基于机器学习理论的SWMM参数自动率定方法

SWMM作为一种模拟降雨情况的软件,由于其模型参数在经验范围内选取的不确定性,随着模型不断地向前运行演绎,误差会持续累积,最终影响模型的模拟结果,而传统的参数率定方法则具有效率低、准确度差等缺点。为此,利用MATLAB软件调用SWMM的水力演算程序来完成两者的数据交互与集成,结合多元逐步回归法筛选出敏感性高的参数作为率定对象,进而通过数值实验的方式以敏感性分析结果为依据使用Bayes-MH机器学习算法实现SWMM参数的自动率定。对于不同的实测降雨场景,自动率定的结果均能够顺利输出,参数匹配度达95%以上,表明了该方法具备优秀的稳定性、自适应性与全范围寻参能力。

基于SWMM和GIS的城市内涝4D可视化研究

为了解决SWMM模型中城市内涝积水无法多维显示的问题,提出了一种基于地理信息系统GIS空间分析的城市内涝4D可视化方法。以福建省某城市片区为例,对研究区域排水管网进行概化,构建了该片区的SWMM水力模型,并采用实测降雨进行模拟对比分析。基于GIS空间分析对模拟积水结果进行4D可视化,研究得到的不同降雨历时下城市内涝淹没范围与实际调研结果基本相符,表明提出的城市内涝4D可视化方法具有良好的实用性。该方法将GIS空间分析工具和空间制图相结合,实现了暴雨情景下城市内涝区域的直观多维表达。

基于SWMM的LID参数局部与全局敏感性分析

针对SWMM模型LID(低影响开发)参数的敏感性编程分析及其取值对模拟的影响,编写了MATLAB、Visual Basic.NET代码,选用修正的Morris筛选法与多元逐步回归法,分析了福州大学晋江科教园SWMM模型透水铺装、绿色屋顶、生物滞留带29个经验参数的敏感性。结果表明,对径流总量与COD总量显著敏感的是LID利用模块参数:处理不渗透面积百分比,其是LID模拟关键参数;透水铺装参数对径流总量的敏感性与降雨强度呈负相关,绿色屋顶、生物滞留带参数对径流总量的敏感性与降雨强度呈正相关,3种LID设施参数对COD总量的敏感性较为稳定,表明LID控制模块参数对不同目标变量呈现不同的敏感性;多元逐步回归法的敏感性参数多于修正的Morris筛选法,前者能全面探究参数与目标变量的线性关系以及参数相互作用对结果的影响。