡模型中土壤含水量S(t)是表征流域的中间状态变量，在模型运行中，先给出初始值S(t-1)，然后根据水量平衡原理依次迭代本时段S(t-1)和下一个时段S(t)，一般初始值取最大土壤含水量的一半。由于中间变量初始值的影响，取序列的前2年作为预热期。预热期后的资料分为2个阶段，第1阶段作为率定期模型参数优选，本模型采用人工和计算机联合优选，用式(6.9)优选模型参数;第2阶段作为模型检验期，检验模型的外延效果，只有在率定期和检验期径流量模拟满足精度要求，才认为模型合格。

⑤ 请问蒸汽用量的计算方法

需要知道蒸汽的流量，一般可以在管道上安装流量计，然后用使用时间去乘流量（一般是立方米/秒）就是蒸汽用量。
简单的算法,进水量减去排污量.进水量可以在进水管处装水表,排污量可以按照进水量的3%计算.

⑥ 什么是算法 用计算机解题时起什么作用

算法可以理解为有基本运算及规定的运算顺序所构成的完整的解题步骤。或者看成按照要求设计好的有限的确切的计算序列，并且这样的步骤和序列可以解决一类问题。

计算机解题时就相当于你的思路，知道怎么去解决问题，剩下的只有如何用代码表达出来而已

⑦ 朱家岩隧道涌水BP网络模型分析

4.4.1 神经网络模型的发展

自Hebb提出的学习规则以来，人们相继提出了各种各样的学习算法。目前，已发展了几十种神经网络，例如Hopfield模型，Feldmann等的连接型网络模型，Hinton等的玻尔茨曼机模型，以及Rumelhart等的多层感知机模型和Kohonen的自组织网络模型等等。在这众多神经网络模型中，应用最广泛的是多层感知机神经网络。目前，神经网络中应用最广的是前向多层神经网络的反传学习算法，即BP法，它最早是由Werbos于1974年提出来的，Rumelhart等人于1985年发展了反传网络学习算法，实现了Minsky的多层网络设想。数学上已经证明：一个前向三层神经网络可以实现任何非线性映射，可以逼近任何复杂的函数。

4.4.2 神经网络控制过程与岩溶隧道涌水过程的相似性

从结构上分析，涌水过程与人工神经网络（Artificial Network，简称ANN）是同构的。涌水过程是一个非线性系统，以降雨为输入，涌水为输出，从降雨到涌水，中间要经过复杂的过程，受到地形地貌条件、地层岩性、地质结构特征及水文地质条件等多种因素的影响，各个环节形成一个相互制约、相互联结的网络结构，而人工神经网络就是一个大型非线性动力系统，各神经元分层排列并互相联结，因其联结方式的不同形成不同的网络结构，如前馈网络，反馈内层互联网络，反馈型局部联结网络等。从概念上看，涌水机理研究就是利用观测的相关资料，分析研究涌水量等水文要素的规律，而神经网络利用观测历史数据建立系统的数学模型，识别并估计系统参数从而掌握客观水文规律。因此，神经网络可以在一定程度上用来解决涌水机理研究的问题。BP神经网络是人工神经网络中最为重要的网络之一，这种基于误差反传递算法的BP网络有很强的映射能力，可以解决许多实际问题，迄今为止，它的应用最为广泛。

4.4.3 BP 神经网络的基本原理

BP神经网络是典型的多层网络，网络不仅有输入层节点、输出层节点，而且有隐含层节点。隐含层可以是一层，也可以是多层。当信号输入时，首先传到隐含层节点，经过作用函数后，再把隐含层节点的输出信号传播到输出层节点，经过处理后给出输出结果（图4.11）。

图4.11 神经网络拓扑结构示意图

节点的作用函数通常选用Sigmoid型函数，其表达式为

岩溶地区地下水与环境的特殊性研究

网络的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信号从输入层经隐含层单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将输出信号的误差沿着原来的连接通路返回，通过修改各层神经元的权值，使得期望输出与实际输出的误差信号最小。这种误差信号一般采用平方型误差函数，表达式为

岩溶地区地下水与环境的特殊性研究

对于只含有一层隐含层的BP网络模型来说，假设有p个样本，输入层、隐含层、输出层的神经元数分别为l，m，n；每个学习样本由输入x=（x₁，x₂，…，x_n）及期望输出t=（t₁，t₂，…，t_n）组成；隐含层输出为y=（y₁，y₂，…，y_m）；输出层输出为

=（

，

，…，

）；W_ij为输入层节点i到隐含层节点j的权值；W_jk为隐含层节点j到输出层节点k的权值；H_j为隐含层节点j的阈值；H_k为输出层节点k的阈值；E_k为第k个样本误差；E为总误差。则BP网络的算法可简述如下：

1）为权系数W_ij、W_jk与阈值H_j和H_k设置初值，一般为较小随机数。

2）将随机调用的一个学习样本（x₁，x₂，…，x_n，t₁，t₂，…，t_n）输入主程序。

3）求隐含层节点j的输入值net_j及相应节点的输出y_j，即

岩溶地区地下水与环境的特殊性研究

y_j=f（net_j）（4.20）

节点的作用函数为Sigmoid型函数，

岩溶地区地下水与环境的特殊性研究

4）求输入层节点k的输入值net_k与相应节点的输出

岩溶地区地下水与环境的特殊性研究

5）求输出层节点k的参考误差δ_k

岩溶地区地下水与环境的特殊性研究

6）求隐含层节点j的参考误差δ_j

岩溶地区地下水与环境的特殊性研究

7）调整隐含层节点j到输出层节点k的权值W_jk和阈值σ_k

W_jk=W_jk+η₁·δ_k·y_j，η₁∈（0，1）（4.26）

σ_k=σ_k+η₂·δ_k，η₂∈（0，1）（4.27）

8）调整输入层节点i到隐含层节点j的权值W_ij和阈值θ_j

W_ij=W_ij+η₁·δ_j·x_j，η₁∈（0，1）（4.28）

θ_j=θ_j+η₂·δ_j，η₂∈（0，1）（4.29）

9）调用下一个学习样本，返回步骤（3）重复学习，直到收集的样本全部参与学习；

10）计算E_k、E，使得总误差E小于某一规定的精度值，则保留权值和阈值，学习过程结束；否则转到步骤（2），重新学习，

岩溶地区地下水与环境的特殊性研究

岩溶地区地下水与环境的特殊性研究

为了加快网络的学习速度，不导致学习产生震荡，避免结果陷入局部最小，在调整权值和阈值时加入动量项：

W_ij（N+1）=W_ij（N）+η₁·δ_j·x_j+a·[W_ij（N）-W_ij（N-1）]（4.32）

式中：N为迭代次数；a为动量项系数。

4.4.4 隐含层神经元个数的确定

隐含层起抽象的作用，即它能够从输入样本中提取特征。增加隐含层可以增加神经网络的处理能力，但是同时也会增加训练的复杂度和训练时间。1988年Cybenko指出一个隐含层就可以实现任意判决分类问题，两个隐含层就可以表示输入图形的任意输出函数。

相对于隐含层数的选择，隐含层神经元个数的选择更为复杂。其复杂的原因在于目前为止还没有明确的方法可以计算出实际需要使用的隐含层神经元个数。所有关于隐含层神经元个数选择的建议都是基于经验的。隐含层神经元的个数少时，会造成局部极小点多，难以训练，容错性差。而隐含层神经元个数多时又增加了网络的复杂度和训练时间，其误差也不一定最佳。Hecht-Nielsen 认为在输入神经元数为N，隐含层神经元数为2N+1时，使用单隐含层的神经网络可以实现输入的任意函数。

将尝试着利用流量衰减分析和物理模拟的结果来指导隐含层神经元个数的选取。

4.4.5 朱家岩隧道涌水过程的BP 网络模型分析

4.4.5.1 研究区隧道涌水过程概化

研究区地下水主要补给来源是雨水；三级台面的地表分水岭为研究区补给边界；西面隧道出口地带的渔泉溪，东面隧道进口处的干沟及南面的沿溪河流，为排泄地下水边界，分水岭补给边界与排泄边界，组成了该区水文地质单元边界条件。三级台面为补给区，四级、五级台面为补给、径流区，排泄区不明显。研究区排泄基准面以上无隔水层存在，对排泄点不存在层制现象，所以研究区岩溶水系统类型为基控-侵蚀类型。

岩溶隧道的涌水过程极其复杂，从降雨到涌水，中间要经过蒸散发、下渗等环节，受到地形、地貌、下垫面、土壤地质以及人类活动等多种因素的影响。我们可以将一个隧道复杂的涌水过程概化为涌水系统，该涌水系统的性能可以通过其主要影响因素体现出来，而其中物理参数的次要特性以及物理参数精度的空间分布可以忽略，从而使问题得以简化。

BP神经网络是一个非线形系统，可以用于逼近非线形映射关系，也可以用于逼近一个极为复杂的函数关系。

对于研究区岩溶管道水系统来说，其一定时段内的水量平衡方程如下：

Q=P-E±ΔS（4.33）

式中：Q为隧道涌水量；P为降水量；E为蒸散发量；ΔS为地下水储量的变化量。

即可得出：

Q=f（P，E，ΔS）（4.34）

这是一个非常复杂的映射关系，可以将之概化为一个系统，利用BP神经网络，对之进行模拟逼近。

如前所述，从结构上来说，BP神经网络与隧道涌水系统是同构的。接下来，利用朱家岩隧道岩溶管道结构和BP神经网络结构进行类比分析，从而建立模型。

4.4.5.2 朱家岩隧道岩溶管道涌水的BP网络模型研究

（1）训练样本资料准备

神经网络岩溶管道涌水模型分为系统识别与模型应用两个阶段：前者精选已知的实测资料作为样本来训练网络识别参数，后者则应用训练好的网络分析得到径流模拟值。

一定时段内隧道的涌水量Q与该区域上的降雨量、蒸散发量以及地下水储量的变化量有关，而其中地下水储量的变化量与区域前期影响雨量以及本时段的降水量和蒸散发量有关，所以该变化量可以表示为该时段以及先前时段的降水量及蒸散发量的函数，故而可以进一步将Q表示为该时段及先前时段P、E的函数。在实际研究中，P通常为实测值，E因为主要与温度、日照时间、云量和湿度有关，所以E通常用温度、湿度等量值来计算，因此，可以用一个系统来概化Q与前面提及的影响因素之间的复杂关系，建立系统模型。

本次模型参数识别、训练采用了2005年4月29日～2005年11月25日宜昌气象局日平均气温、日照时数和降雨量作为输入资料，朱家岩隧道的涌水量作为输出资料进行分析研究，其中将4月29日～7月9日、7月24日～11月25日共166组数据作为训练样本进行训练学习，7月10日～7月23日的数据作为检验样本用于对训练成功的网络进行预测检验。

图4.12为2005年4月29日～2005年11月25日总共180d的日降雨量（mm）、宜昌气象局日平均气温（℃）和日照时数（h）以及涌水量（m³/d）。

岩溶地区地下水与环境的特殊性研究

岩溶地区地下水与环境的特殊性研究

岩溶地区地下水与环境的特殊性研究

图4.12 研究区涌水量、平均气温、日照时数和降水量图

（2）样本数据的预处理

由于BP网络的输入层物理量及数值相差甚远，为了加快网络收敛的速度，在训练之前须将各输入物理量进行预处理。数据的预处理方法主要有标准化法、重新定标法、变换法和比例放缩法等等。本研究所选用的是一种最常用的比例压缩法^[4]，公式如下：

岩溶地区地下水与环境的特殊性研究

式中：X为原始数据；X_max、X_min为原始数据的最大值和最小值；T为变换后的数据，也称之为目标数据；T_max、T_min为目标数据的最大值和最小值。

由于Sigmoid函数在值域[0，0.1]和[0.9，1.0]区域内曲线变化极为平坦，因此合适的数据处理是将各输入物理量归至[0.1，0.9]之间。将每个样本输入层的6个物理量进行归一化处理：

岩溶地区地下水与环境的特殊性研究

BP网络的算法对训练样本的顺序有很强的敏感性，按随机数随机排列样本的次序，有助于加快网络训练的速度。

（3）网络训练与模拟

已经将输入样本的个数定为6个，但是对于隐含层神经元个数的选择，到目前为止还没有明确的方法可以计算出实际需要使用的隐含层神经元个数，在选择时通常是采用试算的方法^[5]。虽然现今的BP神经网络还是一个黑箱模型，其参数没有水文物理意义^[6]，但从结构上分析，涌水过程与ANN是同构的。对于一个岩溶地下水系统，在一次降水之后，水流通过下渗进入到地下，经过多个裂隙、溶隙、管道，最后汇集到突水点，在这过程中，各个裂隙、溶隙、管道都有其相应的蓄水容量等阈值，而降水是其输入，涌水量是其输出，这类似于人工神经元模型中的阈值、激活值、输出等器件。研究区域管道发育程度有三个级别，在一次降水之后，地下水流经过3条岩溶通道（裂隙、溶隙、管道）的蓄积后在隧道经过涌水排出，这一过程可以与BP神经网络结构进行类比，其中3条岩溶通道（裂隙、溶隙、管道）相当于隐含层中的3个神经元，各通道的蓄水容量相当于隐含层中人工神经元的阈值，涌水量相当于输出值，从整体上来说，BP神经网络的结构已经灰箱化。

在以上类比的设想下，将隐含层中的神经元个数定为3个，采用6-3-1的网络结构（表4.5；图4.13）。

图4.13 BP网络模型示意图

表4.5 BP网络模型参数一览表

定义系统目标精度为0.0005，误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和。最大训练次数取5000次，如果到达最大训练次数网络还未达到目标精度，程序退出。已经确定网络的输入层神经元数目为6，隐含层神经元数目为3，输出层神经元数目为1。训练算法选取附加动量法。激活函数选取Sigmoid。

程序执行5000次后BP网络模型训练成功。网络映射值与实测值的相关关系见图4.14。

图4.14 网络映射值与实测值相关关系

将用来检验的7月10～23日的数据作为输入层数据输入已经训练好的BP网络模型，然后将其输出值与同期的实测资料进行对比，其分析结果见图4.15。

图4.15 涌水量实测值与BP网络计算值比较

从图4.15可以看出，用BP网络模拟的涌水量中，7月10日～7月23日中涌水量变化大体一致，模拟情况较好，证明了流量衰减分析和物理模拟结果的可靠性。

应用确定性系数分析方法对模型精度进行评定，确定性系数dy表达式如下：

dy=1-S²/σ²（4.37）

岩溶地区地下水与环境的特殊性研究

岩溶地区地下水与环境的特殊性研究

式中：S为模型计算值与实测值之差的均方差；σ为实测值的均方差；y_i为实测值；y为模型计算值；

为实测值的均值；n为检验样本数。

dy值越大，表明模型计算精度越高。经计算，基于BP网络的朱家岩隧道涌水模型的确定性系数为0.9805，符合模型精度要求。

将此降水量值输入已经检验好的BP网络模型，求得最大涌水量为12850m³/d。

⑧ 对于LNG液化天然气储罐如何计算放散量储罐压力放散前后压力由1.07Mpa降至1.03Mpa，储罐液体温度为-137

知道储罐内液体体积，储罐容积，可以算出气相空间体积，由公式P1V1/T1=P2V2/T2，可知，1.07v1/储罐内气体温度=0.1v2/273.15，1.03v1/储罐内气体温度=0.1v3/273.15，，假设储罐当前气相空间为30，可以算的 v2=10.7*30*273.15/储罐内气体温度 v3=10.3*30*273.15/储罐内气体温度，放散气体质量 （v2-v3）/1.44，因为无法测定储罐内气体温度，所以没法算。举例，当气体温度为-100度时，v2=506 v3=487，放散量：19/1.44=13kg，温度为-80度时 v2=454，v3=437，放散量：17/1.44=12KG，0度时，近似8kg，因此当储罐气相空间为30方时，由 1.07降压至1.03放散量大约为10kg，理论算来是这样，但根据我的经验来看，放散量会大于理论量。可以一起讨论lng相关问题，网络用户名就是我的qq

⑨ 确定地下水蒸发量方法

直接法、间接法、遥感方法、生物量法、基于职务蒸散发量法、水量均衡法等。
具体每种方法里面都有不同算法，如直接法有面积定额法、彭曼公式、实测法等。算法的选择需要根据不同地区条件和资料水平进行选择，以及精度要求。