中文摘要：

黄河封冻区冰盖下断面流冰能力是导致凌灾和平稳渡讯（文开河）的关键因素，由于盖下冰水流为有压非恒定二相流，水力条件极其复杂，加之冰层覆盖，流冰数据无法估测，目前国内外还没有成熟的技术计算和测试冰盖下流冰能力，导致相关的防凌减灾定量研究进展缓慢。本课题在综合黄河开河、封河期流冰规律的基础上，运用地球物理学、人工智能和信号处理等技术手段，以近开河区冰面实测电测深及开河区流冰量为数据源，通过人工神经网络

结论摘要：

本课题以黄河冰凌测试为研究对象，研究内容有5个方面冰凌数字化可视化研究、地电测试曲线模拟研究、电测曲线子波分析技术、人工神经网络模拟与反演技术、冰凌预警技术。课题采用虚拟现实技术模拟冰表面的鼓胀和消落过程，采用冰锥体描述冰凌，锥体的密度代表了流凌密度，锥体的流动方向沿着水流的运动方向。电测深曲线与流凌量具有明显的数量关系，有冰和无冰时的电测曲线面积与流凌量近似成正比，河道中冰含量越多，阻值越大。通过曲线K值可以描述冰凌堆积情况，反演流凌状态。通过电测曲线子波分析，冰水二相混合流平稳流凌时视电阻率在10左右，当局部测点视电阻率数值偏高时（大于50），可能是冰下局部壅塞或卡冰引起的，如果剖面线上出现多点壅高，则是凌灾预警的主要标志。采用人工神经网络技术建立冰凌预警人工神经网络模型，该网络模型可预测10个流凌级别。综合研究得出冰凌预警特征是① 电测深曲线的高频部分与流凌量具有明显的数量关系，高频阻值越高，河道中冰含量越多。②对于同一断面，无论河道是否流凌，曲线的高频部分特征（曲率）比较一致，低频部分特征（曲率）也是比较一致的。这2个特征为电测深曲线预警提供了重要的预警指标。