鱼道是帮助鱼类通过闸坝的专门水工建筑物,可以有效减轻水利水电工程的负面影响,对维护鱼类种群生息繁衍和河流生态系统健康起着重要作用。鱼道的设计需要与鱼类行为学相结合。本文以草鱼为研究对象开展了竖缝式鱼道内鱼类游泳行为提取研究以及鱼个体上溯模拟研究,为鱼道设计与研究提供技术支持与参考,主要内容如下:（1）研究鱼类游泳行为提取方法。鱼道的设计需要与鱼类游泳行为规律相结合,但现有的鱼类游泳行为检测方法仍具有较多局限,如模型的识别效果容易受到波纹的影响等。因此亟需开发一种新技术,以一种较少干扰的方式测量鱼在鱼道内的行为。本文提出一种基于GMM-CNN的鱼类游泳行为提取方法,通过对过鱼视频鱼体像素语义分割,进而获取鱼体特征点,计算上溯轨迹、游泳速度和摆尾幅度等鱼类行为学数据,以期为鱼道研究提供技术支持。（2）开展竖缝式鱼道内草鱼游泳行为提取研究。在语义分割试验中选择SegNet和UNet网络作为训练模型,得到了较好的分割结果。随后对两种网络模型的测试结果进行对比分析,发现UNet的MPA和MIoU分别高出SegNet的分割方法0.4%和0.5%。从模型效率来看,SegNet模型单样本检测的平均用时比UNet模型更短,仅为19ms,后续研究也可考虑以牺牲少量精度为代价选用SegNet对鱼体语义分割,提高计算效率。在对比GMM和GMM-CNN的上溯轨迹采集效果,发现GMM-CNN模型在处理光照、波纹等干扰时具有更好的鲁棒性,GMM-CNN模型的MREx和MREy分别为7.1%和2.4%,与GMM模型相比降低了23.6%和11.4%。研究结果表明,GMM-CNN模型能够以非入侵的方式监测鱼类运动,具有较高的精确度,能够高效地获取鱼道内试验鱼的游泳行为数据,可有效提高鱼道模型或野外监测成果分析的效率。（3）开展基于过鱼试验成果的个体鱼行为研究。通过数值模拟与物理模型试验相结合的方法对竖缝式鱼道流场进行分析,并根据草鱼上溯轨迹定性、定量分析了其上溯行为规律,为草鱼上溯模拟研究奠定基础。研究发现:通过观察草鱼上溯轨迹,可以发现鱼类游泳行为具有一定随机性;通过对流场轨迹耦合分析,将与水力因子相关的鱼类上溯行为主要归纳为以下三种:逆流上溯;寻找主流;避开障碍。（4）开展竖缝式鱼道内草鱼上溯模拟研究。本文将智能体（Agent）和元胞自动机（CA）有机结合建立了能够模拟避障、寻找主流、逆流向前、逆流后退、冲刺和随机6种行为模式的鱼类游泳行为的智能模拟模型,并运用模型对3种竖缝式鱼道结构型式进行模拟,模拟结果能体现鱼的运动特征。