针对金沙江下游梯级水电站在消落期的优化调度问题，结合实际调度需求，在分析水库水量平衡、水位、下泄流量及机组出力等多种约束条件的基础上，选取消落期内梯级水库群的发电量总和最大为优化目标，构建了金沙江下游梯级水电站的日尺度精细化调度模型，并采用DPSA-POA算法对模型进行优化求解，通过实际算例验证了模型及求解方法的有效性。研究结果表明，该调度模型能够在保证各梯级水库安全运行的前提下，充分利用水资源，最大化消落期的总发电量，为梯级水库群的精细化调度管理提供了理论基础和技术支持。

针对现有盾构掘进速度预测方法存在的模型算法单一、精度不高和泛化性较差等问题，为了提高盾构掘进速度预测精度，建立一种基于变分模态分解（VMD）、蜣螂优化算法（DBO）和Stacking（VMD-DBO-Stacking）集成学习的盾构掘进速度预测模型。首先，为了得到更有效的数据，采用VMD对原始数据进行分解重构得到去噪后的施工参数数据用于后续模型预测；其次，基于集成学习策略，选取支持向量回归（SVR）模型、随机森林（RF）模型、极端梯度提升（XGBoost）模型作为基学习器，高斯过程回归（GPR）模型作为元学习器，从而构建预测精度更高、泛化性更强的Stacking集成学习预测模型；然后，为了进一步提高预测精度，采用DBO对集成学习模型进行超参数优化；最后，将此预测模型用于河南某引水隧洞工程盾构施工中并与其他预测模型进行对比。结果表明，与其他单一模型（SVR、RF、XGBoost）相比，所建模型具有更高的预测精度，平均精度分别提升7.76%、6.70%、4.97%，为盾构掘进速度预测提供一种新思路。

为准确计算钢筋混凝土中振捣棒的有效作用范围，提出一种新的基于新拌混凝土流变理论的振捣棒作用半径的预测模型，在受振混凝土满足假塑性流体特征和钢筋网中流动等效为多孔介质渗流的假定下，推导了振捣棒在钢筋混凝土中的作用半径表达式，并结合试验结果对表达式中的经验参数进行了经验拟合。模型计算结果与试验结果对比分析，发现除棒体振动强度较小的个别工况外，作用半径预测模型总体预测精度较高，但考虑到施工现场混凝土浇筑所用振捣棒振动强度大，因此作用半径预测模型可有效指导现场振捣作业和量化评价钢筋布置方案对棒体振捣作用范围的影响。

混凝土坝变形的长期预测是实际运行中保持其结构完整性的重要要求。为提高混凝土长期变形预测的准确性，构建了基于多层感知机（MLP）和编码器—解码器（Ecoder-Decoder）架构的大坝变形长期预测模型MLP-Ecoder-Decoder（MED），该模型通过深度自动相关（Deep-Auto-Correlation）机制捕获大坝变形与环境荷载的长期依赖性，利用时间序列分解和深度自动相机制进行多步变形预测，并采用该模型对青海省的一座250 m高拱坝在复杂环境条件下的变形进行预测。结果表明，MED模型有效提升了预测精度，在提取长期时间特征方面具有强大的优势。

为进一步提高水轮机的控制性能，针对水轮机调节系统提出一种基于自适应混沌粒子群算法优化变论域模糊PID（CAS-PSO-VFPID）的控制策略。首先，建立非线性水轮机调节系统模型，并根据该系统模型构建变论域模糊控制器；然后，通过自适应混沌粒子群算法（CAS-PSO）针对变论域模糊控制器进行优化与设计，得到CAS-PSO-VFPID控制器；最后，对非线性水轮机调节系统模型的适用性进行仿真验证，并在不同工况下与鲸鱼算法优化变论域模糊PID（WOA-VFPID）、标准粒子群算法优化PID（PSO-PID）、标准粒子群算法优化变论域模糊PID（PSO-VFPID）多种控制策略进行对比仿真。仿真结果表明，在CAS-PSO-VFPID控制策略下系统收敛速度快、寻优能力强，可有效提高水轮机调节系统的响应速度及准确性，使调节系统具有更好的动态稳定性。

针对泵组原型特性曲线在指导泵站实际调度时会存在理论值与实际值出现偏差的现象，从而影响日常调度及能耗评估的精度。为此，以鲤鱼洲泵站为例，提出了由泵站实测数据和相似定律结合的方法对泵组的原型特性曲线进行了校正，并通过构建的流量优化分配模型，以实际运行工况为基础，进行校正前后的泵组特性曲线对泵站流量优化分配方案的差异分析。结果表明，利用泵组原型特性曲线调度时，实际运行扬程与理论扬程的偏差主要集中在8%~11%，实际运行效率与理论效率的偏差主要集中在6%~9%；通过校正后的泵组特性曲线进行流量优化分配方案选取时，结果更贴合实际运行情况，可有效加强泵站流量优化分配方案对实际调度的指导作用。

水电站的尾水水位是计算机组出力的重要参数，当存在下游水库顶托影响时，电站尾水的设计曲线与实际观测值往往存在较大误差，增加了机组出力—流量的计算误差。为此，根据最新历史观测数据，分析了BHT水电站尾水水位与其出库流量及下游水库XLD顶托水位的关系，建立了基于多情景划分的贝叶斯优化-长短期记忆网络（BO-LSTM）预测模型，并分析了调峰和泄洪工况下模型的应用效果。结果表明，XLD水位高于585 m后对BHT电站的尾水水位有显著的顶托影响。相比于水位—流量曲线和非线性曲线拟合方法，基于多情景划分的BO-LSTM模型在精度上有显著提升，平均绝对误差（M_MAE）降低了68.1%。BO-LSTM模型在多种工况下均能更准确地捕捉水位的起伏变化过程。研究结果对水电站精细化调度具有重要意义。

渡槽是引调水工程中常见的输水建筑物，准确预测渡槽变形对于确保水利工程稳定运行至关重要。为此，以南水北调工程中的潦河渡槽为例，基于渡槽长期变形监测数据建立弹性网回归、多元线性回归、逐步回归、岭回归和LASSO回归5种不同线性可加模型，并采用5种不同线性可加模型对渡槽变形行为的预测结果进行比较。结果表明，随着预测时间增加，不同线性可加模型预测精度均呈现逐渐下降的趋势；LASSO模型通过交叉验证选择最优正则化参数，实现变量选择精简化，模型复杂度降至最低；同时验证了训练长度会对多元线性回归和逐步回归的预测效果产生影响。研究结果可为选择渡槽变形预测模型提供一些有益的参考。

合理准确预测隧道掘进机的推力和扭矩是实现TBM智能化控制的关键问题之一。对此，提出一种两阶段知识数据双驱动时空堆叠卷积网络（KD-NTS-GAT）预测方法。首先基于专家知识表达与NTS-NOTEARS方法提出一种新的信息融合技术，通过聚类方法将离散的专家经验与NTS-NOTEARS连续指标进行映射并平滑融合，量化提取TBM关键运行参数之间的因果关系，显著提高了因果关系的真实性。然后，将因果关系作为先验知识进一步与堆叠卷积网络深度学习模型结合，用于预测TBM推力和扭矩。结合新疆输水隧洞工程Ⅳ标段，将KD-NTS-GAT方法与纯数据驱动结果进行对比分析，结果表明两阶段知识数据双驱动时空堆叠卷积网络具有更好的推力与扭矩预测能力。研究结论可为TBM施工智能化控制提供参考。

某抽水蓄能电站下水库所处岩溶环境复杂，为此建立三维渗流分析有限元模型，对库区主要建筑物和岩溶通道进行模拟，采用“坝基防渗帷幕深度为0.5倍坝前水头、两岸防渗帷幕深度为3 Lu线以下3 m、右岸防渗帷幕长度为200 m、设置单排帷幕”作为初步渗控方案，对库区渗流场、渗透坡降及渗透量进行计算分析，发现初步渗控方案满足规范要求，但渗流量和渗透坡降接近临界值。为优化渗控方案，基于初步渗控方案，改变两岸帷幕深度、坝基帷幕深度、右岸帷幕长度、设置双排帷幕4项指标，研究各指标变化对库区渗透量的影响，提出优化渗控方案。分析结果表明，初步方案基础上，在坝基处布置双排帷幕，坝基渗透流量减少267.3 m³/d，库区渗控效果显著。