考虑时空特征的城市内涝智能预报模型研究

针对传统城市内涝预报模型计算耗时长、实测内涝样本少、内涝特征因子欠考虑等问题,通过耦合SWMM模型和LISFLOOD-FP模型搭建了城市内涝机理模型,利用不同重现期下的设计暴雨进行数值模拟并生成内涝样本;基于样本和内涝特征因子构建了三维时空矩阵,实现对内涝特征因子数据的有序组织;在此基础上,将卷积神经网络(CNN)与长短时记忆网络(LSTM)进行耦合,构建了一种考虑多时空特征的城市内涝智能预报模型(CNN-LSTM);最后以三维时空矩阵为驱动,对该智能模型进行训练,选取广州市天河区的实测样本对其性能进行评估。结果表明:CNN-LSTM模型可以快速预报淹没水位和淹没范围,易涝控制点水位过程模拟的纳什效率系数在0.9以上,各个时刻淹没面积的平均匹配率达到92.2%,相对于机理模型的模拟效率提高了近70倍。该智能模型具有良好的预报精度和效率,可有效支撑城市防灾减灾工作。

城市内涝预警综合评价方法

近年来,我国城市内涝洪水的频度和烈度呈现逐年加剧的趋势,在难以进行高标准防洪工程措施建设的情况下,开展城市内涝预警及应急管理显得尤为重要。以珠江三角洲地区的代表性城市东莞市为例,以DPSIR模型(driving forces、pressure、state、impact、responses)为理论基础,提出了城市内涝预警评价的综合指标体系,采用模糊综合评判法对预警等级进行评价,以多普勒雷达估算的高分辨率降雨为输入,以基于分布式城市内涝预报模型预报的城市内涝水深作为评价指标,实现了城市内涝预警的精细化和综合化。本文的评价方法既可根据当前实测的指标体系开展预警评价,也可通过预报指标开展预警评价,提高预警的预见期。对东莞市近年来发生的两场最为严重的内涝的模拟预警评价结果表明,该方法效果良好,可应用于实际工作。

基于陆气耦合的城市内涝高分辨率模拟预报方法

高分辨率城市内涝预报能更准确反映城市内涝情况,有助于及时发布预警预报信息,降低城市内涝带来的损失。基于预报降雨校正模块和高精度水文水动力模型,耦合GRAPES_MESO数值天气预报模式,构建了基于陆气耦合的城市内涝模拟预报模型。并以陕西省西咸新区部分区域为研究对象,通过三场实测暴雨检验模型的预报性能。结果表明,所建模型能高效准确预测城市内涝积水要素,计算15 h降雨-致涝过程平均用时为0.82 h,预报内涝积水面积平均误差低于10%,积水量平均误差小于20%,可见模型预报性能良好,能高效开展城市内涝预报工作,其模拟预报结果对指导城市防灾减灾工作具有一定意义。

东莞市内涝预报模型研究

东莞市近年来城市内涝发生的频度和烈度均居全国前列.在深入分析东莞市城市内涝形成规律及城市空间特征、综合考虑国内外现有城市洪水模型中有效方法的基础上,建立了东莞市内涝预报模型,其包括5个独立的功能模块:排水分区与网格划分模块根据一级河涌分布对整个城市进行排水分区划分,并采用无结构化不规则网格技术对排水分区内的地表进行单元网格划分;雨量同化模块处理与计算各单元网格上的面雨量,作为模型的输入量,可以是通过雨量计测量的降雨或是多普勒雷达估算的降雨;产流计算模块将地面分为透水地面和不透水地面,并采用不同的方法进行单元网格上的产流计算;地表汇流计算模块进行城市地面水流运动及内涝积水情况计算,其中,单元网格型通道上的汇流按平面二维非恒定流进行计算,地面通道和特殊通道上的汇流按一维非恒定流进行计算;管网汇流计算模块采用一维非恒定流方程,按Priessmann"明窄缝"方法进行管网汇流计算.采用该模型对东莞曾经发生过的两场最为严重的内涝进行了模拟,取得了良好的效果.