面向城市内涝消减的蓄水池尺寸优化模拟

针对传统多目标优化算法存在计算复杂且效率偏低的问题,本文提出了一种基于替代模型的多目标优化方法.即建立人工神经网络模型代替城市水文水动力模拟模型,再耦合NSGA-Ⅱ优化算法估计最优Pareto解集.选择典型城市中心集水区作为研究区,选用反向传输神经网络构建替代模型,采用平均相对误差绝对值、相关系数、均方根误差和纳什效率系数对替代模型的预测性能进行评估,结果表明替代模型具有较高的精度(误差<5%,拟合精度>90%).在此基础上,研究了不同降雨重现期下最小化工程成本和最大化灾害减少比率的蓄水池多目标优化问题.优化结果表明:每个重现期下的最优方案都能够有效地降低最大积水深度(26%～41%)、平均积水深度(13%～33%),减少积水面积(11%～39%)以及洪峰流量(5%～16%).通过对比传统优化模型和基于替代模型的优化模型的计算时间成本,结果表明后者在保证精度的同时能够节省约99%的时间.本文提出的方法能够为洪水风险管理系统的优化设计提供参考思路并提高优化效率.