基于循环神经网络的山前平原型城市河道洪水预报研究

山前平原型城市拥有复杂的下垫面条件,其洪水兼具了山洪和城市洪水的特征,为水文模拟和洪水预报增加了难度。以小清河济南市黄台桥水文站以上流域为研究对象,构建了基于循环神经网络变体的洪水预报模型,并评估了模型的预测性能。研究结果表明,所构建的洪水预报模型既适用于对场次洪水的预报,又适用于对长系列洪水过程的连续预测,且能够灵活地输出流量、水位过程,在一定预测步长内拥有较高的预测精度,其中基于双向门控循环单元(Bidirectional Gate Recurrent Unit,BiGRU)网络构建的模型预测性能最佳,且随预测步长的延长,其性能衰减最弱,能够作为山前平原型城市河道洪水预报的新方法新手段。

山前平原型城市雨洪模拟与应用——以济南市为例

近年来,我国城市区域暴雨洪涝灾害频发,而山前平原型城市由于地形地貌特殊,其造成的人员伤亡和经济损失尤为严重。文章以济南市黄台桥排水片区为研究对象,基于SWMM模型构建了山前平原型城市雨洪模拟模型。根据研究区地形地貌及汇流规律的差异将子汇水区分为山区、平原区和主城区三类,通过控制模型汇流演算方式、模型演算面积比及河道糙率系数设置情景,并采用遗传算法对模型参数进行率定与验证,从而定量分析子汇水区不同汇流方式及河道糙率对模拟结果的影响。研究结果表明:当采用SWMM模型传统汇流方式时,难以考虑山前平原型城市地形差异,模型模拟结果整体表现较差(平均Nash系数仅为0.61);当针对山前平原型城市不同地形特点设置相应的汇流演算方式、模型演算面积比及河段糙率系数时,模型模拟精度得到显著提高(平均Nash系数达0.86)。研究结果可为山前平原型城市雨洪灾害的模拟与研究提供科学基础,并为区域防洪减灾提供相应的技术支撑。

基于SWMM模型的济南城市雨洪模拟研究

在城市尺度上构建了基于SWMM模型的济南市城市雨洪模型,利用2006年和2007年暴雨洪水资料对该模型进行验证,结果表明所构建的模型具有良好的精度和可靠性,能为济南市防洪决策提供科学依据。运用构建的城市雨洪模型对济南市城市排水系统进行检验与评价,并对济南市应对突发性暴雨防灾减灾规划的合理性进行剖析,以检验该模型在城市雨洪防灾减灾分析评价以及规划实践中的应用效果。