城市暴雨洪水管理模型参数自动率定方法及系统

1.本发明涉及市政工程技术领域，特别涉及一种城市暴雨洪水管理模型参数自动率定方法及系统。


背景技术：

2.近年来，城市洪涝灾害频发，严重影响城市居民的生产生活，同时也造成巨大的社会财产损失。升级改造城市排水系统，提高城市排水能力，加强海绵城市建设是降低城市洪涝灾害影响的有力举措。swmm(storm water management model，暴雨洪水管理模型软件)是美国环境保护署针对城市区域雨水径流和水质分析开发的一款功能强大的水文、水动力学模型软件，被广泛用于城市区域的排水管网规划设计、城市内涝预警预报、城市排水能力评估等领域。通过swmm构建城市暴雨洪水管理模型，不仅能够用来评估现有城市排水系统的排水能力，还能为城市排水管网的改造提供可靠建议。此外，构建的暴雨洪水管理模型还能够模拟计算不同降雨强度下城市的排水状况，从而对将来可能出现的洪涝灾害进行及时的预警。
3.swmm构建的暴雨洪水管理模型较为复杂，模型中包含众多参数，部分参数无法直接根据收集的数据计算或者试验测量取得，只能根据对应的下垫面性质、土地利用类型、地形等实际情况，在给定的参数范围内按照经验选取。如果这些经验参数选取的不合理则会导致模型误差偏大，模拟结果失真。为了保证构建的暴雨洪水模型的准确性，通常需要对这些选取的经验参数进行率定，即不断的对这些参数进行数值上的调整，使得模型模拟计算结果与实际监测结果不断接近，相对误差处于合理的允许误差范围之内。
4.以往，模型参数的率定通常采用人工试错法，这种方法需要手动调整参数，调参工作量大，耗费时间较长，率定效果依赖于操作人员的经验，且往往难以得到最优的参数组合。针对现今人工试错法的种种缺点，如果能够在给定的控制规则下，利用计算机实现对模型参数的自动率定，这能够大幅降低率定所需时间，提高率定效率，同时也能避免人工试错法中操作人员主观因素的影响。


技术实现要素：

5.有鉴于此，本发明提供一种城市暴雨洪水管理模型参数自动率定方法及系统。
6.一种城市暴雨洪水管理模型参数自动率定方法，其特征在于，
7.s1、收集城市中研究区域建模所需的基本数据，并将其输入swmm中建立暴雨洪水管理模型；
8.s2、确定待率定参数组和取值范围，并对率定参数组中参数取值初始化；
9.s3、运行暴雨洪水管理模型，获取模型模拟结果，根据目标函数计算纳什系数，判断模型模拟计算结果与实际监测结果之间相对误差大小；
10.s4、在相对误差大于预设误差阈值时，则根据差分进化算法对参数进行变换，然后输入暴雨洪水管理模型中继续运行，进行模拟计算后跳转并重复执行步骤s3，直至相对误
差小于或等于预设误差阈值，率定过程终止，完成暴雨洪水管理模型参数率定。
11.在本发明所述的城市暴雨洪水管理模型参数自动率定方法中，
12.所述率定参数组中参数为暴雨洪水管理模型中无法直接根据收集的数据计算或者试验测量取得的经验参数。
13.在本发明所述的城市暴雨洪水管理模型参数自动率定方法中，
14.待率定模型参数的自动变换是基于差分进化算法来实现，其具体实现过程如下，
15.1)初始化
16.将查阅得到的待率定参数组及对应的取值范围进行编码，每个参数在其取值范围内选取一个数值，这些数值即构成一个向量个体，众多的个体一起组成种群。
[0017][0018]
其中，d表示共有d个待率定参数，j表示第j个待率定参数，np表示该参数组种群的规模，x
ij
(0)表示第i个个体，括号内数字为种群进化代数，0表示为初代。
[0019][0020]
其中，和分别表示第j个参数取值范围的下界和上界，rand为随机函数，rand(0,1)能够产生一个在区间[0,1]上的随机数。
[0021]
2)变异
[0022]
差分进化算法通过差分策略实现个体变异，常见的差分策略是随机选取种群中两个不同的个体，将其向量差缩放后与待变异个体进行向量合成。
[0023]vi
(g 1)＝x
r1
(g) f(x
r2
(g)-x
r3
(g))
[0024]
其中，g表示变异产生的第g代，vi(g 1)表示由第g代个体变异后产生的第g 1代个体，r1，r2和r3是有随机函数rand产生的三个随机数，区间为[1,np]，则x
r1
(g)，x
r2
(g)，x
r3
(g)分别表示在第g代种群中随机选取的三个个体，f为缩放因子，是一个确定的常数。
[0025]
3)交叉
[0026]
交叉操作的目的是随机选择个体，因为差分进化也是一种随机算法，交叉操作的方法是：
[0027][0028]
其中，cr称为交叉概率，通过概率的方式随机生成新的个体。
[0029]
4)选择
[0030]
在差分进化算法中采用的是贪婪选择的策略，即选择较优的个体作为新的个体。
[0031][0032]
其中f是以种群个体为变量的函数，即目标函数，用于判断个体的好坏，从而选择出最优的个体。
[0033]
算法在步骤2)(变异)-步骤4)(选择)之间不断迭代，直至迭代次数达到最大值或算法收敛(相邻代之间优化目标的提升值小于某一预定目标)。
[0034]
在本发明中所述目标函数为纳什系数，计算方法如下式
[0035]
其中t为时间，t为率定数据的总时间步长数，qm为模拟流量值，q0为监测流量值，为平均监测流量值。纳什系数nse的取值范围为(-∞,1],取值越大代表模型模拟结果与实际监测结果越接近，相对误差越小，模拟结果越好。
[0036]
在本发明所述的城市暴雨洪水管理模型参数自动率定方法中，
[0037]
差分进化算法的控制参数如下：种群数量np＝20，交叉概率cr＝0.5，最大迭代次数为10，收敛条件为相邻代之间优化目标的提升值小于10-8
。
[0038]
本发明还提供一种城市暴雨洪水管理模型参数自动率定系统，通过如上述任一项所述的城市暴雨洪水管理模型参数自动率定方法实现。
[0039]
有益技术效果：本发明的城市暴雨洪水管理模型参数自动率定方法及系统相对于现有技术，其应用的算法具有结构简单、容易实现、收敛快速、鲁棒性好等优点。能够实现暴雨洪水管理模型中参数的自动率定，大幅降低率定所需时间，提高率定效率，同时也能避免人工试错法中操作人员主观因素的影响，使暴雨洪水管理模型能够更有效的、精确的模拟城市降雨径流过程。
附图说明
[0040]
图1是本发明实施例提供的城市暴雨洪水管理模型参数自动率定方法流程图；
[0041]
图2是本发明实施例提供的差分进化算法示意图；
[0042]
图3是本发明实施例提供的swmm模型；
[0043]
图4是本发明实施例提供的自动率定过程nse变化图；
[0044]
图5是本发明实施例提供的参数率定后模型所得监测点模拟水流量和实测水流量对比图。
具体实施方式
[0045]
如图1所示，以下是一更为具体的实施例，需要说明的是，这些实施例仅为了更好地诠释本发明，并不用于限制本发明的实施范围。凡在本发明技术方案范围内的参数选择均属本发明保护的范围。
[0046]
本实施例的研究区域为深圳市龙岗区爱联河流域，根据研究区域的管网数据、地形高程、土地利用以及降雨数据等资料，研究区被概化成200个子汇水区，提取了管道661根，管网节点651个，排水口1个，输入swmm软件中构建了暴雨洪水管理模型(图3)。
[0047]
根据swmm操作手册及相关研究文献，确定了本实施例中需要率定参数的取值范围如表1所示。
[0048]
表1待率定参数及其取值范围
[0049][0050]
按照通过反复测试，最终选择差异进化算法的控制参数如下：种群数量np＝20，交叉概率cr＝0.5，最大迭代次数为10，收敛条件为相邻代之间优化目标的提升值小于10-8
。采用本发明自动率定方法对n-imperv、n-perv、s-perv、s-imperv、zero％-imperv、maxrate、minrate、decay、drytime、roughness这十项参数进行优化率定。如图4所示在差分进化算法搜索的初期阶段，目标函数nse的取值较低；经过反复迭代，模型的模拟效果得到快速提高，并最终达到nse取值0.42，率定结果的纳什系数达到可接受的范围。监测点的模型模拟值与实测值变化如图5所示，模拟结果与实测值相关性达到0.85，均方根差为0.028m3/s，相对误差在可接受范围之内。应用本发明方法能够快速的对暴雨洪水管理模型各项参数实现自动率定，从而提高模型的准确性。
[0051]
以上，包括本发明实施例不局限于具体实现实施方式，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。