CN111737853B - 一种基于swmm模型的低影响开发多目标区间优化配置方法 - Google Patents
一种基于swmm模型的低影响开发多目标区间优化配置方法 Download PDFInfo
- Publication number
- CN111737853B CN111737853B CN202010434664.4A CN202010434664A CN111737853B CN 111737853 B CN111737853 B CN 111737853B CN 202010434664 A CN202010434664 A CN 202010434664A CN 111737853 B CN111737853 B CN 111737853B
- Authority
- CN
- China
- Prior art keywords
- optimization
- model
- algorithm
- pipe network
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011161 development Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000011160 research Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007654 immersion Methods 0.000 claims description 12
- 239000010865 sewage Substances 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 244000025254 Cannabis sativa Species 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 239000002351 wastewater Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 239000005038 ethylene vinyl acetate Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 229920001200 poly(ethylene-vinyl acetate) Polymers 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 12
- 230000008901 benefit Effects 0.000 description 3
- 210000000349 chromosome Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于SWMM模型的低影响开发多目标区间优化配置方法,包括:基于SWMM模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析;建立多目标优化体系,确定优化体系的优化变量和目标函数;目标函数以最小LID设施成本、最小排水管网系统弹性指数为优化目标,结合多目标区间优化算法进行优化。本申请中提出计算排水管网系统弹性指数U‑Res的公式,用以综合评价排水管网系统的弹性,综合考虑了水量、水环境指标;采用智能算法求解以最小LID设施成本、最小管网系统弹性指数U‑Res为优化目标;径流削减率为约束条件的优化模型,有效克服了传统的权重法的主观性,减少了人为的噪声影响。
Description
技术领域
本申请涉及管网系统弹性评价与海绵城市低影响开发设施优化配置领域,具体涉及一种基于SWMM模型的低影响开发多目标区间优化配置方法。
背景技术
在全球气候变化和城镇化的背景下,由于城市土地利用和植被覆盖发生巨大变化,城市内涝频繁发生。防止城市内涝的一个有效措施是低影响开发(LID),通过透水铺装、绿色屋顶、植草沟、生物滞留池等措施来控制暴雨所产生的不良影响,使城市地区实现自然的水文循环,有效缓解城市内涝、削减城市径流、节约水资源。而城市排水管网系统是海绵城市建设和发展的重要基础设施之一,承担着防治洪水、排泄雨水污水和保护生态环境的重要责任。因此,低影响开发应该考虑城市地下排水管网系统的管理,使得海绵城市能真正发挥其功能,提高城市的弹性,美化城市的环境,提升城市的经济效益。
目前,尽管针对海绵城市低影响开发的优化配置已被国内外学者进行广泛而深入的研究,以控制径流量、污染物质等为目标的优化算法和优化模型也被总结出来。但这些模型并没有考虑到城市排水管道系统,且很难反映设施本身和许多社会经济因素的不确定性特征。这样可能会对决策的制定产生一定的偏差,影响其客观性和准确性。
发明内容
本申请的目的是提供一种基于SWMM模型的低影响开发多目标区间优化配置方法,用以客观、准确、合理地对城市低影响开发进行优化。
为了实现上述任务,本申请采用以下技术方案:
一种基于SWMM模型的低影响开发多目标区间优化配置方法,包括以下步骤:
基于暴雨洪水管理模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析;
建立多目标优化体系,确定优化体系的优化变量和目标函数;其中,目标函数以最小LID设施成本、最小排水管网系统弹性指数为优化目标,所述最小排水管网系统弹性指数的计算公式为:
其中,T为降雨的重现期,SEVs表示社会严重程度,SEVe表示环境严重程度,Ks和Ke分别是SEVs和SEVe的权重,这两者权重之和为1;Qtw为t0-tn之间产生的废水总量,t0为降雨开始时刻;tn为系统在外部扰动发生前恢复到状态的时刻;
结合多目标区间优化算法,求解目标函数;根据求解结果对城市研究区域进行优化配置。
进一步地,所述基于暴雨洪水管理模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析,包括:
将城市研究区域的地形、土地利用情况、集水区及管网信息导入暴雨洪水管理模型SWMM中,然后采用基于蒙特卡罗仿真的HSY算法对模型参数进行辨识和验证,提高模型的仿真精度;在HSY算法中,定义了仿真值与观测值之差的极限值这些规定条件;
对模型中的关键参数进行校正,利用研究区域中监测节点的峰值流量模拟误差、峰值流量的发生和平均流量来确定参数的可接受条件;
模拟的降雨事件采用芝加哥雨型生成器生成,设置不同的重现期和降雨强度,降雨时长为固定数值;把降雨事件输入进SWMM模型雨量计中,然后输出流量数据。
进一步地,所述模型中的关键参数包括曼宁系数不透水面积、曼宁系数透光区、管道曼宁系数、霍顿下渗曲线最大速率、霍顿下渗曲线最低比率和霍顿下渗曲线衰减常数。
进一步地,所述优化体系中,以城市研究区域内透水铺装、绿色屋顶、植草沟、生物滞留池的面积作为优化变量。
进一步地,所述社会严重程度SEVs表示为:
其中,Nf为水浸节点数,Acfi为第i个水浸节点的最大可接受水浸流量,Qfi为第i个水浸节点的洪泛流量,tfi为第i水浸节点Qfi大于Acfi时的持续时间。
进一步地,所述环境严重程度SEVe表示为:
其中,N0为溢流节点数,Qoi为第i个溢流口的CSO;Aloi为第i溢流口最大允许的CSO流量;toi为第i个溢流口Qoi大于Aloi时的持续时间;CSO表示城市洪水和雨污混合溢流污水。
进一步地,所述废水总量Qtw表示为:
其中,Nw表示进水节点数,Qwi为第i个进水节点的污水流量。
进一步地,所述LID设施成本表示为:
上式中,表示第m种LID设施单位面积的建造价格;/>表示第m种LID设施单位面积的维护价格;/>表示第m种LID设施在区域n的建造面积。
进一步地,所述目标函数的约束条件为:
其中,Pr[]表示概率,表示第m种LID设施单位面积径流削减能力;d±表示第n个区域最大降雨量;pm是显著性水平,表示违反约束的容许概率;/>zmn表示决策变量,zmn∈[0,1];/>分别表示第m种LID设施在区域n的建造面积的最大值、最小值,A±表示整个可建造区域面积。
进一步地,所述结合多目标区间优化算法,求解目标函数,包括:
将所述现状模拟数据作为初始解代入多目标区间优化算法中,其中算法采用非支配排序遗传算法;
当将所述数据代入算法后,算法将调用SWMM模型的动态数据库,启动SWMM的水文计算引擎,选择实数编码求其Pareto解集;算法选择多项式变异算子及模拟二进制交叉算子执行进化操作,并利用联赛法选择较优个体进入下一代;
得到优化结果后,将优化变量导入SWMM模型中,对研究区域的低影响布局优化布局进行模拟计算,并从结果文件中提取相关变量,计算目标函数;
当连续5代进化操作得到的非支配解集合内所有个体对三个子目标的平均适应度都不小于之前得到的Pareto解集的最小适应度时,即认为算法已经收敛到了Pareto最优解,终止循环。
本申请具有以下技术特点:
1.本申请中提出了计算排水管网系统弹性指数U-Res的公式,用以综合评价排水管网系统的弹性,综合考虑了水量、水环境指标;采用智能算法求解以最小LID设施成本、最小管网系统弹性指数U-Res为优化目标;径流削减率为约束条件的优化模型,有效克服了传统的权重法的主观性,减少了人为的噪声影响。
2.本申请的排水管网系统弹性指数U-Res的建立基于社会严重程度(SEVs)和环境严重程度(SEVe)这两个指标,而在实际应用时,可根据政策偏好设定所述两个指标的的权重值Ks、Ke,这样可以方便政策制定者制定适合当地发展需要的政策。
附图说明
图1为本发明方法的流程示意图;
图2为对排水管网系统进行现状模拟与弹性分析并计算排水管网系统弹性指数的流程示意图。
具体实施方式
海绵城市低影响开发可以考虑排水管网系统弹性的角度,而不止是地表径流,从源头上和传输途径上达到防治洪水、排泄雨水污水和保护生态环境的目的,使得海绵城市能真正发挥其功能,提高城市的弹性,美化城市的环境,提升城市的经济效益。
在建设海绵城市的过程中,提升城市排水系统时要优先考虑把有限的雨水留下来,优先考虑更多利用自然力量排水,做到自然存积、自然渗透、自然净化。为此,本申请提出一种基于SWMM模型的低影响开发多目标区间优化配置方法,先对排水管网系统的弹性进行评价,再做多目标区间优化。最大程度的,从源头和传输途径上达到防治洪水、排泄雨水污水和保护生态环境的目的,使得海绵城市能真正发挥其功能,提高城市的弹性,美化城市的环境,提升城市的经济效益。
城市排水管网系统的弹性评价体系包括以下两点:减轻洪水危害、避免城市水环境的退化。通过一条可以定量分析系统弹性的公式,把二者有机的耦合在一起。然后以最小设施成本、最小管网系统弹性指数、流域径流削减为优化目标,对LID设施布置的面积比例进行优化配置,从而为海绵城市的建设规划给出政策性建议。下面对本申请的详细内容作进一步说明。
一种基于SWMM模型的低影响开发多目标区间优化配置方法,通过运行暴雨洪水管理模型(SWMM模型),对研究区域的LID优化配置进行模拟计算;对SWMM的功能进行了延伸,选定优化变量与优化目标,构建多目标优化体系。使用非支配排序遗传算法NSGA-II求解得出pareto最优解。参见图1,包括以下步骤:
步骤1,基于暴雨洪水管理模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析。
将城市研究区域的地形、土地利用情况、集水区及管网信息导入SWMM模型中,得到现状模型;然后采用基于蒙特卡罗仿真的Hornberger-Spear-Young(HSY)算法对模型参数进行辨识和验证,提高模型的仿真精度;在HSY算法中,定义了仿真值与观测值之差的极限值等一些规定条件;如果先前行为的预测能够满足条件,则将用于预测的参数视为可接受的。
对模型中的关键参数进行校正,包括曼宁系数不透水面积、曼宁系数透光区、管道曼宁系数、霍顿下渗曲线最大速率、霍顿下渗曲线最低比率和霍顿下渗曲线衰减常数。利用研究区域中监测节点的峰值流量模拟误差、峰值流量的发生和平均流量来确定参数的可接受条件。
模拟的降雨事件采用芝加哥雨型生成器生成,设置不同的重现期和降雨强度,降雨时长为固定数值。把降雨事件输入进SWMM模型雨量计中,然后进行弹性分析,输出流量数据,参见图2。所述的流量数据包括溢流口数量(N0)、第i个溢流节点的溢流流量(Qfi)等;用于在步骤2计算排水管网系统弹性指数U-Res。
步骤2,建立多目标优化体系。
收集研究区域所在地区的LID设施成本及环境经济参数,由于设施材料源于不同地域,以及购买时间不同,其成本和相应的经济参数存在较大波动性;且每种设施对径流削减的效果都有较大波动。根据实际调研和参考文献的基础上,这种不确定性可以通过区间上下限的形式表示,以此构建多目标区间优化体系,确定算法运行的优化变量和优化目标函数。其中,目标函数以最小LID设施成本、最小排水管网系统弹性指数为优化目标;径流削减率为约束条件;城市研究区域内透水铺装、绿色屋顶、植草沟、生物滞留池的面积作为优化变量。利用非支配排序遗传算法来对多目标优化问题进行求解,流程图已在图1展示。
多目标优化体系中,目标函数以最小LID设施成本、最小排水管网系统弹性指数为优化目标。下面分别对这两个目标函数进行说明。
2.1排水管网系统弹性指数U-Res的计算公式
考虑到排水管网系统功能多样性、拓扑复杂性、扰动随机性,本申请提出了一条计算排水管网系统弹性指数U-Res的公式,这条公式是基于两个部分的弹性系统的严重程度,即社会严重程度(SEVs)和环境严重程度(SEVe),分别对应城市洪水状况和合流制溢流状况。公式如下所示:
其中:
即有:
上式中,T为计算中涉及的降雨的重现期,Ks和Ke分别是SEVs和SEVe的权重,它们取决于当地利益相关者对消除城市洪水和雨污混合溢流污水(CSO)的决策偏好,这两者权重之和为1;t0为降雨开始时刻;tn为系统在外部扰动发生前恢复到状态的时刻;Qtw为t0-tn之间产生的废水总量;Nw、Nf、N0分别为进水节点数、水浸节点数和溢流节点数;Qwi为第i个进水节点的污水流量;Ofi为第i个水浸节点的洪泛流量;Acfi为第i个水浸节点的最大可接受水浸流量;tfi为第i水浸节点Qfi大于Acfi时的持续时间;Qoi为第i个溢流口的CSO;Aloi为第i溢流口最大允许的CSO流量;toi为第i个溢流口Qoi大于Aloi时的持续时间。
利用步骤1对排水管网系统的弹性分析得到的流量数据,代入到上述的U-Res公式中,计算得到排水管网系统弹性指数。U-Res越小,则系统的弹性越大,恢复能力越强,说明系统对所考虑的外部威胁的处理能力越强。
2.2 LID设施成本
其中,LID设施成本主要由基建费用和维修费用构成,表示为:
在这个函数表达式中,表示第m种LID设施单位面积的建造价格;/>表示第m种LID设施单位面积的维护价格;/>表示第m种LID设施在区域n的建造面积;参数中±表示参数的区间,其中的+、-分别表示区间的最大值和最小值。
在上述目标函数中,是以区间形式表示的不确定数值,很难判断/>取何值时设施成本最小,因此不能直接利用线性规划的方法求解。
为此,引入决策变量zmn,zmn∈[0,1],令其中决策变量zmn可以通过模型求解的方法得到最优值zmnopt,从而可得/>的最优值/>这种转变过程以交互式运算法则为基础,最终可以为目标函数值和决策变量提供稳定的区间值。在上述目标函数中引入决策变量zmn后,得到表达式如下:
另外一条表达式如下:
2.3目标函数的约束条件,表示为:
其中,Pr[]表示概率,表示第m种LID设施单位面积径流削减能力;d±表示第n个区域最大降雨量;pm是显著性水平,表示违反约束的容许概率。
其中,A±表示整个可建造区域面积。
运用交互式运算法则,也将约束条件转化为上下限的形式,不再进行赘述。
以以最小LID设施成本、最小排水管网系统弹性指数为优化目标,在约束条件的约束下进行求解。
步骤3,结合多目标区间优化算法,求解目标函数;根据求解结果对城市研究区域进行优化配置。
将步骤1中的城市研究区域排水管网系统的现状模拟数据作为初始解代入多目标区间优化算法中,进行优化。其中,多目标优化算法可以选择非支配排序遗传算法、退火算法、粒子群算法、蚁群算法等。
本实施例中以将所述模拟数据代入非支配排序遗传算法为例进行说明。
当将数据代入算法后,此时算法将调用SWMM模型的动态数据库,启动SWMM的水文计算引擎,选择实数编码求其Pareto解集。算法选择多项式变异算子及模拟二进制交叉算子执行进化操作,并利用联赛法选择较优个体进入下一代。为避免机器时间的浪费,联赛规模取为种群大小的一半。
其中,对约束的处理是在原有染色体串上添加约束违背惩罚位Spen:对违背约束的染色体较大惩罚Spen=inf,对违背Ssoc约束的染色体分段惩罚:
①Ssoc>1或Ssoc<0时,Spen=inf;②0.9≤Ssoc≤1时,Spen=0;③0≤Ssoc≤0.9时,f为惩罚系数,随着遗传代数增大而增大。
得到优化结果后,将优化变量(研究区域内透水铺装、绿色屋顶、植草沟、生物滞留池的面积)导入SWMM模型中,对研究区域的低影响布局优化布局进行模拟计算,并从结果文件中提取相关变量,计算目标函数。
设置迭代终止条件:当连续5代进化操作得到的非支配解集合内所有个体对三个子目标的平均适应度都不小于之前得到的Pareto解集的最小适应度时,即认为算法已经收敛到了Pareto最优解,终止循环。
Claims (6)
1.一种基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,包括以下步骤:
基于暴雨洪水管理模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析;
建立多目标优化体系,确定优化体系的优化变量和目标函数;其中,目标函数以最小LID设施成本、最小排水管网系统弹性指数为优化目标,所述最小排水管网系统弹性指数的计算公式为:
其中,T为降雨的重现期,SEVs表示社会严重程度,SEVe表示环境严重程度,Ks和Ke分别是SEVs和SEVe的权重,这两者权重之和为1;Qtw为t0-tn之间产生的废水总量,t0为降雨开始时刻;tn为系统在外部扰动发生前恢复到状态的时刻;
所述社会严重程度SEVs表示为:
其中,Nf为水浸节点数,Acfi为第i个水浸节点的最大可接受水浸流量,Qfi为第i个水浸节点的洪泛流量,tfi为第i水浸节点Qfi大于Acfi时的持续时间;
所述环境严重程度SEVe表示为:
其中,N0为溢流节点数,Qoi为第i个溢流口的CSO;Aloi为第i溢流口最大允许的CSO流量;toi为第i个溢流口Qoi大于Aloi时的持续时间;CSO表示城市洪水和雨污混合溢流污水;
所述废水总量Qtw表示为:
其中,Nw表示进水节点数,Qwi为第i个进水节点的污水流量;
结合多目标区间优化算法,求解目标函数,包括:
将城市研究区域排水管网系统的现状模拟数据作为初始解代入多目标区间优化算法中,其中算法采用非支配排序遗传算法;
当将所述现状模拟数据代入算法后,算法将调用SWMM模型的动态数据库,启动SWMM的水文计算引擎,选择实数编码求其Pareto解集;算法选择多项式变异算子及模拟二进制交叉算子执行进化操作,并利用联赛法选择较优个体进入下一代;
得到优化结果后,将优化变量导入SWMM模型中,对研究区域的低影响布局优化布局进行模拟计算,并从结果文件中提取相关变量,计算目标函数;
当连续5代进化操作得到的非支配解集合内所有个体对三个子目标的平均适应度都不小于之前得到的Pareto解集的最小适应度时,即认为算法已经收敛到了Pareto最优解,终止循环;
根据求解结果对城市研究区域进行优化配置。
2.根据权利要求1所述的基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,所述基于暴雨洪水管理模型,建立城市研究区域的现状模型,并进行城市研究区域中排水管网系统的现状模拟与弹性分析,包括:
将城市研究区域的地形、土地利用情况、集水区及管网信息导入暴雨洪水管理模型SWMM中,然后采用基于蒙特卡罗仿真的HSY算法对模型参数进行辨识和验证,提高模型的仿真精度;在HSY算法中,定义了仿真值与观测值之差的极限值这些规定条件;
对模型中的关键参数进行校正,利用研究区域中监测节点的峰值流量模拟误差、峰值流量的发生和平均流量来确定参数的可接受条件;
模拟的降雨事件采用芝加哥雨型生成器生成,设置不同的重现期和降雨强度,降雨时长为固定数值;把降雨事件输入进SWMM模型雨量计中,然后输出流量数据。
3.根据权利要求1所述的基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,所述模型中的关键参数包括曼宁系数不透水面积、曼宁系数透光区、管道曼宁系数、霍顿下渗曲线最大速率、霍顿下渗曲线最低比率和霍顿下渗曲线衰减常数。
4.根据权利要求1所述的基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,所述优化体系中,以城市研究区域内透水铺装、绿色屋顶、植草沟、生物滞留池的面积作为优化变量。
5.根据权利要求1所述的基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,所述LID设施成本表示为:
上式中,表示第m种LID设施单位面积的建造价格;/>表示第m种LID设施单位面积的维护价格;/>表示第m种LID设施在区域n的建造面积。
6.根据权利要求1所述的基于SWMM模型的低影响开发多目标区间优化配置方法,其特征在于,所述目标函数的约束条件为:
其中,Pr[]表示概率,表示第m种LID设施单位面积径流削减能力;d±表示第n个区域最大降雨量;pm是显著性水平,表示违反约束的容许概率;/>zmn表示决策变量,zmn∈[0,1];/>分别表示第m种LID设施在区域n的建造面积的最大值、最小值,A±表示整个可建造区域面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434664.4A CN111737853B (zh) | 2020-05-21 | 2020-05-21 | 一种基于swmm模型的低影响开发多目标区间优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434664.4A CN111737853B (zh) | 2020-05-21 | 2020-05-21 | 一种基于swmm模型的低影响开发多目标区间优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111737853A CN111737853A (zh) | 2020-10-02 |
CN111737853B true CN111737853B (zh) | 2023-07-28 |
Family
ID=72647577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010434664.4A Active CN111737853B (zh) | 2020-05-21 | 2020-05-21 | 一种基于swmm模型的低影响开发多目标区间优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737853B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699606A (zh) * | 2020-12-29 | 2021-04-23 | 哈尔滨工业大学 | 一种海绵城市布局优化多目标决策方法 |
CN112699611A (zh) * | 2020-12-31 | 2021-04-23 | 哈尔滨工业大学 | 一种基于人工蚁群算法的排水管网模型参数寻优方法 |
CN113553693B (zh) * | 2021-06-17 | 2023-07-21 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种地表径流控制利用方案的多目标优化方法 |
CN113569318B (zh) * | 2021-07-30 | 2024-04-26 | 安徽工业大学 | 一种快速确定调蓄池优化布局方案的方法 |
CN114036708A (zh) * | 2021-09-17 | 2022-02-11 | 中铁第一勘察设计院集团有限公司 | 基于swmm模型的车辆基地雨水系统优化方法 |
CN116151450B (zh) * | 2023-02-14 | 2023-12-29 | 北京师范大学 | 一种城市绿色屋顶规划布局方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679676A (zh) * | 2017-10-27 | 2018-02-09 | 河海大学 | 一种基于数值模拟的城市低影响开发优化配置方法 |
CN109559098A (zh) * | 2018-11-26 | 2019-04-02 | 浙江清环智慧科技有限公司 | 一种海绵城市试点区低影响开发设施模拟方法 |
CN110232472A (zh) * | 2019-05-21 | 2019-09-13 | 天津大学 | 一种低影响开发布局的多目标优化方法 |
CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
-
2020
- 2020-05-21 CN CN202010434664.4A patent/CN111737853B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679676A (zh) * | 2017-10-27 | 2018-02-09 | 河海大学 | 一种基于数值模拟的城市低影响开发优化配置方法 |
CN109559098A (zh) * | 2018-11-26 | 2019-04-02 | 浙江清环智慧科技有限公司 | 一种海绵城市试点区低影响开发设施模拟方法 |
CN110232472A (zh) * | 2019-05-21 | 2019-09-13 | 天津大学 | 一种低影响开发布局的多目标优化方法 |
CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
Non-Patent Citations (1)
Title |
---|
排水管网改造与LID径流控制在城市雨洪管理中的应用和组合优化;梅胜;许明华;周倩倩;李阿婷;;水电能源科学(第03期);第67-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111737853A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737853B (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
Ghodsi et al. | Optimal design of low impact development practices in response to climate change | |
CN107992961B (zh) | 一种自适应的流域中长期径流预报模型架构方法 | |
Zeng et al. | Development of a web-based decision support system for supporting integrated water resources management in Daegu city, South Korea | |
Azevedo et al. | Integration of water quantity and quality in strategic river basin planning | |
CN105297827A (zh) | 一种考虑多用户需水和多水源供水的水资源配置方法 | |
Gao et al. | A distribution optimization method of typical LID facilities for sponge city construction | |
CN112906950B (zh) | 一种海绵城市规划设计系统 | |
Yu et al. | A new LID spatial allocation optimization system at neighborhood scale: Integrated SWMM with PICEA-g using MATLAB as the platform | |
Hu et al. | Water quality risk assessment for the Laoguanhe River of China using a stochastic simulation method | |
Rezaei et al. | Optimal implementation of low impact development for urban stormwater quantity and quality control using multi-objective optimization | |
CN111754032B (zh) | 海绵设施布局优化方法、装置、计算机设备和存储介质 | |
CN116485584B (zh) | 高寒区大底坡河流wee协同调控方法及系统 | |
Chae et al. | Robust siting of permeable pavement in highly urbanized watersheds considering climate change using a combination of fuzzy-TOPSIS and the VIKOR method | |
Xu et al. | Real options analysis for urban flood mitigation under environmental change | |
Latifi et al. | Multi-stakeholder stochastic optimization of urban low impact developments for climate consistency under uncertainty | |
Leng et al. | Incorporating receiving waters responses into the framework of spatial optimization of LID-BMPs in plain river network region | |
CN110033139A (zh) | 一种基于海绵城市理念的城市雨水优化系统和方法 | |
Ashofteh et al. | Ranking the optimal combination of low-impact urban development systems under climate change with the TODIM multi-criteria decision-making method | |
CN112699606A (zh) | 一种海绵城市布局优化多目标决策方法 | |
Aminjavaheri et al. | Determining the robust optimal set of BMPs for urban runoff management in data-poor catchments | |
Phumiphan et al. | Development of decision-making support tools for future reservoir management under climate and land cover variability: A case study | |
Karamouz et al. | Risk Based Conflict Resolution Model for River Water Quality Management | |
CN115496128A (zh) | 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法 | |
CN112784409A (zh) | 基于lid措施的面源污染控制模拟方法 |
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 |