【高校科研前沿】南大王栋、吴吉春教授团队在深度学习助力水库生态调度和优化管理方面取得新进展，成果以博士生邱如健为一作发表于水环境领域国际权威期刊
1.文章简介
论文名称：Integration of deep learning and improved multi-objective algorithm to optimize reservoir operation for balancing human and downstream ecological needs
第一作者及单位：邱如健（博士生 南京大学）
通讯作者及单位：王栋（教授 南京大学）
文章发表期刊：《Water Research》（中科院1区Top期刊|最新影响因子：12.8）
期刊平均审稿速度：4.4个月（参考）
2.研究内容
随着全球气候变化和人口增长，水资源短缺已成为全球性的挑战。水库作为开发利用水资源的重要工程措施，其运行管理直接关系到人类生活和流域生态健康。然而，传统的水库调度方式往往难以在保障人类用水的同时，满足坝下河道的生态需求。能够综合平衡水库经济效益和河流生态需求的水库生态调度对于水库综合功能的持续高效发挥和流域健康发展具有重要意义。
大型水库运行后下泄流量和下泄水温改变，下游河流水温发生变化，造成了负面生态影响。如何定量评估水库的水温生态影响，实行兼顾水库下游生态流量和生态水温需求的生态调度，给水资源管理带来了巨大挑战。筑坝河流生态水温与生态流量的确定方法尚不成熟。与此同时，随着水库管理模型中目标和约束的不断增加，水库生态调度问题变得复杂多元，迫切需要有效的优化算法。
经持续探索，南京大学地球科学与工程学院王栋、吴吉春教授团队陆续在深度学习助力水库生态调度和优化管理方面取得系列进展：（1）基于人工智能的水温预测模型能够快速、可靠地预测河流水温；（2）基于深度学习的坝下水温变化定量评价方法能够在数据有限场景下量化分离三峡水库调蓄和气候变化对长江中游宜昌水温的影响；（3）耦合二维水动力水温模型和适宜性模型的栖息地模拟方法能够同时确定长江中游四大家鱼产卵栖息地适宜生态流量和生态水温；（4）耦合深度学习和改进多目标进化算法的多目标模拟-优化方法能够高效求解水库下泄流量-下泄水温复杂优化问题，提供了综合平衡水库经济效益和下游生态流量、生态水温需求的三峡水库下泄流量和下泄水温优化管理方案。上述研究为水库生态调度和优化管理领域提供了新思路和新方法。
部分成果相继发表在Science of The Total Environment 、Ecohydrology和Journal of Hydrology期刊上，新进展成果内容发表于水环境领域国际权威期刊Water Research（自然指数期刊），博士研究生邱如健为上述论文第一作者，南京大学为第一署名单位。合作者包括华北电力大学王远坤教授、美国得克萨斯A&M大学V. Singh教授等。该研究得到国家自然科学基金和国家重点研发计划课题资助。
图1|耦合深度学习与多目标算法助力水库生态调度和优化管理
图2|研究区位置
3.文章引用
文章信息：Rujian Qiu, Dong Wang, Vijay P. Singh, Yuankun Wang, Jichun Wu,Integration of deep learning and improved multi-objective algorithm to optimize reservoir operation for balancing human and downstream ecological needs,Water Research,Volume 253,2024,121314,ISSN 0043-1354,
https://doi.org/10.1016/j.watres.2024.121314.
相关论文信息：
[1]Qiu, R., Wang, D., Singh, V., Zhang, H., Tao, Y., Wu, J., Wang, Y., (2023). Ecological responses of spawning habitat suitability to changes in flow and thermal regimes influenced by hydropower operation. Ecohydrology, 16(2), e2507.
https://doi.org/10.1002/eco.2507
[2]Qiu, R., Wang, Y., Rhoads, B., Wang, D., Qiu, W., Tao, Y., Wu, J., (2021). River water temperature forecasting using a deep learning method. Journal of Hydrology, 595, 126016.
https://doi.org/10.1016/j.jhydrol.2021.126016
[3]Qiu, R., Wang, Y., Wang, D., Qiu, W., Wu, J., Tao, Y., 2020.Water temperature forecasting based on modified artificial neural network methods: Two cases of the Yangtze River. Science of The Total Environment, 737, 139729.
https://doi.org/10.1016/j.scitotenv.2020.139729
信息来源：南京大学地球科学与工程学院官网