一种高保真库区水动力模拟方法及装置与流程

1.本发明涉及工程仿真与数值模拟领域，具体涉及一种高保真库区水动力模拟方法及装置。


背景技术：

2.水库的调度过程通常依据上游监测站点的实时监测数据，通过建立水动力模型，采用差分方法获得数值解。一般来说，差分方法的求解精度足以满足实际调度需求，而监测数据驱动着模型运行，是模拟结果的重要影响因素，影响着水库调度计划的制定。监测数据是对已发生的来水过程的记录，记录的时刻即为该来水过程的结束时刻，而差分类型的数值方法是一类离散方法，即用离散插值的方式表示连续的水流过程，因此两者在数据的读取和处理上存在差异，监测数据输入模型后会被消除或增加部分数据，导致计算结果与实际过程存在较大差异，影响着模型对来水过程的预见。


技术实现要素：

3.因此，本发明要解决的技术问题在于克服现有技术中的对糙率参数和水动力模拟的精度较差的缺陷，从而提供一种高保真库区水动力模拟方法及装置。
4.本发明第一方面提供了一种高保真库区水动力模拟方法，包括如下步骤：根据目标水库库区河道的断面信息将目标水库库区河道划分为多个河段；获取各监测点采集的实时流量时间序列；对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，以使预处理实时数据的数据形态与水动力模型的求解方式相匹配；将各河段的糙率系数和各监测点的预处理实时数据输入对应河段的水动力模型中，根据各河段的水动力模型确定目标水库库区河道的水位流量变化过程；对水位流量变化过程进行与模型化处理相对的反向处理，得到反向处理数据，以使反向处理数据的数据形态与监测点的采集形式相匹配；将反向处理数据存入对应工况下水位流量变化过程的数据库。
5.可选地，在本发明提供的高保真库区水动力模拟方法中，通过如下步骤确定各河段的糙率系数：获取目标水库库区河道各监测点的历史流量时间序列；对各监测点的历史流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理历史数据，以使预处理历史数据的数据形态与水动力模型的求解方式相匹配；确定各监测点所属河段，并将各监测点的预处理历史数据输入对应河段的水动力模型中，根据各河段的水动力模型确定各河段的糙率系数。
6.可选地，在本发明提供的高保真库区水动力模拟方法中，采用有限差分方法依次对各河段的水动力模型进行求解，得到目标水库库区河道的水位流量变化过程。
7.可选地，在本发明提供的高保真库区水动力模拟方法中，实时流量时间序列包括多个时间点对应的流量值，对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，包括：在实时流量时间序列的各组相邻两个时间
点之间分别加入第一时间点和第二时间点，相邻两个时间点分别为第三时间点和第四时间点；将所第一时间点和第二时间点对应的流量值设置为与第四时间点对应的流量值相同的值；根据实时流量时间序列、各组相邻时间点之间加入的第一时间点和第二时间点、各组相邻时间点之间加入的第一时间点和第二时间点对应的流量值形成预处理实时数据。
8.可选地，在本发明提供的高保真库区水动力模拟方法中，实时流量时间序列包括多个时间点对应的流量值，对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，包括：将实时流量时间序列中各时间点向前推移预设时长，得到推移后的时间点；推移后的时间点依次与实时流量时间序列中的各流量值一一对应，形成预处理实时数据。
9.可选地，在本发明提供的高保真库区水动力模拟方法中，实时流量时间序列包括多个时间点对应的流量值，对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，包括：利用样条插值将实时流量时间序列中各组相邻时间点之间的数据进行插值，得到预处理实时数据。
10.可选地，在本发明提供的高保真库区水动力模拟方法中，采用线性回归方法对各河段的水动力模型进行计算，得到各河段的糙率系数。
11.本发明第二方面提供了一种高保真库区水动力模拟装置，包括：
12.河段划分模块，用于根据目标水库库区河道的断面信息将目标水库库区河道划分为多个河段；数据采集模块，用于获取各监测点采集的实时流量时间序列；实时数据处理模块，用于对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，以使预处理实时数据的数据形态与水动力模型的求解方式相匹配；水动力模拟模块，用于将各河段的糙率系数和各监测点的预处理实时数据输入对应河段的水动力模型中，根据各河段的水动力模型确定目标水库库区河道的水位流量变化过程；反向处理模块，用于对水位流量变化过程进行与模型化处理相对的反向处理，得到反向处理数据，以使反向处理数据的数据形态与监测点的采集形式相匹配；数据存储模块，用于将反向处理数据存入对应工况下水位流量变化过程的数据库。
13.本发明第三方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的高保真库区水动力模拟方法。
14.本发明第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的高保真库区水动力模拟方法。
15.本发明技术方案，具有如下优点：
16.本发明提供的高保真库区水动力模拟方法及装置，将各监测点采集的实时流量时间序列进行模型化处理，使得得到的预处理实时数据的数据形态与水动力模型的求解方式相匹配，从而在利用水动力模型模拟水位流量变化过程时，减少了因实时流量时间序列与水动力模型对数据的读取与处理方式不匹配所导致的计算过程中产生的数据缺失情况，从而提高了水位流量模拟预报的精度。并且，由于水动力模型对数据的读取方式与处理方式与实际对数据的监测方式不匹配，因此通过水动力模型模拟得到的水位流量变化过程也与相关人员所习惯的数据表达方式不同，本发明中将水位流量变化过程进行了与模型化处理
相对的反向处理，最终得到的反向处理数据更方便相关人员理解及使用。除此之外，考虑到同一河道中不同位置处的水位和断面条件不同，糙率参数自然也不同，因此本发明中将目标水库库区河道划分为多个河段，将各个河段的糙率系数和预处理实时数据输入对应河段的水动力模型中，能够更精细且准确地模拟出目标水库库区河道的水位流量变化过程。
附图说明
17.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明实施例中高保真库区水动力模拟方法的一个具体示例的流程图；
19.图2为本发明实施例中水库水量记录值曲线，以及数值模拟水量的差值曲线；
20.图3为本发明实施例中水库水量记录值曲线、经过方式一对数据进行模型化处理后的数值曲线，以及经过方式二对数据进行模型化处理后的数值曲线；
21.图4为本发明实施例中三峡水库上游库区的干支流断面信息示意图；
22.图5为本发明实施例中对数据进行模型化处理后入库累积缺失总流量示意图；
23.图6为本发明实施例中未对数据进行模型化处理时入库-出库累积缺失总流量示意图；
24.图7为本发明实施例中通过不同方式获取的水位流量变化过程示意图；
25.图8为本发明实施例中高保真库区水动力模拟装置的一个具体示例的原理框图；
26.图9为本发明实施例中计算机设备的一个具体示例的原理框图。
具体实施方式
27.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。
29.此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
30.本发明实施例提供了一种高保真库区水动力模拟方法，如图1所示，包括：
31.步骤s11：根据目标水库库区河道的断面信息将目标水库库区河道划分为多个河段。
32.在一可选实施例中，根据目标河道沿程干支流历史断面数据，分析其由来沙淤积带来的断面形态的变化，根据分析结果将目标水库库区河道划分为多个河段。
33.步骤s12：获取各监测点采集的实时流量时间序列。
34.在一可选实施例中，目标水库上设立有多个监测站点，通过目标水库库区河道上设立的各监测站点获取实时流量时间序列。在确定实时流量时间序列时，需要明确水位流量数据的记录间隔。
35.在实际监测过程中，监测站点对已发生的来水过程的记录，对水位流量的记录时刻即为该来水过程的结束时刻，示例性地，若监测站点对水位流量数据的记录间隔为两个小时，则通过监测站点个周期获取的每水位流量数据均为两个小时结束时的水位流量数据。
36.步骤s13：对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，以使预处理实时数据的数据形态与水动力模型的求解方式相匹配。
37.在本发明实施例中，需要将监测点采集的实时流量时间序列输入到水动力模型中进行求解，但是在求解水动力模型时，水动力模型对数据的读取方式和处理方式与实时流量时间序列的记录方式存在差异，导致实时流量时间序列与水动力模型的计算方式不匹配，又由于实时流量时间序列驱动着水动力模型运行，在二者不匹配的情况下，即使监测站点采集的实时流量时间序列足够准确，水动力模型本身的求解精度足够高，仍然会在模型计算过程中缺失或增添流量，降低水位流量模拟预报的精度。
38.示例性地，如图2所示为水库水量的记录值曲线与数值模拟水量的插值曲线，实时流量时间序列中每一个时刻所对应的流量为水库水量记录值，而水库的水量的记录是对已发生的流量过程的反应，间隔一段时间记录一次，非直接测量，通过总流量守恒方法计算，流量值为前两小时流量值的平均值，因此该数据反应长时间的流量过程时多为台阶状，保证质量守恒，不连续。但是动力的数值模拟大多是对连续的过程进行离散，离散是通过插值实现，流量线是连续的，从图2中可知任一时刻的流量值代表前后各一小时的流量平均值。显然水动力模型对数据的处理方式与监测点的对数据的实际记录方式是不同的，因为水动力的数值模拟路线离散的思路和水库的水位流量的记录习惯的不同，导致了实际模拟过程中的输入输出数据失真，无法对实际的水库调度过程进行指导，天然存在流量差，通过模型得到的模拟结果必然是不准确的。因此，为本发明实施例中对实时流量时间序列进行了模型化处理，使得预处理实时数据的数据形态与水动力模型的求解方式相匹配，从而使得对模型进行求解时得到准确率更高的模拟结果。
39.步骤s14：将各河段的糙率系数和各监测点的预处理实时数据输入对应河段的水动力模型中，根据各河段的水动力模型确定目标水库库区河道的水位流量变化过程。
40.在一可选实施例中，由于同一河道中不同河段的水位和断面条件不同，糙率参数自然也不同，因此，本发明实施例中分别将各河段的糙率系数和各监测站点的预处理实时数据输入到对应河段的水动力模型中，从而更精确地预测各河段的水流流量，从而结合得到目标水库库区河道的水位流量变化过程。
41.在一可选实施例中，虽然将目标水库库区河道划分为了多个河段，但是各河段之间相互影响，对于两个相邻河段，上游河段在当前时刻的流量作为下游河段在下一时刻的入流流量，因此，在确定目标水库库区河道的水位流量变化过程时，沿水流方向由上至下依次对各河段的水流模型进行求解，将上游河段某一时刻的流量模拟结果作为下游河段的水动力模型的输入数据，用于模拟下游河段在下一时刻的水位流量，以此类推，从而得到目标水库库区河道的水位流量变化过程。
42.步骤s15：对水位流量变化过程进行与模型化处理相对的反向处理，得到反向处理数据，以使反向处理数据的数据形态与监测点的采集形式相匹配。
43.在本发明实施例中，执行上述步骤s13对实时流量时间序列进行模型化处理，是为了使得预处理实时数据符合模型对数据的读取和处理方式，但是模型对数据的读取和处理方式与人对数据的监测习惯并不相同，因此，为了使得水位流量变化过程更直观，更方便相关人员使用，在得到水位流量变化过程后，本发明实施例中对水位流量变化过程进行了与模型化处理相对的反向处理，使得反向处理数据的数据形态与监测点的采集形式相匹配。
44.在一可选实施例中，对实时流量时间序列进行模型化处理的方式不同，对水位流量过程进行反向处理的方式也不相同。
45.步骤s16：将反向处理数据存入对应工况下水位流量变化过程的数据库。
46.本发明实施例提供的高保真库区水动力模拟方法，将各监测点采集的实时流量时间序列进行模型化处理，使得得到的预处理实时数据的数据形态与水动力模型的求解方式相匹配，从而在利用水动力模型模拟水位流量变化过程时，减少了因实时流量时间序列与水动力模型对数据的读取与处理方式不匹配所导致的计算过程中产生的数据缺失情况，提高了水位流量模拟预报的精度。并且，由于水动力模型对数据的读取方式与处理方式与实际对数据的监测方式不匹配，因此通过水动力模型模拟得到的水位流量变化过程也与相关人员所习惯的数据表达方式不同，本发明实施例中将水位流量变化过程进行了与模型化处理相对的反向处理，最终得到的反向处理数据更方便相关人员理解及使用。除此之外，考虑到同一河道中不同位置处的水位和断面条件不同，糙率参数自然也不同，因此本发明实施例中将目标水库库区河道划分为多个河段，将各个河段的糙率系数和预处理实时数据输入对应河段的水动力模型中，能够更精细且准确地模拟出目标水库库区河道的水位流量变化过程。
47.在一可选实施例中，通过如下步骤确定各河段的糙率系数：
48.首先，获取目标水库库区河道各监测点的历史流量时间序列。
49.在一可选实施例中，通过目标水库库区河道上设立的各监测站点所采集的水位流量历史数据确定各监测点的历史流量时间序列，明确水位流量数据的记录间隔。
50.然后，对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理历史数据。
51.在一可选实施例中，由于各河段的糙率参数需要将各河段的历史流量时间序列输入到水动力模型中进行计算，如上述步骤s13中记载，同理，将历史流量时间序列输入到水动力模型中，同样会因为历史流量时间序列与水动力模型的对数据的处理方式不匹配导致计算得到的糙率参数不准确，因此本发明实施例中在计算糙率参数时，同样将历史时间序列进行模型化处理，从而计算得到更准确的糙率参数。
52.最后，确定各监测点所属河段，并将各监测点的预处理实时数据输入对应河段的水动力模型中，根据各河段的水动力模型确定各河段的糙率系数。
53.在一可选实施例中，计算糙率参数时，将多个历史流量时间序列经过预处理后分别输入到水动力模型中，通过对水动力模型进行计算得到多个初始糙率参数，然后对多个初始糙率参数进行线性回归方法进行处理，得到最终用于模拟水位流量过程的糙率参数。
54.在一可选实施例中，用于模拟水位流量以及计算糙率参数的水动力模型包括水流连续方程和水流运动方程，由于整个河道被划分为i个河段，控制方程组的数量为i个，第j个河段的糙率为定值nj(0《j≤i)，因此方程组(1)(2)表示第j个河段的水动力方程组。
55.水流连续方程：
56.水流运动方程：
57.其中，t为时间，x为空间，b为水面宽，z为水位，q为流量，q
l
为单位河长上的旁侧入流流量，u为断面平均流速，g为重力加速度，a为过水断面面积，n为糙率系数，r为水力半径。
58.在一可选实施例中，目标水库库区河道的水位流量变化过程是采用有限差分方法依次对各河段的水动力模型进行求解得到的。
59.在一可选实施例中，实时流量时间序列包括多个时间点对应的流量值，使得输入水动力模型中的实时流量时间序列与有限差分方法相匹配的模型化处理方式有多种，本发明实施例中提供了如下三种方式：
60.方式一：
61.首先，在实时流量时间序列的各组相邻两个时间点之间分别加入第一时间点和第二时间点，相邻两个时间点分别为第三时间点和第四时间点，其中，第三时间点、第一时间点、第二时间点、第四时间点依次增大。
62.在一可选实施例中，若第三时间点为t，第四时间点为(t+t)，则增加的第一时间点为t+δt，第二时间点为t+t-δt，其中，δt＝(0.05～0.1)t。
63.然后，将所第一时间点和第二时间点对应的流量值设置为与第四时间点对应的流量值相同的值。即，若第三时间点的流量值为q
t
，第四时间点的流量值为q
t+t
，则第一时间点和第二时间点的流量值均为q
t+t
。
64.最后，根据实时流量时间序列、各组相邻时间点之间加入的第一时间点和第二时间点、各组相邻时间点之间加入的第一时间点和第二时间点对应的流量值形成预处理实时数据。
65.通过本发明实施例提供的方法对实时流量时间序列进行模型化处理，在计算过程中不会造成流量损失，与水位数据对应较好，从而能够更准确地模拟水位流量变化过程。
66.当采用该方式对实时流量时间序列进行模型化处理时，采用与方式一相反的方式对水位流量变化过程进行反向处理。
67.方式二：
68.首先，将实时流量时间序列中各时间点向前推移预设时长，得到推移后的时间点。
69.然后，推移后的时间点依次与实时流量时间序列中的各流量值一一对应，形成预处理实时数据。
70.示例性地，本发明实施例提供的方法将实时流量时间序列中的时刻(t，t+t)向左平移δt变为(t-δt，t+t-δt)，其对应的流量不变，得到预处理实时数据，其中，δt可以为0.5t。
71.通过本发明实施例提供的方法对实时流量时间序列进行模型化处理，在计算过程中不会造成流量损失，处理简单。
72.当采用该方式对实时流量时间序列进行模型化处理时，采用与方式二相反的方式对水位流量变化过程进行反向处理。
73.如图3所示为水库水量的记录值曲线、通过上述方法一对数据进行处理后的数值
曲线，以及通过上述方法二对数据进行处理后的数值曲线，与数值模拟水量的插值曲线，从图中可以看出通过上述方法一、方法二处理后的总流量与记录值的一致。图2中未对数据进行处理时，数值模拟水量的插值与记录值相比明显出现总流量失真。
74.方式三：
75.利用样条插值将实时流量时间序列中各组相邻时间点之间的数据进行插值，得到预处理实时数据。
76.通过本发明实施例提供的方法对实时流量时间序列进行模型化处理，由于水动力的数值模拟大多是对连续的过程进行离散，离散是通过插值实现的，因此对实时流量时间序列中的各组相邻时间点之间的数据进行插值处理，得到的数据与水动力的数值模拟过程更匹配，在计算过程中不会造成流量损失。
77.当采用该方式对实时流量时间序列进行模型化处理时，采用与方式三相反的方式对水位流量变化过程进行反向处理。
78.在具体实施过程中，可以根据实际需求选择上述三种方式中的任意一种对实时流量时间序列进行处理。
79.在一可选实施例中，可以采用上述三种方式中的任意一种对历史流量时间序列的进行模型化处理。
80.在一可选实施例中，无论采用上述哪种方式对数据进行模型化处理，都可以采用如下方法对水位流量变化过程进行反向处理：
81.计算每个时间间隔δt的总流量，采用总流量守恒方法计算该时间间隔内的流量平均值，作为该时间周期内的流量值，最终输出的流量值为非连续的台阶状的流量过程。
82.在一具体实施中，将上述实施例提供的高保真库区水动力模拟方法应在三峡水库的水位流量过程模拟上，具体模拟方法如下：
83.步骤1：获取三峡水库上游库区的干支流断面信息、支流的位置和设立的监测站点的水位流量的历史数据(2020年9月17日4点至2020年11月16日10点，汛期)，明确水位流量数据的记录间隔为2h，根据水库库区河道的断面资料划分河道为14个河段，三峡水库上游库区的干支流断面信息如下图4所示，支流的位置如下表1所示：
84.表1
[0085][0086]
步骤2：基于步骤1划分的河段，建立分布式的一维水动力模型，由于整个河道被划分为14个河段，控制方程组的数量为14个，第j个河段的糙率为定值nj(0《j≤i)，第j个河段的水动力方程组如下。
[0087]
水流连续方程：
[0088]
水流运动方程：
[0089]
其中，t为时间，x为空间，b为水面宽，z为水位，q为流量，q
l
为单位河长上的旁侧入流流量，u为断面平均流速，g为重力加速度，a为过水断面面积，n为糙率系数，r为水力半径。
[0090]
步骤3：对获得的实时流量时间序列(2020年9月17日4点至2020年9月18日10点)进行如下处理：增加实时流量时间序列的时间点的数量，令δt＝10min，在原来相邻的时刻(t，t+t)之间增加两个时刻t+δt和t+t-δt，其对应的流量皆为q
t+t
。
[0091]
如图5所示为为对实时流量时间序列进行模型化处理时，通过水动力模型预测得到的流量相对于实际流量的入库累积缺失总流量，如图6所示为未对实时流量时间序列进行模型化处理时，通过水动力模型预测得到的流量相对于实际流量的入库-出库累积缺失总流量。在图5和图6中，横轴表示时间，纵轴表示流量，其中，图5的时间单位为1h，图6的时间单位为2h，图5和图6的总时长均为两个月，由图5和图6可知，若不对实时流量时间序列进行模型化处理，在对三峡水库两个月的流量变化预测过程中，预测流量相对于实际流量，入库累积缺失流量和入库-出库累积缺失流量数值巨大。
[0092]
步骤4：利用步骤3中处理的历史的水位流量数据输入步骤2的一维水动力模型，采用线性回归方法率定糙率系数nj，各河段的糙率系数值分别为16.8，37.7，35.2，43.2，52.5，53.4，49.9，47.1，40.4，33.2，28.6，26，23.8，24.7。
[0093]
步骤5：将监测站点实时观测的流量数据(2020年9月17日4点至2020年11月16日10点，汛期)经过步骤3处理后，和步骤4中率定的糙率系数输入步骤2的分布式一维水动力模型，采用有限差分方法求解，获取水库的水位流量变化过程，见图7，在图7中，横轴表示时
间，时间单位为天，纵轴表示水位，水位单位为米，位于最上方的线条表征对数据执行步骤3后的得到的水位流量变化过程模拟结果，位于中间的线条表征实测水位流量变化过程，位于最下方的线条表征对数据未执行步骤3时得到的水位流量变化过程模拟结果，可见，对数据执行步骤3后得到的水位流量变化过程模拟结果与实测水位流量变化过程更为接近，由此可得，通过上述实施例提供的高保真库区水动力模拟方法能够提到水位流量变化过程的模拟精度。
[0094]
步骤6：对获取的流量过程按照采用之前处理方式的反向处理后，存入该工况下水位流量过程的数据库。
[0095]
本发明实施例提供了一种高保真库区水动力模拟装置，如图8所示，包括：
[0096]
河段划分模块21，用于根据目标水库库区河道的断面信息将目标水库库区河道划分为多个河段，详细内容参加上述实施例中对步骤s11的描述，在此不再赘述。
[0097]
数据采集模块22，用于获取各监测点采集的实时流量时间序列，详细内容参加上述实施例中对步骤s12的描述，在此不再赘述。
[0098]
实时数据处理模块23，用于对各监测点的实时流量时间序列进行模型化处理，得到各监测点实时流量时间序列的预处理实时数据，以使预处理实时数据的数据形态与水动力模型的求解方式相匹配，详细内容参加上述实施例中对步骤s23的描述，在此不再赘述。
[0099]
水动力模拟模块24，用于将各河段的糙率系数和各监测点的预处理实时数据输入对应河段的水动力模型中，根据各河段的水动力模型确定目标水库库区河道的水位流量变化过程，详细内容参加上述实施例中对步骤s14的描述，在此不再赘述。
[0100]
反向处理模块25，用于对水位流量变化过程进行与模型化处理相对的反向处理，得到反向处理数据，以使反向处理数据的数据形态与监测点的采集形式相匹配，详细内容参加上述实施例中对步骤s15的描述，在此不再赘述。
[0101]
存储模块26，用于将反向处理数据存入对应工况下水位流量变化过程的数据库，详细内容参加上述实施例中对步骤s16的描述，在此不再赘述。
[0102]
本发明实施例提供了一种计算机设备，如图9所示，该计算机设备主要包括一个或多个处理器31以及存储器32，图9中以一个处理器31为例。
[0103]
该计算机设备还可以包括：输入装置33和输出装置34。
[0104]
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图9中以通过总线连接为例。
[0105]
处理器31可以为中央处理器(central processing unit，cpu)。处理器31还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据高保真库区水动力模拟装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远
程存储器可以通过网络连接至高保真库区水动力模拟装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与高保真库区水动力模拟装置有关的键信号输入。输出装置34可包括显示屏等显示设备，用以输出计算结果。
[0106]
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的高保真库区水动力模拟方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0107]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。