CN111369059A - 基于内涝快速模拟耦合模型的城市内涝预测方法及系统 - Google Patents
基于内涝快速模拟耦合模型的城市内涝预测方法及系统 Download PDFInfo
- Publication number
- CN111369059A CN111369059A CN202010147783.1A CN202010147783A CN111369059A CN 111369059 A CN111369059 A CN 111369059A CN 202010147783 A CN202010147783 A CN 202010147783A CN 111369059 A CN111369059 A CN 111369059A
- Authority
- CN
- China
- Prior art keywords
- model
- waterlogging
- pipe network
- urban
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 70
- 238000010168 coupling process Methods 0.000 title claims abstract description 59
- 230000008878 coupling Effects 0.000 title claims abstract description 58
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 25
- 238000007689 inspection Methods 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 238000009933 burial Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于内涝快速模拟耦合模型的城市内涝预测方法及系统，包括：采集研究区域的管网数据和水文数据；构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理；基于处理后的二维地形模型，搭建二维水动力模型；分别构建管网的水动力模型和管网的水文模型，连接上述两个模型得到排水管网模型；将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型，通过城市内涝快速模拟耦合模型对城市内涝积水点分布及积水深度进行预测。本发明具有操作简单、数值模拟速度快、需求数据量小、精度较高的特点，可应用于应急性的城市内涝快速模拟。
Description
技术领域
本发明涉及城市内涝模拟技术领域，尤其涉及一种基于内涝快速模拟耦合模型的城市内涝预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着城市化进程的加快与全球气候的变化，城市区域的产汇流规律以及下垫面情况发生了巨大的变化。降雨作为城市内涝的主要致灾因子之一，汛期强降雨发生的频率也逐年增加。
在汛期暴雨频发时期，城市区域淹没水深及范围的模拟与预测，对于洪水风险管理以及政府部门决策是至关重要的。相比自然流域地形，城市区域由于道路纵横交错，高楼林立，下垫面类型复杂，形成了特殊的地形与产汇流特征。发明人发现，传统的城市内涝模拟模型建立过程中需要大量的数据，如地表高程、河道断面、城市建筑分布、管网等数据，地表高程数据和管网数据需从不同的部门获取，地表高程数据需从国土规划部门获取，管网数据需从水务或排水管理部门获取。不同的数据来源，会由于测量时的规范和存储格式不同，需对获取的原始数据进行数据格式统一与规范化处理，工作量巨大，难以实现城市内涝应急性的快速模拟、预测与预警、为城市防洪决策提供技术支持的目标。
发明内容
有鉴于此，本发明提出了一种基于内涝快速模拟耦合模型的城市内涝预测方法及系统，针对大部分城市目前道路行洪的特点，通过对城市下垫面数据的处理，构建城市区域的基础地形文件，并以此建立二维水动力模型与管网模型的耦合内涝快速模拟模型，此耦合模型的建立方法具有操作简单、数值模拟速度快、数据需求量小、精度较高的特点，可应用于应急性的城市内涝快速模拟、预测与预警。
在一些实施方式中，采用如下技术方案：
基于内涝快速模拟耦合模型的城市内涝预测方法，包括：
采集研究区域的管网数据和水文数据；
构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理；
基于处理后的二维地形模型，设置干湿水深，搭建二维水动力模型；
分别构建管网的水动力模型和水文模型，耦合上述两个模型得到排水管网模型；
将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型；
利用所述城市内涝模拟耦合模型，输入设定的降水条件，对城市内涝积水点分布及积水深度进行预测。
在另一些实施方式中，采用如下技术方案：
基于内涝快速模拟耦合模型的城市内涝预测系统，包括：
用于采集研究区域的管网数据和水文数据的装置；
用于构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理的装置；
用于基于处理后的二维地形模型，通过设置干湿水深，搭建二维水动力模型的装置；
用于分别构建管网的水动力模型和管网的水文模型，并得到排水管网模型的装置；
用于将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型的装置。
用于利用所述城市内涝模拟耦合模型，对城市内涝积水点分布及积水深度进行预测的装置。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的基于内涝快速模拟耦合模型的城市内涝预测方法；通过城市内涝快速模拟耦合模型对城市内涝积水点分布及积水深度进行模拟预测，根据预测结果对城市内涝进行预警。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于内涝快速模拟耦合模型的城市内涝预测方法。
与现有技术相比，本发明的有益效果是：
(1)本发明方法具有操作简单、数值模拟速度快、数据需求量小、精度较高的特点，可应用于应急性的城市内涝快速模拟与预测。解决了现有城市内涝模拟预测模型构建操作繁琐、数据需求量大、难以实现对城市雨洪造成的内涝积水进行快速模拟、预测与预警。
(2)在通常的建模过程中，需要地表高程数据和管网数据，地表高程数据用于构建二维水动力模型，管网数据用于构建管道模型。而本发明中，从管网的分布状况和城市内涝发生时马路行洪的特点出发：
①针对城市管网中检查井的分布状况，管网数据中检查井的xyz信息(地表高程信息)与通常建模过程中收集的地表高程数据中的道路部分重复，因此使用管网数据的地表高程信息代替这部分数据，降低了数据需求量。
②马路行洪：因为城市内涝过程中建筑物具有挡水作用，改变了地面径流的流动方向并汇集至道路上，因此道路成为类似于河道的泄洪通道，所以在处理二维地形数据过程中，仅需要将建筑区域的地表高程值增加至原始地表高程值与历史内涝灾情中最大淹没水深值的和，使建筑物不会被洪水淹没起到挡水的作用。由于本发明建模过程中所需的数据量减少，有利于快速建模。
(3)本发明对建筑区域的高程和道路区域的地表高程进行处理，使道路区域与建筑区域的界限更加明显，因此在洪水演进过程中，洪水会始终在道路区域流动，而不会因为部分区域道路与建筑的界限不明形成洪水回流的情况造成重复计算，而增加模拟时间。
本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明实施例中城市内涝快速模拟耦合模型建立方法流程图；
图2为本发明实施例中建立的二维地形示意图；
图3为本发明实施例中经过高程处理后的二维地形示意图；
图4为本发明实施例中基于城市内涝快速模拟耦合模型的模拟预测结果图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
首先对本发明实施方式中出现的各种软件解释说明如下：
Arcmap：Arcmap是一个可用于地理数据输入、编辑、查询、分析等功能的应用程序，具有基于地图的所有功能，实现如地图制图、地图编辑、地图分析等功能。
Mike Zero：Mike Zero是主要用来模拟地表水，其中包含很多组件(模块)，本身只提供一个开发平台和公用功能，具体的功能由各个组件完成。如构建二维水动力模型的Mike 21就是其中之一的模块。
Mike 21：Mike 21是用于专业平面二维自由表面流模拟的Mike Zero模块。在模拟城市洪水二维地表漫流过程中可以真实地模拟出水流在道路、小区、绿地、河道等不同下垫面下的运动状态。水动力模块(HD)作为Mike 21的核心，可用来模拟任何忽略分层的二维地表漫流以及因各种作用力而产生的流量、水位变化情况。
Mike Urban：适用于任何涉及自由水流和管道压力流交互变化的管网系统，其一维水动力模块可准确描述管网中的非恒定流水流流态。它具有友好的应用界面，是用于简单或复杂的管网系统的分析、设计、管理和操控的动态模拟工具。Mike Urban包括模型管理器、控制、View、DIMS等六大模块，根据研究需要，排水管网的模拟过程包括降雨径流模拟与管流水力模拟，其中降雨径流模拟的结果文件作为管流水力模拟的输入文件。
实施例一
在一个或多个实施方式中，公开了一种基于内涝快速模拟耦合模型的城市内涝预测方法，参照图1，包括以下步骤：
(1)采集研究区域的管网数据和水文数据；
其中，管网数据包括：检查井的点号、连接方向、横纵坐标、地面高程、井深、埋深、断面形式、管径以及附属物类别等数据，表1给出了管网数据示例。
表1管网数据
水文数据包括：各场次不同站点监测到的降雨过程，表2给出了水文数据示例。
表2水文数据
(2)构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理。
众所周知，管网一般布设在城市的街道上，通过管网数据中检查井的横纵坐标与地面高程信息，可以得到城区街道的准确高程地形数据。
本实施例中，选用Arcmap10.1软件对采集到的数据进行处理。当然，本领域技术人员也可以根据需要选择其他软件。
具体地，将每个检查井的横纵坐标以及地面高程(x、y、z信息)导入Arcmap10.1中，通过线性插值法得到该研究区域的DEM(数字高程模型)栅格文件，然后使用数据转换工具将DEM栅格文件转化为文本格式的ASCII文件。最后将ASCII文件转化为DFS2格式的地形图文件，得到的二维地形模型如图2所示。
上述的文件格式转换过程均可以在现有的软件中完成，比如：使用Arcmap的工具箱中的Raster to ASCII工具可以直接将格栅文件转换ASCII文件。
由于本实施例在生成数字高程模型DEM文件时由管网数据中的地表高程生成，只能反映街道的地形条件，而无法反映建筑地区的高程变化。在城市洪涝发生过程中，雨水主要通过地下管网与马路行洪，城市中的建筑物可视为挡水建筑物，因此，本实施例中，对城市建筑区域的地表高程进行统一增加20m以起到挡水的作用。
具体地，将研究区域内建筑分布图使用Arcmap10.1矢量化，获得建筑分布图的shape格式矢量图；
使用Arcmap10.1中要素转栅格工具，将建筑分布图的shape格式矢量图栅格化得到栅格文件格式的建筑分布图；
使用数据转换工具将建筑分布图栅格文件转化为文本格式的ASCII文件；
使用Mike Zero软件中自带的工具箱将ASCII文件转化为DFS2格式。
另外，本实施例中，为了能更好的刻画城市区域产汇流过程，将道路区域的高程向下降低15cm。
具体地，将研究区域内路网分布图使用Arcmap10.1矢量化，获得路网分布图的shape格式矢量图。
使用Arcmap10.1中要素转栅格工具，将路网分布图的shape格式矢量图栅格化得到栅格文件格式的路网分布图。
使用数据转换工具将路网分布图栅格文件转化为文本格式的ASCII文件。
使用Mike Zero软件中自带的工具箱将ASCII文件转化为DFS2格式。
当然，本实施例中对于高程的升高和下降高度可以根据实际需要自行设定。
最终经过建筑区域、道路区域的高程处理后得到的二维地形图如图3所示，可以清晰的分辨出城市中道路与建筑。
(3)基于处理后的二维地形模型，搭建二维水动力模型；
在MIKE 21软件中新建一个空白的模型文件，导入修改后的新二维地形数据的DFS2文件，将模型文件设置为只做水动力模拟(Hydrodynamic only)。
定义模拟起始时间及时间步长，模拟起始时间依据不同情景而设置(如降雨从15时至21时，则将起始时间设置为15:00至21:00；时间步长指两个时间点间的差值，在模拟过程中，模型将整个过程离散为n个细小的过程，而每个过程需要的时间则是时间步长，时间步长越长，计算时间则越长，模拟就越精细。)
时间步长可以根据库朗数计算公式预估，库朗数是指时间步长和空间步长的相对关系，库朗数的计算公式如下：
式中：g代表动力加速度，H代表水深，m；△t代表时间步长，s；△x代表网格大小，m。
根据实际经验：
1.当courant number＜1时，计算很稳定，但步长小，计算时间较长
2.当1＜courant number＜5时，计算稳定性较好，不易发散
3.当courant number＞10,时，计算很容易出现发散。
设置干湿水深，干湿水深的作用：计算过程中，当网格单元水深小于干水深(Drying depth)时，该单元不作为水域处理；当网格单元水深大于湿水深(Floodingdepth)时，该单元再次作为水域处理。
在设置干湿水深过程中要保证湿水深＞淹没水深＞干水深。本是实施例中，将干水深设置为0.002m,湿水深设置为0.003m。定义水动力参数，设置初始水深为0m。
参数设置完成后，得到研究区域的二维水动力模型。
搭建的水动力模型的方程为：
式中：h＝η+d表示总水深(m)，η表示底高程(m)，d表示静水深(m)；
表示x方向的平均水深流速(m/s)；
表示y方向的平均水深流速(m/s)；S表示源汇项(g/m2·s)；f表示科氏力参数(m-1)；g表示重力加速度；Pa表示当地大气压强(pa)；ρ表示水体密度；ρ0表示水的相对密度(kg/m3)；τsx表示水面自由风在x方向对水面的剪应力；τsy表示水面自由风在y方向对水面的剪应力；τbx表示下垫面摩擦力在x方向的分量；τby表示下垫面摩擦力在y方向的分量；Sxx、Sxy、Syx、Syy表示辐射应力分量(m2/s2)；us表示点源速度在x方向的分量；vs表示点源速度在y方向的分量；Txx表示与水流粘滞性相关的x方向的法向应力；Tyy表示与水流粘滞性相关的y方向的法向应力，Txy表示与水流粘滞性相关的x、y方向的切向应力，采用下式计算：
其中，A表示涡粘系数。
(4)分别构建管网的水动力模型和水文模型，耦合上述两个模型得到排水管网模型；
具体地，利用步骤(1)中收集的管网数据，处理后得到检查井和管道数据，将上述数据分别导入MIKE Urban软件中即可构建管网的水动力模型。
其中，检查井数据包括：检查井点号、横纵坐标、地面高程、井底高程和直径；
管道数据包括：管道起始检查井点号及管底高程、管道形状、管道尺寸。
子汇水区划分，基于研究区域内的高程信息将研究区域划分为若干子汇水区域，每个子汇水区对应一个检查井，表示这个子汇水区内由降雨产生的径流全部进入这个检查井中。
根据研究区域内的土地利用类型(比如林地、水系、建筑、道路等)，为每个子汇水区设置不同的不透水率。设置完成后即可得到管网的水文模型。
将子汇水区与检查井(管网的水动力模型与水文模型)耦合后即可得到排水管网模型。
本实施例中，管网水动力模型具体为：
式中，x为距离管道某固定断面沿流程的距离(m)，T为时间(s)，Q为管流流量(m/s)，A为过水断面面积(㎡)，S0为管道坡底，Sf为阻力坡降，H为水位(m)，G为重力加速度(m/s2)；
其中，阻力坡度采用曼宁公式进行计算：
式中，n为曼宁糙率系数，R为水力半径(m)。
在利用运动波进行计算时，可以假定此时管道水流为均匀流，则此时水流坡度会与管道坡度相等，则有S0＝Sf，可得到管道中的流量数值：
本管道水动力模型在对上述方程式求解时，采用六点隐式插分格式方法，每个网格点按照顺序交替对水位与流量进行计算。计算时还有初始条件和边界条件两个方面影响，初始条件为保证计算准确，假设t＝0时，每个独立单元的出入口流量为0，边界条件则是，通过降雨径流模拟得出降雨时产生的汇水区的流量。
(5)将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型。
在Mike Flood中新建一个空白的耦合模型文件，加载步骤(4)中构建的二维水动力模型与步骤(5)中构建的排水管网模型。
耦合过程为：将排水管网模型中的检查井连接到二维水动力模型的二维地形上，发生降雨后，经过蒸发、截留后在排水管网水文模型形成径流，分配到每一个子汇水区，子汇水区中的径流进入所连接的检查井，在排水管网模型的水动力模型计算后，超过检查井井深的径流溢出至二维地表上，这一部分径流通过二维水动力模型的计算后，流入管道或者河道中，不能进入管道或者河道中的径流则在城市地表中低洼处形成积水。
将检查井与二维地形连接后，设置结果文件的保存路径、保存间隔后即可得到城市内涝快速模拟的耦合模型。
(6)模型的参数率定
通过调整所建立模型中的参数糙率和涡粘系数，求解得到积水深度、积水历时、淹没面积，利用对应数据的实测结果进行验证，使模拟结果与实测结果的误差满足一定要求，实现对模型参数的率定.具体地，本实施例中，积水深度误差控制在20％之内，积水历时误差控制在30％以内，淹没面积误差控制在30％以内，模型最终糙率和涡粘系数的率定值即为模型的参数值；否则需要再次调整参数，进行重新率定，直到误差在上述允许范围之内时为止；当误差始终无法达到上述允许范围时，判定所建立模型失效，需要重复以上步骤进行新的率定调参过程。
(7)基于上述得到的城市内涝快速模拟的耦合模型，输入设定的降水条件，输出城市内涝积水点分布及积水深度数据，实现城市内涝的预测。
以济南市为例，济南市的特殊的地形条件成为内涝灾害理想的孕灾环境，因此内涝灾害频发，成为全国首批重点防洪城市之一。
利用本实施例构建的城市内涝快速模拟耦合模型，以济南市二环路以内区域为例，输入降雨条件为50年一遇的连续降雨24小时；可以对该区域内积水点分布及积水深度进行模拟预测。模拟预测结果如图4所示。
在50年一遇设计降雨条件下，模型结果显示，济南市二环路内城区的英雄山路、舜耕路、二环西路、二环东路等南北走向坡度较大的道路出现了马路行洪，在段店铁路桥、解放路山大路路口、南北历山街中段、泉城广场、经十路舜耕路等地点均出现了积水。
图4中可设置不同颜色对应不同的积水深度；通过对指定地点的积水深度数据提取，可得到对应积水点的具体深度，实现对于内涝积水的快速预警。
因此，采用本实施例方法建立的城市内涝快速模拟耦合模型，所需数据量小，能够实现对城市雨洪造成的内涝积水进行快速模拟、预测与预警。
实施例二
在一个或多个实施方式中，公开了一种基于内涝快速模拟耦合模型的城市内涝预测系统，包括：
用于采集研究区域的管网数据和水文数据的装置；
用于构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理的装置；
用于基于处理后的二维地形模型，通过设置干湿水深，搭建二维水动力模型的装置；
用于分别构建管网的水动力模型和管网的水文模型，并得到排水管网模型的装置；
用于将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型的装置。
用于利用所述城市内涝模拟耦合模型，对城市内涝积水点分布及积水深度进行预测的装置。
上述装置的具体实现方式采用实施例一中公开的方法实现，不再赘述。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、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程序时实现实施例一中的基于内涝快速模拟耦合模型的城市内涝预测方法，通过城市内涝快速模拟耦合模型对城市内涝积水点分布及积水深度进行预测，根据预测结果对城市内涝进行预警。为了简洁，具体方法不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的基于内涝快速模拟耦合模型的城市内涝预测方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，包括：
采集研究区域的管网数据和水文数据；
构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理；
基于处理后的二维地形模型，搭建二维水动力模型；
分别构建管网的水动力模型和管网的水文模型，耦合上述两个模型得到排水管网模型；
将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型；
利用所述城市内涝模拟耦合模型，对城市内涝积水点分布及积水深度进行预测。
2.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，还包括：模型参数率定的过程，所述过程具体为：
通过调整所述模型中的参数糙率和涡粘系数，求解得到积水深度、积水历时和淹没面积数据，将得到的数据与对应的实测数据进行对比，使得求解数据与实测数据的误差满足设定的要求。
3.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，研究区域的管网数据包括：检查井的点号、连接方向、横纵坐标、地面高程、井深、埋深、断面形式、管径、附属物类别；
研究区域的水文数据包括：不同站点监测到的各场次的降雨过程数据。
4.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，根据采集到管网数据，得到城区街道的准确高程地形数据，进而构建出二维地形模型。
5.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理，具体过程为：
对二维地形模型中的建筑分布区域的高程拔高设定高度；对二维地形模型中的道路分布区域的高程降低设定高度。
6.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，得到排水管网模型的具体过程为：
从采集到的管网数据中，提取检查井和管道数据；基于上述数据得到管网的水动力模型；
基于研究区域内的城区街道的高程地形数据，将研究区域划分为若干子汇水区域，每个子汇水区对应一个检查井；
根据研究区域内的土地利用类型，为每个子汇水区设置不同的不透水率，得到管网的水文模型；
连接子汇水区与检查井，得到排水管网模型。
7.如权利要求1所述的基于内涝快速模拟耦合模型的城市内涝预测方法，其特征在于，将地表漫流模型与排水管网模型进行耦合，具体为：
将排水管网模型中的检查井连接到二维水动力模型的二维地形上，得到城市内涝快速模拟的耦合模型。
8.基于内涝快速模拟耦合模型的城市内涝预测系统，其特征在于，包括：
用于采集研究区域的管网数据和水文数据的装置；
用于构建二维地形模型，对二维地形模型分别进行建筑区域高程处理和道路分布区域高程处理的装置；
用于基于处理后的二维地形模型，搭建二维水动力模型的装置；
用于分别构建管网的水动力模型和管网的水文模型，并得到排水管网模型的装置；
用于将二维水动力模型与排水管网模型进行耦合，得到城市内涝模拟耦合模型的装置；
用于利用所述城市内涝模拟耦合模型，对城市内涝积水点分布及积水深度进行模拟预测的装置。
9.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于内涝快速模拟耦合模型的城市内涝预测方法，通过城市内涝快速模拟耦合模型对城市内涝积水点分布及积水深度进行预测，根据预测结果对城市内涝进行预警。
10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于内涝快速模拟耦合模型的城市内涝预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010147783.1A CN111369059B (zh) | 2020-03-05 | 2020-03-05 | 基于雨洪模拟耦合模型的城市内涝快速预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010147783.1A CN111369059B (zh) | 2020-03-05 | 2020-03-05 | 基于雨洪模拟耦合模型的城市内涝快速预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369059A true CN111369059A (zh) | 2020-07-03 |
| CN111369059B CN111369059B (zh) | 2023-10-20 |
Family
ID=71208579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010147783.1A Active CN111369059B (zh) | 2020-03-05 | 2020-03-05 | 基于雨洪模拟耦合模型的城市内涝快速预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369059B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898303A (zh) * | 2020-08-05 | 2020-11-06 | 苏州大圜科技有限公司 | 基于气象预报及水动力模拟的流域水位及内涝预报方法 |
| CN111985082A (zh) * | 2020-07-23 | 2020-11-24 | 西安理工大学 | 一种高守恒性水文水动力耦合模拟方法 |
| CN112711825A (zh) * | 2021-03-26 | 2021-04-27 | 中国水利水电科学研究院 | 一种地表与管网分布式的直接双向耦合方法 |
| CN112800631A (zh) * | 2021-03-29 | 2021-05-14 | 南京信息工程大学 | 一种城市内涝积水深度计算方法 |
| CN113344291A (zh) * | 2021-06-29 | 2021-09-03 | 珠江水利委员会珠江水利科学研究院 | 城市内涝淹没范围的预报方法、装置、介质和设备 |
| CN113344305A (zh) * | 2021-08-05 | 2021-09-03 | 中国水利水电科学研究院 | 一种暴雨内涝事件的快速预测方法 |
| CN113505521A (zh) * | 2021-05-20 | 2021-10-15 | 天津大学 | 一种耦合神经网络-数值模拟的城市内涝快速预报方法 |
| CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN114239250A (zh) * | 2021-11-24 | 2022-03-25 | 新泰市国土空间规划服务中心(新泰市建筑设计院、新泰市水利设计院) | 一种国土空间规划设计的系统和方法 |
| CN114997541A (zh) * | 2022-08-03 | 2022-09-02 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
| CN115130264A (zh) * | 2022-09-01 | 2022-09-30 | 浙江远算科技有限公司 | 一种基于径流耦合仿真的城市内涝预测方法及系统 |
| CN115496299A (zh) * | 2022-11-07 | 2022-12-20 | 广东广宇科技发展有限公司 | 一种基于多目标的城市内涝预测方法 |
| CN115859676A (zh) * | 2022-12-23 | 2023-03-28 | 南京师范大学 | 一种顾及气候要素的多层次城市内涝耦合模拟方法 |
| CN116484688A (zh) * | 2023-04-26 | 2023-07-25 | 中国水利水电科学研究院 | 一种城市内涝数值实验方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8973325B1 (en) * | 2013-10-15 | 2015-03-10 | Chongqing University | Method for roof drainage |
| CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
-
2020
- 2020-03-05 CN CN202010147783.1A patent/CN111369059B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8973325B1 (en) * | 2013-10-15 | 2015-03-10 | Chongqing University | Method for roof drainage |
| CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 曾照洋等: "基于SWMM和LISFLOOD模型的暴雨内涝模拟研究", 《水力发电学报》 * |
| 李明: "基于MIKE 的极端降雨条件下城市洪水模拟研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
| 陈小龙等: "城市排水防涝地表二维模拟评估方法研究", 《中国给水排水》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985082A (zh) * | 2020-07-23 | 2020-11-24 | 西安理工大学 | 一种高守恒性水文水动力耦合模拟方法 |
| CN111985082B (zh) * | 2020-07-23 | 2024-04-26 | 西安理工大学 | 一种高守恒性水文水动力耦合模拟方法 |
| CN111898303A (zh) * | 2020-08-05 | 2020-11-06 | 苏州大圜科技有限公司 | 基于气象预报及水动力模拟的流域水位及内涝预报方法 |
| CN112711825A (zh) * | 2021-03-26 | 2021-04-27 | 中国水利水电科学研究院 | 一种地表与管网分布式的直接双向耦合方法 |
| CN112711825B (zh) * | 2021-03-26 | 2021-07-30 | 中国水利水电科学研究院 | 一种地表与管网分布式的直接双向耦合方法 |
| CN112800631A (zh) * | 2021-03-29 | 2021-05-14 | 南京信息工程大学 | 一种城市内涝积水深度计算方法 |
| CN113505521B (zh) * | 2021-05-20 | 2022-04-22 | 天津大学 | 一种耦合神经网络-数值模拟的城市内涝快速预报方法 |
| CN113505521A (zh) * | 2021-05-20 | 2021-10-15 | 天津大学 | 一种耦合神经网络-数值模拟的城市内涝快速预报方法 |
| CN113344291B (zh) * | 2021-06-29 | 2022-04-15 | 珠江水利委员会珠江水利科学研究院 | 城市内涝淹没范围的预报方法、装置、介质和设备 |
| CN113344291A (zh) * | 2021-06-29 | 2021-09-03 | 珠江水利委员会珠江水利科学研究院 | 城市内涝淹没范围的预报方法、装置、介质和设备 |
| CN113344305A (zh) * | 2021-08-05 | 2021-09-03 | 中国水利水电科学研究院 | 一种暴雨内涝事件的快速预测方法 |
| CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN113627817B (zh) * | 2021-08-19 | 2024-05-28 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN114239250A (zh) * | 2021-11-24 | 2022-03-25 | 新泰市国土空间规划服务中心(新泰市建筑设计院、新泰市水利设计院) | 一种国土空间规划设计的系统和方法 |
| CN114997541A (zh) * | 2022-08-03 | 2022-09-02 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
| CN115130264A (zh) * | 2022-09-01 | 2022-09-30 | 浙江远算科技有限公司 | 一种基于径流耦合仿真的城市内涝预测方法及系统 |
| CN115496299A (zh) * | 2022-11-07 | 2022-12-20 | 广东广宇科技发展有限公司 | 一种基于多目标的城市内涝预测方法 |
| CN115859676A (zh) * | 2022-12-23 | 2023-03-28 | 南京师范大学 | 一种顾及气候要素的多层次城市内涝耦合模拟方法 |
| CN115859676B (zh) * | 2022-12-23 | 2024-01-12 | 南京师范大学 | 一种顾及气候要素的多层次城市内涝耦合模拟方法 |
| CN116484688A (zh) * | 2023-04-26 | 2023-07-25 | 中国水利水电科学研究院 | 一种城市内涝数值实验方法 |
| CN116484688B (zh) * | 2023-04-26 | 2023-10-13 | 中国水利水电科学研究院 | 一种城市内涝数值实验方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369059B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369059B (zh) | 基于雨洪模拟耦合模型的城市内涝快速预测方法及系统 | |
| CN111651885B (zh) | 一种智慧型海绵城市洪涝预报方法 | |
| CN109657418B (zh) | 一种基于mike21的湖泊水环境容量计算方法 | |
| Dongquan et al. | GIS-based urban rainfall-runoff modeling using an automatic catchment-discretization approach: a case study in Macau | |
| CN107832931A (zh) | 一种平原水网地区内涝风险的模块化分析方法 | |
| CN108446502B (zh) | 一种利用完整二维浅水方程组获得流域单位线的方法 | |
| CN108984823B (zh) | 一种合流制溢流调蓄池规模的确定方法 | |
| CN111428972A (zh) | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 | |
| CN104298841A (zh) | 一种基于历史数据的洪水预报方法和系统 | |
| CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
| CN111475950B (zh) | 一种下凹式立交桥下雨洪的模拟方法 | |
| CN111581767B (zh) | 一种管网-河流耦合模型校核特征参数率定方法 | |
| CN115859676B (zh) | 一种顾及气候要素的多层次城市内涝耦合模拟方法 | |
| CN107978138A (zh) | 一种基于山洪动态演进仿真模型的灾害监测预警方法 | |
| CN108009753A (zh) | 城市内涝预测方法、装置、终端及计算机可读存储介质 | |
| CN113569438A (zh) | 基于多源降雨融合和实时校正的城市洪涝模型构建方法 | |
| Chen et al. | High-resolution urban flood forecasting by using a coupled atmospheric and hydrodynamic flood models | |
| Ding et al. | Assessment of the impact of climate change on urban flooding: A case study of Beijing, China | |
| Mustafa et al. | Application of swat model for sediment loads from valleys transmitted to Haditha reservoir | |
| CN111985129A (zh) | 一种城市暴雨内涝精细化模拟方法 | |
| Wang et al. | Analysis of drainage efficiency under extreme precipitation events based on numerical simulation | |
| CN109472102A (zh) | 一种基于蚂蚁河流域的桥涵构造推算方法 | |
| Mahmood et al. | Assessment of drainage capacity of Chaktai and Rajakhali Khal in Chittagong City and inundation adjacent of urban areas | |
| CN103208135A (zh) | 一种基于cd-tin的城区地表特征点汇水量计算方法 | |
| Cao et al. | Study on the Whole Process Simulation and Regulation Mechanism of Urban Green Ecological Rainwater Drainage System. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |