混凝土的开裂问题，一直受到广大科研工作者和设计施工人员的关注。水利水电工程中，混凝土坝、输水隧洞混凝土衬砌等多处于水压环境中，混凝土或多或少存在着裂缝。然而，大部分开裂的混凝土结构仍能够安全运行，从而引申出是否可以允许混凝土结构出现裂缝，多大的裂缝不会引起破坏，以及用怎样一个合理的指标来对混凝土开裂程度进行描述评判的问题。本文提出一种基于防渗功能建立水工混凝土开裂准则的方法，可用于具有挡水面水工混凝土结构的开裂分析。首先根据相关规范和实际工程，确定水工混凝土的防渗要求；然后通过试验建立混凝土单轴拉应变与渗透系数和裂纹宽度之间的关系；再采用数值模拟的方法获得混凝土单轴拉应变与等效塑性应变的关系，并验证其可用于复杂应力状态的水工结构；最后据此提出基于防渗功能的等效塑性应变和裂缝宽度阈值，作为水工混凝土结构的开裂判据。本文研究可为水工混凝土的开裂分析提供一种新准则，具有较好的实际应用价值。

水库调度规则对指导水库运行至关重要。针对水风光联合运行面临的弃水和缺电问题，提出了一种考虑水风光联合运行风险的主力水库调度规则提取方法。首先，构建水风光基地弃水与缺电风险工况多时间尺度来水评估准则，结合蒙特卡洛模拟和K-means聚类生成极端工况下的场景组合，以表征各风险工况并为模型提供输入。接着，考虑水风光基地水力约束、电力约束及新能源消纳规则，提出梯级电站在各风险工况下的调度策略，分别建立满足未来固定时段内不弃水、不缺电的主力水库调度图优化模型。最后，在调度周期内采用混合整数线性规划（MILP）模型逐时段求解，提取主力水库弃水风险上线和电力保供下线。以中国西南某流域水风光一体化基地为工程背景进行主力水库调度规则提取，并设置对比规则与多种参数场景验证所提方法的有效性。结果表明：所提规则可有效实现水风光基地运行风险态势感知并通过水位调控显著降低运行风险，相较于对比规则可实现汛期无弃水、枯期无缺电；同时所提方法在各种参数场景下均能有效提取主力水库调度规则，为新能源高速发展背景下水风光基地稳定运行提供理论支撑。

山洪灾害是我国洪涝灾害中致人死亡的主要灾种，风险辨识与预警是主动防御山洪灾害的关键技术手段。本文系统梳理了国内外既有山洪风险辨识与预警技术，详细分析了不同方法的优缺点和遇到的瓶颈；通过回顾人工智能发展历程及其对水文科学研究范式演变的推动作用，阐明了人工智能在山洪灾害防御中应用的巨大潜力，指出了大模型在山洪风险辨识与预警中面临的数据获取与质量、泛化能力、可解释性、复杂性与涌现能力平衡、算力与并行加速、智能判断等六个方面的挑战。此外，针对性探讨了解决方案和发展趋势，提出未来应重点关注大数据治理，探究人工智能与物理模型的融合技术，不断改进异构混合并行计算框架和训练策略，推动AI大模型参数自动优化和智能预测，提升学习能力、泛化能力、风险预测能力，旨在为AI大模型在山洪灾害风险辨识与预警中的应用提供理论与实践指导。

为评估不同观测系统在弹性波CT法检测混凝土防渗墙质量中的适用性，重点分析了其对混凝土内部缺陷检测的准确性和可靠性。分别采用5种不同的观测系统，模拟弹性波源并接收其在混凝土防渗墙中的传播信号。利用最短射线算法和高斯牛顿法重建混凝土防渗墙的内部结构。通过试验对比分析各系统在信号采集、数据处理和图像重建方面的表现。结果显示：当防渗墙深度较浅且现有设备可全覆盖时，固定观测系统表现优异，其反演定位误差可控制在0.5 m以内，信噪比高于25 dB，检测精度高；对于墙体深度超过现有设备覆盖范围时，移动观测系统显出明显优势，其中均衡优化移动观测系统更适用于大范围的快速筛查。工程实例表明，采用均衡优化的移动观测系统可成功识别出61 m深防渗墙中的局部缺陷。本研究通过对比分析，形成了基于定位误差、波速相对误差和信噪比等指标的观测系统定量选择标准。

伴随着全球气候变化，在经历高速城镇化进程之后，城市积涝灾害趋多趋强，使得快速积涝预测成为研究热点问题。相较于传统数值模拟，基于深度学习的人工智能模拟方法能有效提升计算效率，但因GPU计算显存有限而易遭遇模型训练瓶颈。鉴于此，本研究提出了一种基于UNet-KAN-SR模型的城市积涝高效智能预报方法，先利用UNet-KAN模块学习低分辨率积涝分布的时空演变规律，再利用超分辨率SR模块与高分辨率下垫面信息，逐步将低分辨率积涝分布映射为高分辨率积涝分布，从而利用时空解耦在保障时空模拟精度的同时有效降低智能模型训练的计算资源需求。测试降雨情景的验证结果表明，UNet-KAN-SR模型能在3 min内完成未来3 h积涝分布预报，均方根误差为9 cm、命中率达0.86，具备较高的计算精度与效率。相较于已有智能模型常用的卷积层，UNet-KAN-SR模型引入的KAN层可显著提升模型对积涝时空演变过程的非线性建模能力，使均方根误差降低10%。此外，本研究发现高分辨率下垫面信息能显著提升智能模型对积涝分布的预测能力且不同类型的下垫面信息所能取得的提升幅度相近，由此说明在构建智能模型时，可通过优选输入下垫面特征组合，有效提升模型训练速度并控制建模成本，实现高效智能预报。

堆石混凝土坝施工层面露石可以显著提高层面抗剪能力，相关规范标准均提出了关于层面露石的具体要求，但目前尚缺乏快速有效的检测评价方法。本文在YOLOv11-Seg模型基础上，引入Slim-Neck注意力机制与FASFFHead检测头，提出了层面露石的快速分割识别算法；结合实际工程数据与最新规范，给出了基于前述分割识别算法的层面露石评价方法。研究结果表明：改进后的YOLOv11-Seg模型在保持较高训练和识别效率的前提下，将检测精确率与召回率提升到91.4%和89.33%，较原始模型分别提升8.6%和7.8%；堆石混凝土坝实际仓面的层面露石率变幅较大，单个层面的露石率检测结果符合Weibull分布；结合新修订的《堆石混凝土坝设计规范》，本文方法能够较好地对现场层面露石情况进行评价；层面露石的水平投影面积与露石高度呈双曲线关系，与垂直投影面积呈线性相关，据此可进一步评估层面露石对抗剪承载力的增幅作用。本文研究可为堆石混凝土层面质量的监控与评价提供技术手段与基础。

水利工程的透彻感知对构建数字孪生体系、推动水利高质量发展至关重要。随着大坝安全监测技术的发展和“天空地水工”一体化监测感知网络的建设，如何同化积累的多源数据进而实现大坝透彻感知是当前的研究重点。本文提出一种基于多物理信息神经网络（MPINN）的多源数据同化方法，其核心在于将大坝应力-渗流多场耦合理论和参数随机场嵌入神经网络并监督模型训练，在满足物理一致性的情况下充分利用数据驱动方法的灵活性，实现对大坝工程性态的最优估计。以两河口心墙堆石坝为例，采用MPINN同化了砾石土心墙的孔隙水压力、土压力监测数据和压缩模量、渗透系数检测数据，实现了从稀疏数据中重构心墙全域的孔隙水压力场和土压力场。对比实验表明，MPINN在预测准确性和鲁棒性方面均优于其他方法，验证了数据同化的效果，为实现水利工程全域的透彻感知提供了一条新途径，可为数字孪生工程和智能大坝的建设提供技术支撑。

盾构隧道下穿堤防引起的沉降变形将直接影响堤防安全，针对盾构隧道与堤防工程平面斜交的工程场景，基于斜交坐标系分析了水平斜交下穿角度对经典Peck公式参数的影响，提出一种考虑水平斜交角度影响的Peck公式参数确定方法。以济南黄岗路穿黄隧道为工程背景，通过布设地表沉降监测系统，获取盾构穿越后堤防沉降数据，并采用最小二乘回归方法拟合得到考虑水平斜交角度影响的地层损失率与沉降槽宽度系数。结果表明：黄河堤防济南段堤防地层平均沉降槽宽度参数约为0.43，平均地层损失率约为0.31%，忽略水平斜交角度会导致参数偏大约 12%，可能造成误判规范符合性。基于济泺路穿黄隧道实测数据，证实所提参数具有较好的预测精度与工程适用性。

气候变化背景下，雅鲁藏布江（雅江）流域的冰川退缩、积雪减少、冻土退化改变了水文过程、泥沙来源和河流泥沙通量。本文系统梳理1980年代以来流域实测水沙资料，并结合气象、冰冻圈（冰川、积雪与冻土等）、植被等多源数据，综合分析流域产输沙机制、时空演变规律及工程生态影响。雅江流域泥沙主要来源于降雨侵蚀、冰川侵蚀、融雪侵蚀、冻融侵蚀及突发地质灾害。雅江上游（拉孜以上）温度低、降水少，泥沙通量较低；中游（拉孜—奴下）受年楚河和拉萨河等支流补给及河道展宽影响，沿程泥沙通量先升高后降低；下游（奴下—巴昔卡）受冰川侵蚀和突发地质灾害影响，产沙能力强，对河流泥沙通量贡献大并呈明显年际波动。气候变暖加剧冰川消融和冻土退化，增加了泥沙来源、泥沙连通性和输沙能力，奴下水文站的实测泥沙通量整体呈增加趋势（1981—2009年）。河流泥沙通量增加会带来水库淤积和水轮机磨损等问题，同时悬浮泥沙改变了水体浊度与碳通量，影响水质和碳循环。未来需强化基于水文观测-示踪-遥感-AI的“天-空-地”一体化泥沙监测体系，研发面向冰冻圈流域的分布式水沙模型，加强以泥沙为纽带的多圈层交互作用机理研究，推动雅江流域系统科学研究新范式。

厘清三峡建库后洞庭湖对下荆江顶托的新特征是当前的重要问题。针对江湖交汇点上游的监利至城陵矶河段，引入Copula函数研究不同时期的江湖汇流遭遇特征；基于冲积河流水流运动规律提出平衡态下的江湖流量搭配关系，构建干流受顶托强度的评估指标，在此基础上定量分析了三峡建库前后下荆江受顶托事件的发生几率、出现时机以及年内不同时期的顶托强度变化。研究表明，平衡态下的江湖流量搭配为非线性函数关系，该关系与江湖流量之间的多年平均拟合线相近，可用于判别干流的顶托或消落状态。三峡建库后，监利流量处于中枯水量级的历时增长，导致干流与湖泊汇流均为中枯水的遭遇概率增幅为44.6%，干流中水与湖泊汇流为洪水（大于30 000m³/s）的遭遇概率增幅为5.4%。受其影响，江湖汇流点的侵蚀基准面降低，并且年尺度上湖区对干流的平均顶托强度减弱，但干流处于顶托态的时机由平滩以上流量级向中水流量级转移，4—7月份出现远大于历史同期顶托强度的极端情况增多，需引起长期关注。

非一致性水文频率分析是变化环境下工程水文设计研究的关键科学问题，而现有方法的不确定性较高且未考虑站点序列间的空间相关性。因此本文提出基于极值水文分区和层次贝叶斯的区域非一致性水文频率分析方法，首先采用变差函数F-madogram的围绕中心点划分（PAM）聚类算法对流域划分水文分区，其次针对同一分区构建基于层次贝叶斯的区域非一致性频率分析模型，具体包括无池化、部分池化和全池化3种模型。最后，以湘江流域年最大24 h极值降雨为例开展实例研究。结果表明：通过遵循极值理论的空间聚类算法，将湘江流域36个雨量站划分为3个水文分区；以第I水文分区为例，与大部分站点呈显著正相关的气候驱动因子为FMA Nino12。相较单站非一致性模型，部分池化模型模拟表现最优，能较好地体现了气候驱动因子的区域同质响应特征并保留了站点个体差异，各站区域参数的不确定性区间显著降低了10% ~ 35%。随着重现期的不断增大，各站非一致性重现期相较一致性情况不断减小，如50年一遇的重现期，部分站点减小比例接近60%，表明在气候因子驱动下分区内极值降雨事件发生概率增大。本文方法丰富了非一致性水文频率分析的方法体系，为科学确定流域设计暴雨并制订防灾策略提供依据。

针对现有调度模型难以有效应对冰期分水扰动下调水工程明渠段水力过程的高维非线性，实际调度高度依赖人工经验的问题，本文以胶东调水工程王耨-入吴沟河段为例，进行明渠闸泵群实时智能调度研究。通过一维闸泵群水动力学仿真，对渠池分水量施加阶跃扰动，明晰了不同分水扰动下明渠水力过程与闸泵群调度响应之间的耦合机制，提炼出冰期分水扰动安全阈值。在此基础上，选择善于处理非线性、高维性问题且无需较多建模数据的深度强化学习算法耦合水力学模型构建了明渠闸泵群实时智能调度模型，并在不同工况下验证模型鲁棒性。应用结果表明，所得调度方案能在保障工程运行安全、降低闸门调节次数的前提下，有效抬高控制断面水位稳定至冰期控制水位。