水槽波流环境中床沙再悬浮分析方法及系统

摘要

本发明公开了一种水槽波流环境中床沙再悬浮分析方法及系统，所述方法包括：通过预配置的传感器获取实验水槽模型中的研究参数；基于所述研究参数构建水流仿真模型，分析并获取波生流结构数据和区域的水流紊动规律；基于波生流结构数据，并结合实验水槽模型分析水槽中植被斑块区的泥沙形态变化，以及各个斑块区的泥沙沉降和床沙再悬浮变化趋势；构建水流紊动规律与床沙再悬浮量之间的响应关系，定量分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。本申请提出了研究床沙再悬浮的有效方法，为浅水湖泊的治理提供了理论基础，具有较好的经济和社会效益。

权利要求

1.水槽波流环境中床沙再悬浮分析方法，其特征在于，包括如下步骤：步骤S1、通过预配置的传感器获取实验水槽模型中的研究参数；

步骤S2、基于所述研究参数构建水流仿真模型，分析并获取波生流结构数据和区域的水流紊动规律；

步骤S3、基于波生流结构数据，并结合实验水槽模型分析水槽中植被斑块区的泥沙形态变化，以及各个斑块区的泥沙沉降和床沙再悬浮变化趋势；

步骤S4、构建水流紊动规律与床沙再悬浮量之间的响应关系，定量分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储；

所述步骤S1进一步为：

步骤S11、基于预设的实验水槽模型参数构建实验水槽模型，在实验水槽模型中安装水泵、风机和振动器，以控制水流和波浪的实验参数，所述实验参数包括速度、方向和频率；

步骤S12、在实验水槽模型中配置包括床沙在内的沉积物和水生植物模型；在实验水槽模型中配置传感器，所述传感器包括流速测量装置、再悬浮床沙采集装置、悬浮物浓度检测仪、波高仪和图像传感器；

步骤S13、根据设定的水深、波流条件、植被密度和斑块参数，在实验水槽模型中进行实验，通过传感器收集每一工况下的实验数据，并发送到控制中心；

所述步骤S12中配置沉积物、水生植物模型和图像传感器的过程进一步为：步骤S12a、沿实验水槽模型长度方向布设至少一段水生植物模型，采用中空透明有机玻璃棒模拟刚性水生植物模型；所述水生植物模型沿实验水槽模型长度方向形成至少两排，每一水生植物模型均与指示物系统和参照物系统连通；

步骤S12b、沿实验水槽模型长度方向铺设沉积物；所述沉积物的厚度与实验水槽模型的深度、刚性水生植物模型的高度之间比例在预定的范围内；

步骤S12c、沿实验水槽模型长度方向和高度方向分别布设图像传感器，从至少两个方向获取实验水槽模型中的水流图像；

所述步骤S13中获取实验数据的步骤至少包括：

步骤S13a、根据每一工况下的实验参数进行实验，获取水深、流速和波高数据；

步骤S13b、在其中一排沿长度方向布设的水生植物模型中注入指示物，在其他各排水生植物模型中注入参照物；

步骤S13c、通过长度方向和高度方向的图像传感器获取指示物的两个角度的图像数据。

2.如权利要求1所述的水槽波流环境中床沙再悬浮分析方法，其特征在于，步骤S2进一步为：步骤S21、读取实验数据，基于每个时刻下两个方向的图像数据构建每排水生植物模型处的水流点云三维模型，形成实验水槽模型整体的水流点云三维模型和水流运动速度场模拟模型；

步骤S22、基于实验数据中速度传感器获取的流速数据对水流点云三维模型和水流运动速度场模拟模型进行校验和修正，获得修正后的水流运动速度场模拟数据；

步骤S23、将水流运动速度场模拟数据转化为图像格式，形成速度场图像并归一化；

步骤S24、为每个速度场图像赋予一个标签，调用预配置的卷积神经网络对速度场数据的低维特征进行提取，获得波生流结构数据和区域的水流紊动规律；

步骤S25、读取实验数据，采用象限分析法获取波生流结构数据和区域的水流紊动规律，并将计算结果与上一步骤获取的计算结果进行比较，若误差小于阈值，则存储波生流结构数据和区域的水流紊动规律。

3.如权利要求2所述的水槽波流环境中床沙再悬浮分析方法，其特征在于，所述步骤S3进一步为：步骤S31、读取实验数据，获取每一时刻下两个方向的图像数据并从中提取植被斑块区的区域图像边缘，获取区域图像边缘随时间的演化图；

步骤S32、读取实验数据，获取再悬浮床沙采集装置收集的数据；

步骤S33、构建各个水生植物模型处的再悬浮床沙数据与区域图像边缘的变化关系，形成实验水槽模型中各处的再悬浮床沙数据与区域图像边缘的关联关系，基于关联关系得到各个斑块区的泥沙沉降和床沙再悬浮变化趋势。

4.如权利要求3所述的水槽波流环境中床沙再悬浮分析方法，其特征在于，所述步骤S4进一步为：步骤S41、读取实验数据，获取各个实验条件下每一时刻的再悬浮床沙采集装置收集的数据；

步骤S42、读取预存储的波生流结构数据和区域的水流紊动规律；

步骤S43、构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证，基于验证后的关联关系模型分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。

5.如权利要求4所述的水槽波流环境中床沙再悬浮分析方法，其特征在于，所述步骤S43进一步为：步骤S43a、读取实验数据，计算水流的床面剪应力、波浪的轨道速度、水生植物模型对水流的阻尼作用，以及泥沙的临界剪应力，获得计算结果并存储；

步骤S43b、基于实验数据和计算结果，构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证；包括床面剪应力与轨道速度、植被密度和泥沙粒径之间的函数关系，以及床沙再悬浮量与床面剪应力、临界剪应力和植被稳定性之间的方程关系；

步骤S43c、形成床沙再悬浮分析模型并存储。

6.一种水槽波流环境中床沙再悬浮分析系统，其特征在于，包括：实验模型和数据采集装置，以及与数据采集装置信号连接的处理终端，所述处理终端包括：

至少一个处理器；以及

与至少一个所述处理器通信连接的存储器；其中，

所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1 5任一项所述的水槽波流环境中床沙再悬浮分析方法。

~

说明书

水槽波流环境中床沙再悬浮分析方法及系统

技术领域

[0001] 本发明涉及床沙实验及仿真模拟技术，尤其是水槽波流环境中床沙再悬浮分析方法及系统。

背景技术

[0002] 在自然河道中，水流通常会受到河床和河岸上的植被的影响，植被不仅可以改善水质和生态环境，提高河道的美观度和生物多样性，还可以调节水流的流速和流向，增加水流的紊动强度和湍流结构的复杂性，从而影响河道的输沙能力和河床形态演变。因此，深入探究植被区域水流的流动特性及其与泥沙输运和河床形变的相互关系，对于理解和预测河道的动态变化，保护和恢复河道的自然功能，设计和实施河道的治理和修复工程等具有重要的理论和实践价值。

[0003] 目前，国内外学者已经对植被区域水流的流动特性进行了大量的理论分析、数值模拟和实验研究，取得了一些有意义的成果。现有技术一利用试验研究了淹没植被水流，深入地展示了植被混合层特性，包括流速曲线的拐点，纵向和垂向紊流结构的相关性，涡旋结构引起的动量传递等。现有技术二基于试验结果发展了一个可以表述植被层内紊流结构的现象学模型，利用该模型，将水流沿水深方向分为三个子层，第一层为最底层，该层中植株后产生的卡门涡街占主导地位；第二层为中间层，该层中出现因水流流态不稳产生的Kelvin Helmholtz涡；第三层为最上面一层，该层水流受植被影响较小，水流流动特性类似~于边界层。

[0004] 现有的研究还存在一些不足和局限：现有研究多数只考虑了水、植被两种物质相互作用，而忽略了河床泥沙的影响，对床沙再悬浮的分析不够深入。现有研究多关注水流的平均特性，而忽略了水流的紊动特性。研究只采用了传统的统计方法或现象学模型来分析和描述水流特性，而缺乏对水流物理机制的深入理解和仿真。

[0005] 因此，需要进行进一步的研究和创新。

发明内容

[0006] 发明目的：提供一种水槽波流环境中床沙再悬浮分析方法，以解决现有技术存在的上述问题。

[0007] 技术方案：根据本申请的一个方面，水槽波流环境中床沙再悬浮分析方法，包括如下步骤：

[0008] 步骤S1、通过预配置的传感器获取实验水槽模型中的研究参数；

[0009] 步骤S2、基于所述研究参数构建水流仿真模型，分析并获取波生流结构数据和区域的水流紊动规律；

[0010] 步骤S3、基于波生流结构数据，并结合实验水槽模型分析水槽中植被斑块区的泥沙形态变化，以及各个斑块区的泥沙沉降和床沙再悬浮变化趋势；

[0011] 步骤S4、构建水流紊动规律与床沙再悬浮量之间的响应关系，定量分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。

[0012] 根据本申请的一个方面，所述步骤S1进一步为：

[0013] 步骤S11、基于预设的实验水槽模型参数构建实验水槽模型，在实验水槽模型中安装水泵、风机和振动器，以控制水流和波浪的实验参数，所述实验参数包括速度、方向和频率；

[0014] 步骤S12、在实验水槽模型中配置包括床沙在内的沉积物和水生植物模型；在实验水槽模型中配置传感器，所述传感器包括流速测量装置、再悬浮床沙采集装置、悬浮物浓度检测仪、波高仪和图像传感器；

[0015] 步骤S13、根据设定的水深、波流条件、植被密度和斑块参数，在实验水槽模型中进行实验，通过传感器收集每一工况下的实验数据，并发送到控制中心。

[0016] 根据本申请的一个方面，所述步骤S12中配置沉积物、水生植物模型和图像传感器的过程进一步为：

[0017] 步骤S12a、沿实验水槽模型长度方向布设至少一段水生植物模型，采用中空透明有机玻璃棒模拟刚性水生植物模型；所述水生植物模型沿实验水槽模型长度方向形成至少两排，每一水生植物模型均与指示物系统和参照物系统连通；

[0018] 步骤S12b、沿实验水槽模型长度方向铺设沉积物；所述沉积物的厚度与实验水槽模型的深度、刚性水生植物模型的高度之间比例在预定的范围内；

[0019] 步骤S12c、沿实验水槽模型长度方向和高度方向分别布设图像传感器，从至少两个方向获取实验水槽模型中的水流图像。

[0020] 根据本申请的一个方面，所述步骤S13中获取实验数据的步骤至少包括：

[0021] 步骤S13a、根据每一实验工况下的实验参数进行实验，获取水深、流速和波高数据；

[0022] 步骤S13b、在其中一排沿长度方向布设的水生植物模型中注入指示物，在其他各排水生植物模型中注入参照物；

[0023] 步骤S13c、通过长度方向和高度方向的图像传感器获取指示物的两个角度的图像数据。

[0024] 根据本申请的一个方面，步骤S2进一步为：

[0025] 步骤S21、读取实验数据，基于每个时刻下两个角度的图像数据构建每排水生植物模型处的水流点云三维模型，形成实验水槽模型整体的水流点云三维模型和水流运动速度场模拟模型；

[0026] 步骤S22、基于实验数据中速度传感器获取的流速数据对水流点云三维模型和水流运动速度场模拟模型进行校验和修正，获得修正后的水流运动速度场模拟数据；

[0027] 步骤S23、将水流运动速度场模拟数据转化为图像格式，形成速度场图像并归一化；

[0028] 步骤S24、为每个速度场图像赋予一个标签，调用预配置的卷积神经网络对速度场数据的低维特征进行提取，获得波生流结构数据和区域的水流紊动规律；

[0029] 步骤S25、读取实验数据，采用象限分析法获取波生流结构数据和区域的水流紊动规律，并将计算结果与上一步骤获取的计算结果进行比较，若误差小于阈值，则存储波生流结构数据和区域的水流紊动规律。

[0030] 根据本申请的一个方面，所述步骤S3进一步为：

[0031] 步骤S31、读取实验数据，获取每一时刻下两个方向的图像数据并从中提取植被斑块区的区域图像边缘，获取区域图像边缘随时间的演化图；

[0032] 步骤S32、读取实验数据，获取再悬浮床沙采集装置收集的数据；

[0033] 步骤S33、构建各个水生植物模型处的再悬浮床沙数据与区域图像边缘的变化关系，形成实验水槽模型中各处的再悬浮床沙数据与区域图像边缘的关联关系，基于关联关系得到各个斑块区的泥沙沉降和床沙再悬浮变化趋势。

[0034] 根据本申请的一个方面，所述步骤S4进一步为：

[0035] 步骤S41、读取实验数据，获取各个实验条件下每一时刻的再悬浮床沙采集装置收集的数据；

[0036] 步骤S42、读取预存储的储波生流结构数据和区域的水流紊动规律；

[0037] 步骤S43、构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证，基于验证后的关联关系模型分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。

[0038] 根据本申请的一个方面，所述步骤S43进一步为：

[0039] 步骤S43a、读取实验数据，计算水流的床面剪应力、波浪的轨道速度、水生植物模型对水流的阻尼作用，以及泥沙的临界剪应力，获得计算结果并存储；

[0040] 步骤S43b、基于实验数据和计算结果，构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证；包括床面剪应力与轨道速度、植被密度和泥沙粒径之间的函数关系，以及床沙再悬浮量与床面剪应力、临界剪应力和植被稳定性之间的方程关系；

[0041] 步骤S43c、形成床沙再悬浮分析模型并存储。

[0042] 根据本申请的另一个方面，一种水槽波流环境中床沙再悬浮分析系统，包括：

[0043] 实验模型和数据采集装置，以及与数据采集装置信号连接的处理终端，

[0044] 所述处理终端包括：

[0045] 至少一个处理器；以及

[0046] 与至少一个所述处理器通信连接的存储器；其中，

[0047] 所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的水槽波流环境中床沙再悬浮分析方法。

[0048] 有益效果：提出了研究床沙再悬浮的有效方法和装置；建立了床沙再悬浮量与植被、破浪及泥沙特性参数之间的关系公式，能够有效深入地分析床沙再悬浮情况，为浅水湖泊的治理提供了理论基础。其他技术优势将结合具体实施方式进行详细描述。

附图说明

[0049] 图1是发明的流程图。

[0050] 图2是本发明步骤S1的流程图。

[0051] 图3是本发明步骤S2的流程图。

[0052] 图4是本发明步骤S3的流程图。

[0053] 图5是本发明步骤S4的流程图。

[0054] 图6是本发明的实验装置简图。

具体实施方式

[0055] 如图1所示，为了解决现有技术存在的上述问题，对本申请的技术原理和细节进行详细描述，具体如下。需要说明的是，由于方案相对复杂，为了突出本申请的创新点和改进点，对于本领域技术人员知晓的现有知识，没有做过多描述。

[0056] 根据本申请的一个方面，水槽波流环境中床沙再悬浮分析方法，包括如下步骤：

[0057] 步骤S1、通过预配置的传感器获取实验水槽模型中的研究参数；

[0058] 步骤S2、基于所述研究参数构建水流仿真模型，分析并获取波生流结构数据和区域的水流紊动规律；

[0059] 步骤S3、基于波生流结构数据，并结合实验水槽模型分析水槽中植被斑块区的泥沙形态变化，以及各个斑块区的泥沙沉降和床沙再悬浮变化趋势；

[0060] 步骤S4、构建水流紊动规律与床沙再悬浮量之间的响应关系，定量分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。

[0061] 在本实施例中，利用预配置的传感器获取实验水槽模型中的各种研究参数，如波浪参数、流速参数、剪切应力参数和悬浮物浓度参数等，为后续的数据处理和分析提供了可靠和全面的数据源；基于所获取的研究参数构建水流仿真模型，并利用卷积神经网络等先进的机器学习技术提取水流数据的低维特征，从而分析并获取波生流结构数据和区域的水流紊动规律，为进一步探索床沙再悬浮机理提供了重要依据。基于波生流结构数据，并结合实验水槽模型分析水槽中植被斑块区的泥沙形态变化，以及各个斑块区的泥沙沉降和床沙再悬浮变化趋势，从而揭示了水流和波浪对植被斑块区泥沙再悬浮影响机理。通过构建水流紊动规律与床沙再悬浮量之间的响应关系，并定量分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，从而形成了一个完整和准确的床沙再悬浮分析模型，并将其存储起来，为后续的模型验证和优化提供了便利。

[0062] 如图2所示，根据本申请的一个方面，所述步骤S1进一步为：

[0063] 步骤S11、基于预设的实验水槽模型参数构建实验水槽模型，在实验水槽模型中安装水泵、风机和振动器，以控制水流和波浪的实验参数，所述实验参数包括速度、方向和频率。

[0064] 步骤S12、在实验水槽模型中配置包括床沙在内的沉积物和水生植物模型；在实验水槽模型中配置传感器，所述传感器包括流速测量装置、再悬浮床沙采集装置、悬浮物浓度检测仪、波高仪和图像传感器；

[0065] 步骤S13、根据设定的水深、波流条件、植被密度和斑块参数，在实验水槽模型中进行实验，通过传感器收集每一工况下的实验数据，并发送到控制中心。

[0066] 在某个实施例中，步骤S1具体可以为：选择三种不同水深，即高、中、低水位工况；考察不同水深、不同波流条件下波、流特性等。在水槽中进行不同波流、植被斑块组合情况下的试验。调节水槽中的水位，分别设置三种不同的水深，即高水位（0.4米）、中水位（0.3米）和低水位（0.2米），并保持每种水位工况下的沉积物厚度和植被密度不变。调节振动器和风机的参数，分别设置三种不同的波流条件，即弱波流（振幅为0.05米，频率为0.5赫兹，风速为1米/秒）、中波流（振幅为0.1米，频率为1赫兹，风速为2米/秒）和强波流（振幅为0.15米，频率为1.5赫兹，风速为3米/秒），并保持每种波流条件下的波浪方向和风向一致。在每种水位工况和波流条件下，分别对不同密度的植被斑块进行试验，观察并记录波浪和流速对植被斑块的作用情况，如植被的弯曲、摆动、破裂等现象，并使用波高计和ADCP测量并记录植被斑块内部和外部的波浪参数和流速参数，如波高、周期、速度剖面、湍流强度等，并使用数据采集器和计算机记录和存储测量数据。

[0067] 在某个实施例中，步骤S11和步骤S12可以为：根据实验目的和水流类型，确定水槽的长度、宽度、深度等参数。例如，可以选择一个长8米、宽0.4米、深0.4米的直流水槽，模拟浅水湖泊中的波浪作用。可以使用一个可调节频率和振幅的振动器，在水槽一端产生周期性的波浪，并使用一个可调节速度和方向的风机，在水槽上方产生风力作用。在选择床沙等沉积物时，根据实验目的和沉积物特性，确定沉积物的种类、粒径分布、密度、含水率等参数。例如，可以选择一种含有10%有机质的粘性泥沙作为沉积物样品，并使用筛分仪和元素分析仪测量其粒径分布和有机质含量。在沉积物上安装水生植物模型，形成不同形状和大小的植被斑块区域。例如，可以在水槽底部铺设一层厚度为5厘米的沉积物，并在其中划分出若干个长0.8米、宽0.4米的矩形区域，在每个区域内按照不同的密度（如10%、20%、30%）种植水生植物模型，形成不同密度的植被斑块。

[0068] 测量设备主要包括：用于测量波浪参数（如波高、周期）的波高计；用于测量流速参数（如速度剖面、湍流强度）的声学多普勒流速仪（ADCP）；用于测量悬浮物浓度参数（如总悬浮物浓度（TSS）、荧光颗粒总浓度（FSS））的透射光仪（TSS）和荧光仪（FSS）；用于测量床沙再悬浮量参数（如起动质量、侵蚀质量、输移质量）的称重器和采样器等。并使用数据采集器和计算机记录和存储测量数据。

[0069] 根据本申请的一个方面，所述步骤S12中配置沉积物、水生植物模型和图像传感器的过程进一步为：

[0070] 步骤S12a、沿实验水槽模型长度方向布设至少一段水生植物模型，采用中空透明有机玻璃棒模拟刚性水生植物模型；所述水生植物模型沿实验水槽模型长度方向形成至少两排，每一水生植物模型均与指示物系统和参照物系统连通；

[0071] 步骤S12b、沿实验水槽模型长度方向铺设沉积物；所述沉积物的厚度与实验水槽模型的深度、刚性水生植物模型的高度之间比例在预定的范围内；

[0072] 步骤S12c、沿实验水槽模型长度方向和高度方向分别布设图像传感器，从至少两个方向获取实验水槽模型中的水流图像。

[0073] 根据本申请的一个方面，所述步骤S13中获取实验数据的步骤至少包括：

[0074] 步骤S13a、根据每一实验工况下的实验参数进行实验，获取水深、流速和波高数据；

[0075] 步骤S13b、在其中一排沿长度方向布设的水生植物模型中注入指示物，在其他各排水生植物模型中注入参照物；

[0076] 步骤S13c、通过长度方向和高度方向的图像传感器获取指示物的两个角度的图像数据。在每个工况下重复上述步骤S13a和S13b，获得各排的图像数据。

[0077] 在现有技术中，为了测得各处的数据，需要布设较多的传感器，为此，本申请提出了一种新的设计思路。即在实验水槽模型中设置标志物的方式来获得水流速度和床沙悬浮情况，具体实施过程详细描述如下。为了减少测量仪器对水流的影响，同时能够获取不同深度、不同位置的数据，避免仅获取侧面或表层数据造成的仿真失真。

[0078] 将水生植物模型配置成中空透明的结构，在背水面开有开关，从开关中可以释放指示物，例如颜色不同于水流、床沙或参照物。其形状、密度、大小等于参照物相同，颜色不同，例如悬浮于水中的微型塑料粒子，参照物为透明的塑料粒子。因此，每次实验时，每排的指示物能够显示出其附近的水流情况，获得水流等相关数据信息，然后通过两个方向的摄像机进行连续拍摄，即可获得指示物的运动过程。在每个工况下进行多次实验，即可获得每个工况下每排的运动情况，从而基于两个二维的图像数据构建三维的指示物运动模型，对实验水从中的流场进行高精度仿真，在经过常感器数据进行验证之后，可以取消传感器，而单纯以指示物的运动图像进行建模仿真，进行模拟计算。减少传感器布设对流场的影响。在一些实施例中，还可以沿高度方向开设不同的阀门或可调节孔，从而对不同深度的水流情况进行仿真。

[0079] 如图3所示，根据本申请的一个方面，步骤S2进一步为：

[0080] 步骤S21、读取实验数据，基于每个时刻下两个角度的图像数据构建每排水生植物模型处的水流点云三维模型，形成实验水槽模型整体的水流点云三维模型和水流运动速度场模拟模型，以反映出水流在不同位置处的速度、方向、压力等参数，以及其随时间和空间的变化情况。

[0081] 该步骤基于上述实施例实现，通过预配置的摄像头获取每一时刻下的图像数据；利用图像配准算法，将两个角度的图像数据进行对齐和校准，消除畸变和噪声；利用光流法或立体视觉法，从两个角度的图像数据中提取出每个像素点对应的水流速度矢量，并将其转化为三维坐标系下的点云数据；利用插值或拟合方法，将点云数据补充完整并平滑处理，形成每排水生植物模型处的水流点云三维模型，以及整体的水流运动速度场模拟模型。

[0082] 步骤S22、基于实验数据中速度传感器获取的流速数据对水流点云三维模型和水流运动速度场模拟模型进行校验和修正，获得修正后的水流运动速度场模拟数据，以提高其准确性和可靠性。上述数据可以反映出实际测量中的水流速度情况，以及其与图像处理技术得到的结果之间的差异。

[0083] 步骤S23、将水流运动速度场模拟数据转化为图像格式，形成速度场图像并归一化，以便于后续的卷积神经网络处理。上述图像可以反映出水流运动速度场的分布和变化特征，以及其与水生植物模型和波生流结构的关系。具体做法为：利用颜色或灰度值，将水流运动速度场模拟数据中的每个点云数据对应的速度矢量转化为图像像素值，并将其组合成二维或三维的速度场图像；然后，利用归一化方法，将速度场图像中的像素值统一到一个范围内（例如0到1），消除数值大小和单位的影响；最后，将归一化后的速度场图像存储在电脑中。

[0084] 步骤S24、为每个速度场图像赋予一个标签，调用预配置的卷积神经网络对速度场数据的低维特征进行提取，获得波生流结构数据和区域的水流紊动规律；本步骤的数据可以反映出水流运动速度场中的主要模式和规律，以及其与水生植物模型和波浪强度等参数之间的关系。具体过程为：为每个速度场图像赋予一个标签，表示其对应的实验条件（例如不同的水生植物模型、波浪强度、泥沙粒径等）；调用预配置的卷积神经网络（例如AlexNet或VGGNet），将速度场图像作为输入，经过多层卷积、池化、全连接等操作，提取出速度场数据的低维特征，并输出为一个向量或矩阵；将输出的低维特征向量或矩阵作为波生流结构数据和区域的水流紊动规律，并存储在电脑或其他设备中。

[0085] 步骤S25、读取实验数据，采用象限分析法获取波生流结构数据和区域的水流紊动规律，并将计算结果与上一步骤获取的计算结果进行比较，若误差小于阈值，则存储波生流结构数据和区域的水流紊动规律。

[0086] 在实验前或过程中，利用象限分析法（即根据水平方向和垂直方向上的速度符号划分四个象限，分别表示不同的涡旋类型和紊动强度），对实验数据中速度传感器获取的流速数据进行处理，获取波生流结构数据和区域的水流紊动规律，并将其存储在电脑或其他设备中。将象限分析法得到的波生流结构数据和区域的水流紊动规律与步骤S24中卷积神经网络得到的计算结果进行比较和分析，计算出两者之间的误差大小和方向；根据误差大小和方向，判断两者之间的一致性和可信度，若误差小于阈值（例如5%或10%），则认为两者基本相符，并存储波生流结构数据和区域的水流紊动规律；若误差大于阈值，则认为两者有较大差异，并对卷积神经网络或象限分析法进行调整或优化，直到误差小于阈值为止。

[0087] 在某个实施例中，波生流结构数据和区域的水流紊动规律的过程还可以为：

[0088] 对测量数据进行处理和分析，计算每种试验情况下植被斑块内部和外部的平均流速、最大流速、最小流速、标准差等统计参数，并绘制相应的速度剖面图和速度分布图。计算每种试验情况下植被斑块内部和外部的平均湍流强度、最大湍流强度、最小湍流强度、标准差等统计参数，并绘制相应的湍流强度剖面图和湍流强度分布图。计算每种试验情况下植被斑块内部和外部的平均湍流能谱、最大湍流能谱、最小湍流能谱、标准差等统计参数，并绘制相应的湍流能谱图和湍流能谱分布图。

[0089] 根据平均流速、最大流速、最小流速、标准差等统计参数，判断每种试验情况下植被斑块内部和外部的水流类型，如层流、紊流或过渡流，并绘制相应的水流类型图。

[0090] 根据平均湍流强度、最大湍流强度、最小湍流强度、标准差等统计参数，判断每种试验情况下植被斑块内部和外部的湍流特性，如均匀湍流、非均匀湍流或剪切层湍流，并绘制相应的湍流特性图。根据平均湍流能谱、最大湍流能谱、最小湍流能谱、标准差等统计参数，判断每种试验情况下植被斑块内部和外部的湍流尺度，如小尺度湍流、中尺度湍流或大尺度湍流，并绘制相应的湍流尺度图。根据水流类型、湍流特性和湍流尺度等参数，分析每种试验情况下植被斑块内部和外部的波生流结构特性，如波生流的存在与否、强度与方向、变化与稳定等，并绘制相应的波生流结构图。根据波生流结构特性，定量分析冠层内波生流大小与波浪参数（如波高、周期）、植被参数（如密度、形态）等物理参数之间的关系，并建立相应的数学模型和回归方程。根据波生流结构特性，定量分析波生流对冠层内紊动特性（如湍流强度、湍流能谱）的影响规律，并建立相应的数学模型和回归方程。

[0091] 在进一步的实施例中，用象限分析法获取波生流结构数据和区域的水流紊动规律的具体过程还可以为：

[0092] 获取实验数据并进行预处理和分析。预处理包括去除异常值、滤波平滑和坐标转换。用象限分析法对水流的雷诺应力进行分解，计算不同象限事件（喷射、下扫、外向交互、内向交互）在总雷诺应力中的贡献比例，以及不同象限事件的频率、强度、持续时间等特征参数，从而获得水流的动量传输特证和物质交换机理。

[0093] 具体地，可以将水流的纵向速度u和垂向速度v分别减去其时间平均值u0和v0，得到纵向速度扰动u’和垂向速度扰动v’，然后将纵向速度扰动u’和垂向速度扰动v’的乘积u’v’作为雷诺应力的代表量，将u’v’的正负符号作为象限划分的依据，即第一象限为u’>0，v’>0，第二象限为u’<0，v’>0，第三象限为u’<0，v’<0，第四象限为u’>0，v’<0。然后可以计算每Ni  N
个象限事件在总雷诺应力中的贡献比例Ri，即Ri=（sumj=1 uj’vj’）/sumk=1uk’vk’，其中Ni是第i个象限事件的个数，N是总事件的个数。还可以计算每个象限事件的频率Fi，即Fi=Ni/N，
2 2
以及每个象限事件的强度Ii，即Ii=sqrt(u’+v’)，以及每个象限事件的持续时间Ti，即Ti=tj‑tj‑1，其中tj是第j个象限事件发生的时间。通过这些参数，可以分析不同象限事件对水流动量传输和物质交换的影响程度和方式。

[0094] 在进一步的实施例中，还可以用小波分析法对水流的紊动信号进行多尺度分解。具体包括提取不同尺度下的紊动能量谱、紊动相干结构、紊动相位差等特征参数，从而揭示水流的湍流强度和结构变化规律。具体地，可以将水流的纵向速度u和垂向速度v分别用小N N
波变换表示为u(x，t)=sumn=1 （an psin(x，t)）和v(x，t)= sumn=1 （bn psin(x，t)），其中an和bn是小波系数，psin(x，t)是小波基函数，N是小波尺度的个数。然后可以计算每个小波尺度
2 2
下的紊动能量谱En，即En=an+bn ，以及每个小波尺度下的紊动相干结构Cn，即Cn=anbn/sqrt
2 2
（an+bn），以及每个小波尺度下的紊动相位差phin，即phin=arctan(bn/an)。通过这些参数，可以分析不同小波尺度下水流的湍流强度和结构变化规律。

[0095] 在进一步的实施例中，还可以用条件平均法对水流的紊动信号进行分类，根据不同条件（如流速大小、方向角度、泥沙浓度等）计算水流的条件平均值、条件方差、条件协方差等特征参数，从而获得水流在不同条件下的统计特性和变异性。具体地，可以将水流的纵向速度u和垂向速度v分别减去其时间平均值u和v，得到纵向速度扰动u’和垂向速度扰动v’，然后根据不同条件（如u’>0，v’>0等）对u’和v’进行分类，得到不同类别的数据样本。然后可以计算每个类别下的条件平均值ui’和vi’。还可以计算每个类别下的条件方差，以及每个类别下的条件协方差。通过这些参数分析不同条件下水流的统计特性和变异性。

[0096] 如图4所示，根据本申请的一个方面，所述步骤S3进一步为：

[0097] 步骤S31、读取实验数据，获取每一时刻下两个方向的图像数据并从中提取植被斑块区的区域图像边缘，获取区域图像边缘随时间的演化图；该步骤主要用于提取出水生植物斑块区的形状和位置信息，以及其随时间的变化情况。这些信息可以反映出水生植物对水流的阻力作用，以及其对泥沙沉降和床沙再悬浮的影响程度。具体是从实验水槽模型中安装的两个摄像头（一个在水平方向，一个在垂直方向）获取每一时刻下的图像数据；然后，利用图像分割算法，将图像中的水生植物斑块区和背景区分开，并提取出斑块区的边缘轮廓；最后，将不同时刻下的边缘轮廓叠加在一起，形成区域图像边缘随时间的演化图。

[0098] 步骤S32、读取实验数据，获取再悬浮床沙采集装置收集的数据；

[0099] 该步骤通过再悬浮床沙采集装置，获取实验水槽模型中各个位置处的再悬浮床沙数据。这些数据可以反映出水流对床沙再悬浮的作用强度，以及其与水生植物斑块区的空间分布关系。采用上文所述的实验装置，即在实验水槽模型中布置多个再悬浮床沙采集装置（例如光学式或声学式），分别位于不同的水深和距离水生植物斑块区的位置；然后，根据预设的时间间隔，自动或手动地收集各个装置中的再悬浮床沙样品，并记录其重量或浓度；最后，将各个装置收集到的再悬浮床沙数据整理成表格或曲线。

[0100] 步骤S33、构建各个水生植物模型处的再悬浮床沙数据与区域图像边缘的变化关系，形成实验水槽模型中各处的再悬浮床沙数据与区域图像边缘的关联关系，基于关联关系得到各个斑块区的泥沙沉降和床沙再悬浮变化趋势。

[0101] 在该步骤中，通过将得到的数据进行关联，从而得到各个水生植物斑块区的泥沙沉降和床沙再悬浮变化趋势。这些趋势可以反映出水生植物对泥沙动态的调控作用，以及其对水文生态的影响效果。对每个斑块区，分别选取其附近的再悬浮床沙采集装置的数据，以及其对应的区域图像边缘的变化数据，进行相关性分析或回归分析，构建出再悬浮床沙数据与区域图像边缘的变化关系；最后，根据这些关系，预测或推断出各个斑块区的泥沙沉降和床沙再悬浮变化趋势，并将其可视化为图表或地图。

[0102] 如图5所示，根据本申请的一个方面，所述步骤S4进一步为：

[0103] 步骤S41、读取实验数据，获取各个实验条件下每一时刻的再悬浮床沙采集装置收集的数据；即通过再悬浮床沙采集装置，获取实验水槽模型中各个实验条件下（例如不同的水生植物模型、波浪强度、泥沙粒径等）每一时刻的再悬浮床沙数据。这些数据可以反映出不同实验条件下水流对床沙再悬浮的作用强度，以及其与水流紊动规律的关系。

[0104] 具体过程如上所述，简要过程如下：在实验水槽模型中布置多个再悬浮床沙采集装置（例如光学式或声学式），分别位于不同的水深和距离水生植物模型的位置；然后，根据预设的时间间隔，自动或手动地收集各个装置中的再悬浮床沙样品，并记录其重量或浓度；最后，将各个实验条件下每一时刻的再悬浮床沙数据整理成表格或曲线。

[0105] 步骤S42、读取预存储的储波生流结构数据和区域的水流紊动规律；

[0106] 该步骤是通过预存储的储波生流结构数据和区域的水流紊动规律，获取实验水槽模型中各个位置处的水流速度、方向、压力等参数，以及其随时间和空间的变化情况。这些参数可以反映出不同实验条件下水流对水生植物模型和底沙的作用方式，以及其与床沙再悬浮量的关系。构建过程在上文已经描述，使用时只需要调取即可。

[0107] 步骤S43、构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证，基于验证后的关联关系模型分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，形成床沙再悬浮分析模型并存储。通过将得到的数据进行关联，从而分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系。这些关系可以反映出水流紊动规律对床沙再悬浮的影响机制。对每个实验条件下，分别选取其对应的水流紊动规律数据和再悬浮床沙数据，进行相关性分析或回归分析，构建出水流紊动规律与再悬浮床沙数据的关联关系模型；利用实验数据或其他方法，对关联关系模型进行验证，检验其准确性和适用性；根据验证后的关联关系模型，分析计算床沙再悬浮量与植被、波浪及泥沙特性参数之间的表征关系，并将其可视化为图表或方程，形成床沙再悬浮分析模型并存储。

[0108] 根据本申请的一个方面，所述步骤S43进一步为：

[0109] 步骤S43a、读取实验数据，计算水流的床面剪应力、波浪的轨道速度、水生植物模型对水流的阻尼作用，以及泥沙的临界剪应力，获得计算结果并存储；

[0110] 步骤S43b、基于实验数据和计算结果，构建水流紊动规律与再悬浮床沙数据的关联关系模型并验证；包括床面剪应力与轨道速度、植被密度和泥沙粒径之间的函数关系，以及床沙再悬浮量与床面剪应力、临界剪应力和植被稳定性之间的方程关系；

[0111] 步骤S43c、形成床沙再悬浮分析模型并存储。

[0112] 在某个实施例中，可以采用如下过程实现，根据不同方法获取的实验模型，进行对比分析，从而修正和完善模型，为了体现数据处理的完整性，将整个过程进行描述如下，本领域的技术人员也可以采用上文实施例中描述的步骤对下述方案中的部分步骤进行替换。

[0113] 在实验水槽模型中设置了一个长N米、宽M米、深P米的矩形区域作为观测区域，并在其中布置了若干个观测点。N、M、P、K为自然数。在每个观测点，使用波高计测量并记录每隔K分钟的波高H和周期T；使用声学多普勒流速仪测量并记录每隔K分钟的水平流速U和垂直流速W；使用透射光仪和荧光仪测量并记录每隔K分钟的总悬浮物浓度TSS和荧光颗粒总浓度FSS。使用数据采集器和计算机记录并存储每个观测点的所有数据，并将数据按照不同风力条件进行分类。

[0114] 对每个观测点的数据进行处理和分析，根据公式τw=ρgH2/16和τc=ρCDU2分别计算水流和波浪引起的底部剪切应力（τw和τc），其中ρ是水密度，g是重力加速度，CD是阻力系数。

[0115] 对每个观测点的数据进行处理和分析，根据公式τ=τw+τc计算总剪切应力τ，并与悬浮物浓度TSS或FSS进行相关分析，得到相关系数R和回归方程。

[0116] 接着对每个观测点的数据进行处理和分析，根据公式：α=τw/τ计算波浪引起的剪切应力占比α，并与风力条件进行对比分析，得到不同风力条件下的剪切应力占比变化规n律。对每个观测点的数据进行处理和分析，根据公式：Rs=Kτ；建立泥沙再悬浮量Rs与总剪切应力τ之间的关系模型，并用遗传算法GA优化模型中的参数K、n，使模拟结果与实验数据拟合最佳。

[0117] 最后，对每个观测点的数据进行处理和分析，根据公式Rs=a0+a1H+a2T+a3U+a4D+a5S建立泥沙再悬浮量Rs与波浪参数H和T、流速参数U、植被参数D和泥沙参数（S）之间的关系模型，并用遗传算法GA优化模型中的参数（a0，a1，a2，a3，a4，a5），使模拟结果与实验数据拟合最佳。

[0118] 总之，在本申请中，通过对床沙的再悬浮情况的深入研究和模拟，弥补了现有技术只考虑水和植物相互作用的缺陷。同时通过指示物对水流的紊动特性进行精确模拟和仿真，也解决了现有技术存在的技术难点。最后通过点云图像和神经网络模拟处理，更加精确分析水流特性，对水流的物理机制的理解更加深入。

[0119] 如图6所示，根据本申请的另一个方面，提供一种水槽波流环境中床沙再悬浮分析系统，包括：

[0120] 实验模型和数据采集装置，以及与数据采集装置信号连接的处理终端，

[0121] 所述处理终端包括：

[0122] 至少一个处理器；以及

[0123] 与至少一个所述处理器通信连接的存储器；其中，

[0124] 所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的水槽波流环境中床沙再悬浮分析方法。在获得相关模型后，按照现有方案将模型制作成软件，然后配置在计算机中，即可获得上述系统。具体实现过程为现有技术，在此不再详述。

[0125] 以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。