一种SWMM模型的率定方法及装置与流程

一种swmm模型的率定方法及装置
技术领域
1.本发明涉及城市雨洪技术领域，尤其涉及一种swmm模型的率定方法及装置。


背景技术：

2.swmm模型(storm watermanagement model，暴雨洪水管理模型)是由美国环境保护局与水资源中心联合开发，可以模拟城市区域内径流过程和不同时刻子流域和管道中的水量等情况。swmm模型已广泛用于我国多数城市的降雨径流的模拟研究中，如北京、天津和成都等城市，均表明swmm模型对于不同地区具有较强的适用性。
3.在swmm模型的应用中，swmm模型参数校准是城市雨洪研究的重点，也决定着后续研究的准确性，对于swmm模型参数校准即swmm模型的率定一般是基于实际检测数据来率定和验证模型参数，在一些小范围研究区域，如社区、工场和机场实测数据比较容易获得，而在大范围研究区域，由于精确测量降雨的径流过程成本高、操作难度大，且现有城区水文站点数量、检测能力和站网密度，特别是城市管道流量实时检测的严重匮乏，使得大范围研究区域不能满足swmm模型的率定需求。因此在对无实测资料地区进行城市雨洪研究时，多采用相关分析法、经验公式法和参数移植法等方法对swmm模型进行率定。但这些方法过于依赖操作者经验，大部分参数是依靠人为主观选取，如在确定研究区域的综合径流系数时，通常依据现行设计标准中对径流系数提出的经验设计参数取固定值，设计标准建议取值范围过于广泛，主观性强。且在率定swmm模型时，对研究区域所有子汇水区的不确定性参数取相同值，也违背了客观规律，不能保证符合物理意义和实际情况。
4.同时，由于我国的雨水管网检测系统建设滞后，在今后一段时间内仍然会面临实测数据匮乏的局面，因此，提高swmm模型的率定精确性是重要环节和关键步骤。


技术实现要素：

5.本发明所要解决的技术问题是：本发明提供一种swmm模型的率定方法及装置，提高swmm模型的率定精确度。
6.为了解决上述技术问题，本发明采用的技术方案为：
7.第一方面，本发明提供一种swmm模型的率定方法，包括：
8.获取研究区域的基础数据和历史降雨数据，基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据，根据所述降雨过程数据和所述基础数据构建swmm模型，并对所述研究区域内所有子汇水区进行分类，生成不同的类别区，其中所述降雨过程数据包括降雨强度；
9.根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时和每一个所述类别区的动态径流系数，根据所述降雨历时和所述动态径流系数对应计算每一个所述类别区的理论雨水流量；
10.基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数，将所述最优不确定参数分别代入swmm模型，生成已率定swmm模型。
11.本发明的有益效果在于：将研究区域内的子汇水区进行分类，生成不同类别区，并对不同类别区分别进行swmm模型的不确定参数寻优，克服了传统对研究区域所有子汇水区取相同值违背客观规律的问题，使得所得到的最优不确定参数不仅符合子汇水区特征还符合客观规律，且理论雨水流量是根据每一个类别区的动态径流系数和研究区域的降雨历时得到的，相对于传统对径流系数取固定值的方式，减少了人为主观性，贴合实际，从而提高swmm模型的率定精确度。
12.可选地，所述基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据包括：
13.基于所述历史降雨数据通过芝加哥过程线模型对所述研究区域进行模拟降雨，获取降雨过程数据，其中所述芝加哥过程线模型采用单峰曲线作为降雨形式，雨峰系数为0.4～0.5，模型降雨时间为1～2h。
14.根据上述描述可知，以研究区域的历史降雨数据进行模拟降雨，提高降雨过程数据的合理性与准确性，且将芝加哥过程线模型的雨峰系数限制在0.4～0.5，模型降雨时间限制在1～2h进行模拟降雨，使得整个降雨过程能够充分克服洼蓄、入渗而产生峰值流量，从而实现全流域汇流。
15.可选地，所述基础数据包括土地利用数据和遥感影像数据，所述对所述研究区域内所有子汇水区进行分类，生成不同的类别区别包括：
16.获取所述研究区域的自然属性和社会属性；
17.基于所述土地利用数据、所述遥感影像数据、所述降雨数据结合所述自然属性和所述社会属性对所述研究区域内所有子汇水区进行分类，生成不同的类别区；
18.其中所述类别区包括工商业区、居民区和公共区。
19.根据上述描述可知，将研究区域内所有子汇水区分为了工商业区子汇水区、居民区子汇水区和公共区子汇水区，克服了传统对研究区所有子汇水区的一刀切，不考虑研究区域各个子汇水区的特征，违背客观性。
20.可选地，所述基础数据包括雨水管网数据和地表高程数据，所述根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时包括：
21.从所述雨水管网数据中获取主管段数量、每一段主管段的长度和平均流速，从所述地表高程数据中获取地面汇水距离、地面糙率和地面坡度；
22.基于所述主管段数量、每一段主管段的长度、平均流速、地面汇水距离、地面糙率、地面坡度和降雨强度计算所述研究区域的降雨历时：
23.t＝t1+mt2[0024][0025][0026][0027]
其中，t为降雨历时，t1为地面汇水时间，l为地面汇水距离，n0为地面糙率，q为降
雨强度，slop为地面坡度，k为地面截留系数，t2为主管段内雨水流动时间，m为折减系数，totalpip为主管段数量，j为主管段编号，lj为第j段主管段的长度，vj为第j段主管段的平均流速，pij为第j段主管段的平均坡度。
[0028]
根据上述描述可知，在计算研究区域的降雨历时时将地面汇水距离、地面坡度、地面糙率、主管段数量、长度、平均流速以及降雨强度考虑在内，克服了传统计算研究区域降雨历时时缺乏对峰现时间和流量过程的考虑，即能够实现对swmm模型的峰值流量、峰值时间、径流过程等参数的率定，提高swmm模型的率定准确性。
[0029]
可选地，所述k与所述地表高程数据中的地面铺装相关联，所述m与所述雨水管网数据中的主管段铺设相关联；
[0030]
当所述地面铺装为混凝土或沥青或砖石时，k为6.19，当所述地面铺装为未铺装时，k为4.91；
[0031]
当所述主管段铺设为明管时，m为1.2，当所述主管段铺设为暗管时，判断所述主管段是否铺设在陡坡区，若是，则m为1.2～2，否则，m为2。
[0032]
根据上述描述可知，根据地面铺装设置k地面截留系数以及根据主管段铺设情况如明管、陡坡区暗管和非陡坡区暗管设置m折减系数，从而提高降雨历时的计算准确性。
[0033]
可选地，所述根据所述基础数据和所述降雨强度计算每一个所述类别区的动态径流系数包括：
[0034]
根据所述基础数据和所述降雨强度采用改进型扣损公式计算每一个所述类别区的动态径流系数：
[0035][0036][0037][0038]
其中，cn为n时刻研究区域的综合径流系数；n为降雨开始后的时刻，i为类别区的类别，c
ni
为n时刻第i类类别区的径流系数，s为研究区域的面积，si为第i类类别区的面积，i
ai
为第i类类别区不透水区域面积比，izn为降雨强度，f
ni
为n时刻第i类类别区的下渗量，dci为第i类类别区的衰减系数。
[0039]
根据上述描述可知，根据每一个类别区的面积、不透水区域面积比、下渗量和降雨强度等计算各个类别区的动态径流系数，减少了人为主观性，提高计算精度。
[0040]
可选地，所述基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数包括：
[0041]
采用pso算法，基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数；
[0042]
其中所述不确定参数包括管道曼宁系数、不透水区曼宁系数、透水区曼宁系数、不透水区洼蓄量、透水区洼蓄量、最大下渗率、最小下渗率和渗透衰减常数。
[0043]
根据上述描述可知，每一个类别区都使用pso算法分别对swmm模型的不确定参数单独进行寻优，提高swmm模型不确定参数的率定精度。
[0044]
可选地，所述采用pso算法，根据所述理论雨水流量分别对swmm模型的不确定参数
进行寻优包括：
[0045]
初始化所述pso算法的粒子群规模和粒子最大迭代次数；
[0046]
计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置：
[0047][0048]
其中，nse为每一个粒子的适宜度值，n为降雨开始后的时间，m为降雨总时长，为动态径流系数计算的n时刻理论雨水流量，为swmm模型模拟n时刻雨水流量，为理论雨水流量的平均值；
[0049]
判断是否达到所述粒子最大迭代次数，若是，则输出对应的最优不确定参数，否则，不断计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置直至达到所述最大迭代次数。
[0050]
根据上述描述可知，以pos算法进行不确定参数的迭代寻优，相对于人工依靠经验进行优化，提高了最优不确定参数的精确性。
[0051]
第二方面，本发明提供一种swmm模型的率定装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的一种swmm模型的率定方法。
[0052]
其中，第二方面所提供的一种swmm模型的率定装置所对应的技术效果参照第一方面所提供的一种swmm模型的率定方法的相关描述。
附图说明
[0053]
图1为本发明实施例所提供的一种swmm模型的率定方法的流程图；
[0054]
图2为本发明实施例所提供的一种swmm模型的率定方法的整体流程示意图；
[0055]
图3为本发明实施例所提供的一种swmm模型的率定装置的结构示意图。
[0056]
【附图标记说明】
[0057]
1、一种swmm模型的率定装置；
[0058]
2、处理器；
[0059]
3、存储器。
具体实施方式
[0060]
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0061]
实施例一
[0062]
请参照图1至图2，本发明提供一种swmm模型的率定方法，包括步骤：
[0063]
s1、获取研究区域的基础数据和历史降雨数据，基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据，根据所述降雨过程数据和所述基础数据构建swmm模型，并对所述研究区域内所有子汇水区进行分类，生成不同的类别区，其中所述降雨过程数据包括降雨强度；
[0064]
在本实施例中，基础数据包括但不限于雨水管网数据、地表高程数据、土地利用数据和遥感影像数据。
[0065]
此时，步骤s1中所述基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据包括：
[0066]
s11、基于所述历史降雨数据通过芝加哥过程线模型对所述研究区域进行模拟降雨，获取降雨过程数据，其中所述芝加哥过程线模型采用单峰曲线作为降雨形式，雨峰系数为0.4～0.5，模型降雨时间为1～2h。
[0067]
在本实施例中，芝加哥过程线模型是一个直接使用的软件，从历史降雨数据中能得到芝加哥过程线模型中降雨公式的相关参数，降雨公式如下：
[0068][0069]
其中，a1、c、b、n参数能从历史降雨数据中获得，将雨峰系数、模型降雨时间输入至芝加哥过程线模型中，并设置重现年限如：1年、2年可以根据实际情况进行设置，则芝加哥过程线模型能进行模拟降雨，从而得到降雨过程数据。
[0070]
在一个具体实施例中，从研究区域的历史降雨数据中获得a＝17.7111，c＝0.8852，b＝14.6449，n＝0.7602，设置雨峰系数为0.425，模型降雨时间为2h，则通过芝加哥过程线模型进行模拟降雨，能获得降雨过程数据，其中降雨过程数据包括总降雨量和不同时刻的降雨强度。
[0071]
此时，步骤s1中所述基础数据包括土地利用数据和遥感影像数据，所述对所述研究区域内所有子汇水区进行分类，生成不同的类别区别包括：
[0072]
s12、获取所述研究区域的自然属性和社会属性；
[0073]
在本实施例中，自然属性包括但不限于地形地貌、土地条件和气候特征，社会属性包括但不限于产权关系、交易情况和利用主体。
[0074]
s13、基于土地利用数据、所述遥感影像数据、所述降雨数据结合所述自然属性和所述社会属性对所述研究区域内所有子汇水区进行分类，生成不同的类别区；
[0075]
s14、其中所述类别区包括工商业区、居民区和公共区。
[0076]
在本实施例中，公共区指的是工商业区与居民区的公共区。
[0077]
s2、根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时和每一个所述类别区的动态径流系数，根据所述降雨历时和所述动态径流系数对应计算每一个所述类别区的理论雨水流量；
[0078]
在本实施例中，理论雨水流量通过如下公式进行计算：
[0079][0080]
其中，表示n+t时刻的理论雨水流量，a为研究区域汇水面积(hm2)，qn为n时刻的降雨强度(l/(s
·
hm2)。
[0081]
此时，步骤s2中所述基础数据包括雨水管网数据和地表高程数据，所述根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时包括：
[0082]
s21、从所述雨水管网数据中获取主管段数量、每一段主管段的长度和平均流速，从所述地表高程数据中获取地面汇水距离、地面糙率和地面坡度；
[0083]
s22、基于所述主管段数量、每一段主管段的长度、平均流速、地面汇水距离、地面糙率、地面坡度和降雨强度计算所述研究区域的降雨历时：
[0084]
t＝t1+mt2[0085][0086][0087][0088]
其中，t为降雨历时，t1为地面汇水时间，l为地面汇水距离，n0为地面糙率，q为降雨强度，slop为地面坡度，k为地面截留系数，t2为主管段内雨水流动时间，m为折减系数，totalpip为主管段数量，j为主管段编号，lj为第j段主管段的长度，vj为第j段主管段的平均流速，pij为第j段主管段的平均坡度。
[0089]
在本实施例中，t1地面汇水时间一般设置在5～15min。
[0090]
此时，步骤s22包括：
[0091]
s221、所述k与所述地表高程数据中的地面铺装相关联，所述m与所述雨水管网数据中的主管段铺设相关联；
[0092]
s222、当所述地面铺装为混凝土或沥青或砖石时，k为6.19，当所述地面铺装为未铺装时，k为4.91；
[0093]
s223、当所述主管段铺设为明管时，m为1.2，当所述主管段铺设为暗管时，判断所述主管段是否铺设在陡坡区，若是，则m为1.2～2，否则，m为2。
[0094]
在本实施例中，地面铺装和主管段铺设影响降雨历时的计算，因此根据地面铺设情况和主管段铺设情况分别设置地面截留系数和折减系数，如，当地面铺设为沥青时，k地面截留系数取6.19，当主管段铺设为陡坡区的暗管时，m折减系数取1.5，此时l地面汇水距离为：150m，地面糙率为0.8，降雨强度为0.2mm/min，slop为0.6，totalpip为30，j为1，l1为800m，pi
j1
为0.2，则t1＝150/(60*6.19*0.6
0.5
)＝0.521，v2＝20*0.2
0.6
＝7.615，t2＝800/(60*7.615)＝1.75，则降雨历时t＝0.521+1.5*1.75＝3.146min。
[0095]
此时，步骤s2中所述根据所述基础数据和所述降雨强度计算每一个所述类别区的动态径流系数包括：
[0096]
s23、根据所述基础数据和所述降雨强度采用改进型扣损公式计算每一个所述类别区的动态径流系数：
[0097]
[0098][0099][0100]
其中，cn为n时刻研究区域的综合径流系数；n为降雨开始后的时刻，i为类别区的类别，c
ni
为n时刻第i类类别区的径流系数，s为研究区域的面积，si为第i类类别区的面积，i
ai
为第i类类别区不透水区域面积比，izn为降雨强度，f
ni
为n时刻第i类类别区的下渗量，dci为第i类类别区的衰减系数。
[0101]
在本实施例中，当c大于0时，n取1，否则，n取0，当透水区域径流总量大于0时，m取1，否则，m取0,max.fi为第i类类别区的最大下渗量；min.fi为第i类类别区的最小下渗量，对不同类别区的最大下渗量和最小下渗量以及衰减系数做了如下表1所示的取值参考：
[0102]
表1.不同降雨和下垫面条件下各功能区径流系数计算参数
[0103][0104]
s3、基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数，将所述最优不确定参数分别代入swmm模型，生成已率定swmm模型。
[0105]
此时，步骤s3中所述基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数包括：
[0106]
s31、采用pso算法，基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数；
[0107]
s32、其中所述不确定参数包括管道曼宁系数、不透水区曼宁系数、透水区曼宁系数、不透水区洼蓄量、透水区洼蓄量、最大下渗率、最小下渗率和渗透衰减常数。
[0108]
在本实施例中，会根据不同类别区对应的理论雨水流量分别对swmm模型的不确定参数进行寻优，且不同类别区的每一个不确定参数都设置了如下表2所示的取值范围：
[0109]
表2.swmm模型三类功能区不确定性参数取值范围
[0110]
[0111][0112]
其中管道曼宁系数的取值范围在三个不同类别区都为0.005～0.02，从而采用pso算法(particle swarm optimization，粒子群算法)对不同类别区的每一个不确定参数进行寻优，得到对应的每一个不确定参数得到最优不确定参数，将其代入swmm模型，生成已率定swmm模型。
[0113]
此时，步骤s31中所述采用pso算法，根据所述理论雨水流量分别对swmm模型的不确定参数进行寻优包括：
[0114]
s311、初始化所述pso算法的粒子群规模和粒子最大迭代次数；
[0115]
在本实施例中，将pso算法的粒子群规模设置为30，最大迭代次数设置为100次，粒子群规模和最大迭代次数可以根据实际情况进行调整。
[0116]
s312、计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置：
[0117][0118]
其中，nse为每一个粒子的适宜度值，n为降雨开始后的时间，m为降雨总时长，为动态径流系数计算的n时刻理论雨水流量，为swmm模型模拟n时刻雨水流量，为理论雨水流量的平均值；
[0119]
s313、判断是否达到所述粒子最大迭代次数，若是，则输出对应的最优不确定参数，否则，不断计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置直至达到所述最大迭代次数。
[0120]
在一个具体实施例中，如果没有达到粒子最大迭代次数100次，则不断计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置，直到最大迭代次数达到100次。
[0121]
此外，除了通过判断是否达到最大迭代次数输出最优不确定参数，还可以通过设置适宜度值精度，当适宜度值达到设置的适宜度值精度时，输出最优不确定参数。
[0122]
实施例二
[0123]
请参照图3，一种swmm模型的率定装置1，包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现上述实施例一中得步骤。
[0124]
由于本发明上述实施例所描述的系统/装置，为实施本发明上述实施例的方法所采用的系统/装置，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了
解该系统/装置的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
[0125]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0126]
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
[0127]
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
[0128]
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0129]
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0130]
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

技术特征：
1.一种swmm模型的率定方法，其特征在于，包括：获取研究区域的基础数据和历史降雨数据，基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据，根据所述降雨过程数据和所述基础数据构建swmm模型，并对所述研究区域内所有子汇水区进行分类，生成不同的类别区，其中所述降雨过程数据包括降雨强度；根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时和每一个所述类别区的动态径流系数，根据所述降雨历时和所述动态径流系数对应计算每一个所述类别区的理论雨水流量；基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数，将所述最优不确定参数分别代入swmm模型，生成已率定swmm模型。2.如权利要求1所述的一种swmm模型的率定方法，其特征在于，所述基于所述历史降雨数据对所述研究区域进行模拟降雨，获取降雨过程数据包括：基于所述历史降雨数据通过芝加哥过程线模型对所述研究区域进行模拟降雨，获取降雨过程数据，其中所述芝加哥过程线模型采用单峰曲线作为降雨形式，雨峰系数为0.4～0.5，模型降雨时间为1～2h。3.如权利要求1所述的一种swmm模型的率定方法，其特征在于，所述基础数据包括土地利用数据和遥感影像数据，所述对所述研究区域内所有子汇水区进行分类，生成不同的类别区别包括：获取所述研究区域的自然属性和社会属性；基于所述土地利用数据、所述遥感影像数据、所述降雨数据结合所述自然属性和所述社会属性对所述研究区域内所有子汇水区进行分类，生成不同的类别区；其中所述类别区包括工商业区、居民区和公共区。4.如权利要求1所述的一种swmm模型的率定方法，其特征在于，所述基础数据包括雨水管网数据和地表高程数据，所述根据所述基础数据和所述降雨强度计算所述研究区域的降雨历时包括：从所述雨水管网数据中获取主管段数量、每一段主管段的长度和平均流速，从所述地表高程数据中获取地面汇水距离、地面糙率和地面坡度；基于所述主管段数量、每一段主管段的长度、平均流速、地面汇水距离、地面糙率、地面坡度和降雨强度计算所述研究区域的降雨历时：t＝t1+mt
222
其中，t为降雨历时，t1为地面汇水时间，l为地面汇水距离，n0为地面糙率，q为降雨强度，slop为地面坡度，k为地面截留系数，t2为主管段内雨水流动时间，m为折减系数，
totalpip为主管段数量，j为主管段编号，l
j
为第j段主管段的长度，v
j
为第j段主管段的平均流速，pi
j
为第j段主管段的平均坡度。5.如权利要求4所述的一种swmm模型的率定方法，其特征在于，所述k与所述地表高程数据中的地面铺装相关联，所述m与所述雨水管网数据中的主管段铺设相关联；当所述地面铺装为混凝土或沥青或砖石时，k为6.19，当所述地面铺装为未铺装时，k为4.91；当所述主管段铺设为明管时，m为1.2，当所述主管段铺设为暗管时，判断所述主管段是否铺设在陡坡区，若是，则m为1.2～2，否则，m为2。6.如权利要求1所述的一种swmm模型的率定方法，其特征在于，所述根据所述基础数据和所述降雨强度计算每一个所述类别区的动态径流系数包括：根据所述基础数据和所述降雨强度采用改进型扣损公式计算每一个所述类别区的动态径流系数：态径流系数：态径流系数：其中，c
n
为n时刻研究区域的综合径流系数；n为降雨开始后的时刻，i为类别区的类别，c
ni
为n时刻第i类类别区的径流系数，s为研究区域的面积，s
i
为第i类类别区的面积，i
ai
为第i类类别区不透水区域面积比，iz
n
为降雨强度，f
ni
为n时刻第i类类别区的下渗量，dc
i
为第i类类别区的衰减系数。7.如权利要求1所述的一种swmm模型的率定方法，其特征在于，所述基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数包括：采用pso算法，基于所述理论雨水流量分别对swmm模型的不确定参数进行寻优，得到对应的最优不确定参数；其中所述不确定参数包括管道曼宁系数、不透水区曼宁系数、透水区曼宁系数、不透水区洼蓄量、透水区洼蓄量、最大下渗率、最小下渗率和渗透衰减常数。8.如权利要求7所述的一种swmm模型的率定方法，其特征在于，所述采用pso算法，根据所述理论雨水流量分别对swmm模型的不确定参数进行寻优包括：初始化所述pso算法的粒子群规模和粒子最大迭代次数；计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置：其中，nse为每一个粒子的适宜度值，n为降雨开始后的时间，m为降雨总时长，为动态径流系数计算的n时刻理论雨水流量，为swmm模型模拟n时刻雨水流量，为理论雨水流量的平均值；判断是否达到所述粒子最大迭代次数，若是，则输出对应的最优不确定参数，否则，不
断计算每一个粒子的适宜度值并更新每一个粒子的个体最优位置和粒子群体最优位置直至达到所述最大迭代次数。9.一种swmm模型的率定装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的方法。

技术总结
本发明涉及一种SWMM模型的率定方法及装置，其中，该方法通过获取研究区域的历史降雨数据进行模拟降雨，获得降雨过程数据，根据基础数据和降雨过程数据构建SWMM模型并将所有子汇水区分成不同类别区，计算每一个类别区的动态径流系数和研究区域的降雨历时从而得到每一个类别区的理论雨水流量，分别对SWMM模型的不确定参数进行寻优，得到最优不确定参数代入SWMM模型，生成已率定SWMM模型。由此，本发明克服了传统对研究区域所有子汇水区取相同值违背客观规律的问题，且理论雨水流量是根据每一个类别区的动态径流系数和研究区域的降雨历时得到的，相对于传统对径流系数取固定值的方式，减少了人为主观性，贴合实际，从而提高SWMM模型的率定精确度。SWMM模型的率定精确度。SWMM模型的率定精确度。


技术研发人员：邵银龙 李晓晨 马景胜 石圣 廖美廷 周小日 许凤冉 余荧皓 杨鋆 梁艳慧 郑元泉 徐艳秋 张忠中 曾银金
受保护的技术使用者：中国水利水电科学研究院
技术研发日：2023.05.12
技术公布日：2023/8/16