管道流量数据缺乏地区SWMM参数率定方法研究及应用.pdf

第43卷第5期2023年10月水 文JOURNAL OF CHINA HYDROLOGYVol.43 No.5Oct.,2023管道流量数据缺乏地区SWMM参数率定方法研究及应用赵晨晨，刘成帅，孙悦，邬强，余燕杉，胡彩虹（郑州大学 水利科学与工程学院，河南 郑州 450001）摘 要：现有城市雨水管网流量实时监测资料的匮乏使城市雨洪模型模拟预报精度无法保证。本文以暴雨洪水管理模型（Storm Water Management Model，SWMM）为例，提出了矩体概化率定法，构建了郑州大学主校区的SWMM模型，并选取20170812和20210720两场观测降雨进一步评估其适用性。结果表明：模型在率定期、验证期的模拟水深和实测水深的平均绝对误差分别为0.025 m、0.03 m；平均相对误差分别为3.65%、2.54%，故认为矩体概化率定法可以满足无资料地区城市雨洪模拟需求。研究成果对于管流资料缺乏地区的SWMM模型参数率定以及雨洪模拟与预警具有一定的实践意义，可为今后城市应对极端暴雨事件、暴雨内涝防治决策提供参考。关键词：城市雨洪；SWMM模型；参数率定；雨水管网中图分类号：P333.2；TV11 文献标识码：A 文章编号：1000-0852（2023）05-0027-060引言2021年7月17至22日，河南中部和北部普降大暴雨，此次暴雨天气过程具有持续时间长、累积雨量大、降水强度大等特征，其中郑州单日降水量和小时降水量均打破当地历史极值记录1，给以郑州市为代表的区域城市群带来了极为严重的洪涝灾害。联合国政府间气候变化专门委员会（IPCC）第六次报告指出，随着人类活动增多、气候变化不断加剧，极端降雨事件也将变得更加频繁2，城市洪水快速预报预警也显得愈发重要3。面向新时期科学应对气候变化、防灾减灾和生态文明建设的新需求，迫切需要高效准确的城市洪涝预报方法。但由于我国现有城市雨水管网流量实时监测资料的匮乏，城市雨洪模型模拟预报精度无法保证。模型的参数率定是城市暴雨径流过程模拟的重要环节4，针对无实测管网流量数据地区的城市雨洪模型参数率定问题，以城市雨洪管理模型（Storm Water Management Model，SWMM）为例，刘兴坡（2009）5提出以经验径流系数为控制目标进行SWMM参数率定；张倩（2012）等6在北京地区从降雨径流总量以及降雨径流过程两方面验证了径流系数法的可行性；何福力（2015）等7同样运用径流系数法进行参数率定，分析了开封市不同雨型和重现期暴雨情景及不同城市化水平下的暴雨内涝情况。目前我国学者主要采用经验性率定方法进行无实测管网流量数据地区SWMM模型构建，但是缺少对物理机制的考虑，付潇然（2020）等8-9借助物理过程和降雨径流演变机理，提出将待模拟积水水体等效概化为圆锥体（在下文概括为“圆锥概化率定法”）的方法，从而在缺乏管道流量资料的情况下达到模型率定的目的。该方法除充分考虑了降雨径流过程的物理机制外，参数率定的运算更为简便快捷，可操作性强，但是在特大暴雨情况下的应用有待进一步考证。通常在暴雨情况下，城市积水淹没主要集中DOI：10.19797/ki.1000-0852.20220223收稿日期：2022-04-30 网络首发日期：2023-10-20网络首发地址：https:/ 文第43卷在道路上，积水水体与矩体更为接近。因此，本研究通过理论推导提出了积水水体的“矩体概化率定法”，以郑州大学新校区为典型研究区，选用研究区内2场实测降雨事件中的4个常见积水点进行模型参数的率定和验证，并与“圆锥概化率定法”进行对比，进一步评估大暴雨条件下管网运行状况，为城市今后应对大暴雨事件、城市暴雨内涝防治提供决策参考。1方法介绍1.1SWMM简介Storm Water Management Model（SWMM）是美国环境保护署1971年开发的城市水系统综合模拟模型10，主要用于城市某一单一降水事件或长期的水量和水质模拟，地表产汇流、管网水动力学等是其主要的功能模块。本研究中，产流计算模块控制方程采用Horton下渗公式；地表汇流计算是将每个子汇水区概化为非线性水库；管网汇流计算中选用应用效果最好的动力波法，基于完整的一维圣维南（St.Vennat）流量方程进行求解。1.2矩体概化率定法SWMM模拟城市雨洪时，在雨水井和管道全部充满的情况下会把雨水井上方当作无穷大的“水箱”存储积水。在缺乏管道流量资料的情况下，付潇然等9将待模拟的积水水体等效概化为圆锥体，通过推导得出积水点实测最大淹没水深和模拟最大径流深之间的转换关系进行SWMM参数率定。但在大暴雨情况下，城市路面积水水体更接近为矩体。因此，为了更好地模拟积水形态，本文提出矩体概化率定法将积水水体概化为矩体，如图1所示，并与“圆锥概化率定法”进行对比，验证应用效果。使用矩体概化率定法时，积水点实测淹没水深和模拟的积水点总径流量之间的转换关系为：V=Shs（1）式中：V为模拟积水量，m；hs为模拟积水深，m；下文中出现的hm为积水点实测淹没水深，m；S为概化矩体的底面积，m2。V=W-t1t2Qtdt（2）式中：W为降水径流总量，m；Qt为t时刻对应的管道排水流量，m/s。由（1）和（2）式可得：hs=W-t1t2QtdtS（3）1.3模型评价指标选用最大积水深绝对误差（AEh）和相对误差（REh）2个指标进行模型评价，如下：AEh=|hs-hm|（4）REh=|hS-hmhm|100%（5）式（4）（5）中：hs为模拟积水深，m；hm为实测淹没水深，m。2模型构建2.1研究区选择本文以郑州大学主校区为研究区域，南北长约2 100 m，东西宽约1 100 m，面积约2.4 km，汛期内涝现象严重。研究区地形东南高、西北低，整体建筑格局和排水管网呈网格化规则分布，这对模型的子汇水区划分与管网概化十分有利。选取a、b、c、d四个常见的积水地点用来模型参数率定，如图2所示。图1SWMM模型无管道流量资料模型率定方法原理示意图Fig.1Schematic diagram of model calibration method using SWMM model for areas lacking pipeline flow data28第5期赵晨晨等：管道流量数据缺乏地区SWMM参数率定方法研究及应用2.2数据处理及模型概化构建SWMM模型需要的数据包括降雨、流量、积水信息、土地利用类型、雨水管网等。降雨、流量数据及积水信息通过实地观测所得，时间间隔为10分钟，其中选取20170812场次雨洪数据进行参数率定，20210720场次雨洪数据进行模型验证；DEM数据来自地理空间数据云（http：/ m，见图3（a）；土地利用数据通过实地考察和卫星图像目视解译所得，见图3（b），共分为建筑、道路、绿地和水体4类；雨水管网相关数据由郑州大学相关部门提供，见图2。模型概化主要为子汇水区划分概化11。首先叠加研究区自然属性和社会属性，分析地形和汇流特征，确定排水片区，以排水管网干管及主干道路分布为划分框架；其次控制子汇水区的数量和空间尺度，即管段数和节点数与子汇水区数量的比例大多在0.6到1.4之间12；最后在划分框架和基本空间尺度范围内绘制子图3研究区的（a）DEM、（b）土地利用类型以及（c）模型概化Fig.3（a）DEM，（b）land use type and（c）model generalization in the study area图2研究区位置和排水管网示意图及选定的积水点分布Fig.2The location of study area and the schematic diagram of drainage pipe network and the distribution of selected water accumulation points29水 文第43卷汇水区。经过模型概化，研究区共概化为76个子汇水区、370条管道、370个人孔（雨水井）、1个排水口，如图3（c）所示。3结果与讨论3.1模型率定与验证SWMM模型中参数可分为确定性参数和不确定性参数13，确定性参数可以通过对已有的资料进行技术处理得到，如子汇水区的面积、特征宽度、平均坡度、不透水率等。不确定性参数则需要通过率定得到。根据参考文献14可知，研究区SWMM模型不确定性参数中不透水区曼宁系数（NI）、透水区曼宁系数（NP）、不透水区洼蓄量（DI）、透水区洼蓄量（DP）等4个参数为敏感参数，故本研究中只对这四个参数进行率定。结合SWMM用户手册确定参数大致取值范围，根据20170812场次暴雨积水信息进行反复调试，直至模拟水深hs和实测水深hm的值最为接近，最终得到SWMM模型的参数值，见表1。参数率定后得到选定积水点的径流深变化过程如图4（a）所示，并对各积水点的实测水深hm和模拟水深hs进行比较，结果如表2所示，a，b，c，d四个积水点的模拟水深均小于观测水深，AEh范围在0.020.03 m，平均误差为0.025 m；REh范围为3.33%4.00%，平均误差为3.65%，观测值与模拟值的相对误差REh小于20%5，故认为模型率定模拟结果精度较好。选用20210720场次降雨进行模型验证，得到选定的积水点的模拟径流深过程如图4（b）所示，验证指标统计结果见表3。矩体概化率定法验证的AEh范围为0.010.07 m，平均误差为0.03 m；REh的绝对值不超过 6.00%，平均误差为 2.54%，故认为验证模拟精度较好。为了进一步验证模型的可靠性，将矩体概化率定法与圆锥概化率定法模拟所得到的积水点水深进行对比。经计算，圆锥概化率定法的绝对误差 AEh范围0.050.07 m，平均误差为0.05 m；相对误差REh不超过7.00%，平均误差为5.39%。从20210721场次暴雨的4个积水点的平均模拟误差来看，矩体概化率定法比圆锥概化率定法的 AEh小 0.02 m、REh小 2.85%。表2积水点的模拟水深和实测水深的对比Table 2Comparison of simulated water depth and measured water depth at the water accumulation points积水点abcdhm/m0.850.800.750.60hs/m0.820.770.720.58AEh/m0.030.020.030.02REh/%3.533.754.003.33表1SWMM模型参数设置Table 1Parameter settings of the SWMM model参数名称NINPDIDP物理意义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单位/mmmm取值范围0.0050.020.10.80.22210率定值0.0110.261.35.95图4积水点模拟径流深过程线Fig.4Simulated runoff depth process at stagnant point表3积水点的模拟水深和实测水深的对比Table 3Comparison of simulated water depth and measured water depth at the water accumulation points积水点abcd矩体概化率定法hm/m1.251.550.801.35hs/m1.181.510.811.36AEh/m0.070.040.010.01REh/%5.602.581.250.74圆锥概化率定法hs/m1.181.480.851.28AEh/m0.070.020.050.07REh/%5.604.526.255.1930第5期赵晨晨等：管道流量数据缺乏地区SWMM参数率定方法研究及应用20210720场次暴雨最大小时降雨量达201.9 mm，研究区道路全部被淹没，积水水体更加接近矩体，因此矩体概化率定法更适用于大暴雨情况下的雨洪模拟。为了进一步说明可靠性，将这两种方法得到的排水口模拟流量进行对比，结果如图5所示，从流量过程上看，较为吻合，进一步验证了矩体概化率定法的可靠性。3.2排水系统评估20210720场次特大暴雨造成了严重的城市内涝，评估特大暴雨条件下管网运行情况对未来城市防洪减灾工作具有必要性，研究区雨水管网运行情况见图6。370个雨水井均产生积水，积水率100%，其中低风险积水点（积水深0.25 m）有60个，占16.22%，对行人的影响较小，应注意防滑；中风险积水点（0.25 m积水深0.5 m）有73个，占19.73%，行人不宜行走，地面视线受到影响，需要注意地面凹陷，尤其对于老弱人群来说非常危险，对车辆的影响较小；高风险积水点（0.5 m积水深1 m）有170个，占45.95%，户外、低楼层的人员非常危险，会对人身健康造成威胁，车辆出行困难；极高风险积水点（1 m积水深）有67个，占18.11%，人员应尽快迅速转移至较高的地方。研究区管道全长19 289.32 m，其中超载管道达19 154.73 m，管段超载率为99.30%，管网几乎处于瘫痪状态。整体来看，研究区的高、极高风险积水点以及超载管道主要集中在中西部，该范围内的土地利用类型大多为建筑用地，表现为教学区、学生宿舍以及商铺等，不透水区占比较高，易产生积水。说明下垫面硬化导致下渗减少，加剧了城市洪涝现象。图5矩体概化率定法和圆锥概化率定法的研究区排水口模拟流量对比Fig.5Comparison of simulated runoff at the drain at the study area outfalls for the rectangular probabilistic calibration method and the conical probabilistic calibration method图6“720”降雨条件下研究区雨水管网运行状态Fig.6Operation status of stormwater pipe network in the study area under“7.20”rainfall conditions31水 文第43卷4结论本研究针对缺乏管道流量资料地区城市雨洪模型参数率定问题，提出了矩体概化率定法并建立郑州大学新校区SWMM模型进行验证，进一步评估了研究区雨水管网在20210720场次特大暴雨情况下的运行状态，主要结论如下：（1）使用矩体概化率定法，在率定期a，b，c，d四个积水点的模拟水深均小于观测水深，AEh范围在0.020.03 m，平均误差为0.025 m；REh范围为3.33%4.00%，平均误差为3.65%；验证期的AEh范围为0.010.07 m，平均误差为0.03 m；REh的绝对值不超过6.00%，平均误差为2.54%，模型具有良好的适用性。（2）评估了20210720场次特大暴雨条件下研究区管网运行情况，雨水井积水率 100%、管段超载率为99.30%，雨水管网几乎处于瘫痪状态。积水主要集中在研究区的中西部，该范围的土地利用类型大多为建筑用地，集中在教学区、学生宿舍以及商业用地，该类型所占程度高，易造成积水。说明下垫面硬化导致下渗减少，加剧了城市洪涝现象。本研究对于管道流量资料缺乏地区的城市雨洪模拟与预警具有一定的实践意义，但受限于建模的难易程度以及管网资料的获取，研究范围具有一定的局限性，后续在大尺度空间建模应用有待进一步研究。参考文献：1 任宏昌，张恒德.郑州“720”暴雨的精细化特征及主要成因分析J.河海大学学报（自然科学版），2022（5）：1-14.2 周波涛，钱进.IPCC AR6报告解读：极端天气气候事件变化J.气候变化研究进展，2021，17（6）：713-718.3 左其亭，王鑫，韩淑颖，等.论城市防洪排涝与生态海绵城市建设应和谐并举J.中国防汛抗旱，2017，27（5）：80-85.4 侯精明，李东来，王小军，等.建筑小区尺度下 LID 措施前期条件对径流调控效果影响模拟J.水科学进展，2019，30（1）：45-55.5 刘兴坡.基于径流系数的城市降雨径流模型参数校准方法J.给水排水，2009，45（11）：213-217.6 张倩，苏保林，袁军营.城市居民小区SWMM降雨径流过程模拟：以营口市贵都花园小区为例J.北京师范大学学报（自然科学版），2012，48（3）：276-281.7 何福力，胡彩虹，王民，等.SWMM模型在城市排水系统规划建设中的应用J.水电能源科学，2015，33（6）：48-53.8 栾清华，付潇然，王海潮，等.大尺度无管流数据城区SWMM构建及模拟：.复杂下垫面城区数字精细化关键技术J.水科学进展，2019，30（5）：653-660.9 付潇然，王东，栾清华，等.大尺度无管流数据城区SWMM构建及模拟：.模型参数校验及暴雨径流模拟分析J.水科学进展，2020，31（1）：51-60.10马彦斌，盛旺，李江云，等.基于遗传算法的SWMM模型参数率定研究J.中国农村水利水电，2020（7）：46-49.11朱呈浩，夏军强，陈倩，等.基于SWMM模型的城市洪涝过程模拟及风险评估J.灾害学，2018，33（2）：224230.12胡彩虹，杜纤，赵彦增，等.平原地区SWMM模型空间尺度确定原则研究：以郑州市为例J.人民珠江，2019，40（12）：1824.13蔡庆拟，陈志和，陈星，等.低影响开发措施的城市雨洪控制效果模拟J.水资源保护，2017，33（2）：31-36.14MA BY，WU ZN，HU CH，et al.Process-oriented SWMM real-time correction and urban flood dynamic simulationJ.Journal of Hydrology，2022，605：12.Research and Application of SWMM Parameter Calibration for Pipeline Discharge in Data Deficient AreasZHAO Chenchen，LIU Chengshuai，SUN Yue，WU Qiang，YU Yanshan，HU Caihong（School of Hydraulic Science and Engineering,Zhengzhou University,Zhengzhou 450001,China）Abstract：The lack of real-time monitoring information of existing urban stormwater network flow makes the uncertainty of the accuracy of urban flood forecast.In this paper,taking Storm Water Management Model(SWMM)as an example,we proposed a moment probabilistic rate determination method for the main campus of Zhengzhou University,and selected two observed rainfall events,20170812 and 20210720,to further evaluate its applicability.The results show that the average absolute errors of the model in the simulated water depths during the rate and validation periods are 0.025 m and 0.03 m,respectively;the average relative errors are 3.65%and 2.54%,respectively,indicating that the method of momentary probabilistic rate determination is considered to meet the needs of urban rainfall simulation in areas without data.The results could be practical for the parameter determination of SWMM model and early warning in areas where there is a lack of pipeline discharge data,and can provide reference for future urban response to extreme rainstorm waterlogging prevention.Keywords：urban flood;SWMM model;parameter calibration;stormwater pipeline network32