[发明专利]一种SWMM模型参数的高精度率定方法

说明书

本发明公开了一种SWMM模型参数的高精度率定方法。本发明结合人工神经网络模型和粒子群优化算法对SWMM模型的参数进行率定，本发明有助于科学、精准、高效的率定模型，避免不必要的人力、物力、时间的浪费。

技术领域

本发明涉及城市雨洪过程模拟技术领域，具体涉及一种SWMM模型参数的高精度率定方法。

背景技术

随着城市化进程的加快，城市内涝问题日益突出，准确分析内涝特性是城市防洪排涝的关键。目前，对于城市的内涝研究，一般采用数学模型对城市雨洪过程进行模拟与预测。SWMM(暴雨雨水管理模型)是由美国环境保护局与水资源中心联合开发，可以模拟城市区域内径流过程，模拟不同时刻子流域和管道中的水量等情况，作为开源软件，SWMM数学模型能与ArcGIS等软件结合使用，提高建模效率，因此被广泛应用于城市内涝分析和排水系统评估规划等方面。

但是SWMM数学模型也存在一些不足，即模型参数众多，其中水动力参数共有21个，根据参数获取的准确度可将将模型参数分确定性参数和不确定性参数。确定性参数包括Area、管道糙率等，可通过城市地面数据和管网资料等计算得到的；Slope、Imperv等，可通过遥感影像等分析计算得到；而不确定性参数与子汇水区的空间特征、地表径流过流能力、土壤下渗特性等因素有关，如Width、Dstore-Imperv、Dstore-Perv等，通常难以准确获得。

不确定性参数通常通过两种方式获取，其一是通过实测数据计算参数的大小，但是需要投入大量的人力和物力，且受测量精度的影响，计算结果往往难以满足使用需求。其二是类比法，即根据与研究区城市化水平一致、下垫面条件相近城市所采用的参数，进行类比选择。由于很难找到与研究区下垫面条件相似的城市，类比法可操作性不强。因此，对于不确定性参数的确定，一般是先根据SWMM计算手册提供的参数范围定一个初值，再通过模型率定确定参数的值。

对于模型率定，国内一般采用的是实际监测数据和综合径流系数法。综合径流系数法，是按照城市不透水率的程度对应城市综合径流值范围，需在该范围内主观确定一个综合径流值率定参数，率定精度比较低，且不一定符合实际情况。因此，根据降雨径流的实际监测数据对SWMM模型参数进行优化率定成为城市暴雨径流模拟的首选。利用实际监测数据优化率定参数，多数采用的方法是手动调参，由于不确定参数共有9个，根据实际情况，确定需要率定的参数，1～2个手动调整即可，但是三个及以上，根据结果调整参数其规律难寻，工作量大且繁杂、不确定因素比较多、时间成本高且率定的精度不高等问题。

因此，如何精准快速率定SWMM模型参数，是一个亟需解决的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种SWMM模型参数的高精度率定方法解决了SWMM参数模型难以准确获得的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种SWMM模型参数的高精度率定方法，包括以下步骤：

S1、确定需要率定的SWMM模型的不确定参数；

S2、根据SWMM用户手册，确定各不确定参数的取值范围，利用拉丁超立方抽样方法构建m组不确定参数的不同数据组合；

S3、建立SWMM模型，将不确定参数的不同数据组合输入SWMM模型中，根据SWMM模型输出结果的存储格式，得到与监测数据相对应的模型运算结果数据，进而通过模型运算结果数据得到m组不确定参数的不同数据组合和SWMM模型运算结果的数据样本；

S4、将数据样本分为训练数据组和验证数据组，利用人工神经网络模型对训练数据组和验证数据组进行训练和验证，得到高精度非线性的数学模型；

S5、以监测数据与对应SWMM模型运算结果数据的差值最小作为目标函数，利用高精度非线性的数学模型，采用粒子群优化算法反演得到模型参数值。