CN113553693B - 一种地表径流控制利用方案的多目标优化方法 - Google Patents
一种地表径流控制利用方案的多目标优化方法 Download PDFInfo
- Publication number
- CN113553693B CN113553693B CN202110673267.7A CN202110673267A CN113553693B CN 113553693 B CN113553693 B CN 113553693B CN 202110673267 A CN202110673267 A CN 202110673267A CN 113553693 B CN113553693 B CN 113553693B
- Authority
- CN
- China
- Prior art keywords
- runoff
- land
- area
- research area
- scheme
- 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
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
- 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—Systems or methods specially adapted for 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
- Control Of Non-Electrical Variables (AREA)
Abstract
本发明涉及地表径流控制利用技术领域,具体涉及一种地表径流控制利用方案的多目标优化方法,利用SWMM模型建立研究区现状城市雨洪模拟模型;在现状城市雨洪模拟模型的基础上建立研究区未来城市雨洪模拟模型,并根据设计方案和规划方案,初步估计各措施规模;建立研究区径流控制目标函数;在研究区未来城市雨洪模拟模型和研究区径流控制目标函数的基础上建立研究区径流控制方案优化模型。本发明中,将非支配排序遗传算法和SWMM模型相结合,考虑同一地块多种低影响开发措施组合以及片区流长的变化,建立滞蓄径流、提升径流水质和降低造价的多目标方案优化技术,为海绵城市建设提供技术支持。
Description
技术领域
本发明涉及地表径流控制利用技术领域,具体涉及一种地表径流控制利用方案的多目标优化方法。
背景技术
城市建设后,地表不透水面积增大、透水性减弱、雨水下渗量减少,随之而来将导致降雨后地表产流量加大、汇流速度加快,城市内涝与洪水时有发生。采用低影响开发或海绵城市的思想,通过建设相应滞、渗、蓄、净、用、排的措施增加下渗量,削减径流量,减缓汇流速度,控制地表径流污染,是缓解城市防洪除涝压力,减少径流污,提升河湖等受纳水体水质的重要途径之一。
低影响开发方案的确定往往要解决径流量控制和水质保障两大问题,方案中措施的类型、建设规模、实施位置都是直接影响工程效果的重要因素,但由于需要考虑建设费用的经济性和土地资源的稀缺性,往往需要对建设方案进行优化比选。
目前,常用的比选方法多是通过比较几个建设备选方案的效果与费用以达到优选的目的,但这种方法中建设备选方案的数量是极为有限的,仅能反映少部分的可能方案。从这样的备选方案群中选出的优选方案并不是真正意义上的最优方案。为了进一步提升方案优选的科学性与便利性,已有技术开始将最优化理论、优化智能算法和方案模拟数学模型结合在一起,以达到控制径流、缓解内涝和节约成本的目的。但是在滞蓄径流和降低造价之外,提升径流水质、控制城市面源污染亦是极为重要的现实需求,也是方案比选时应当考虑的重要因素。此外,在实际建设过程中,常按地块进行方案设计,同一个地块内可能采用多种低影响开发措施,因此优选方案不仅需要反映出论证区域内总体的水量、水量效果及造价控制水平,更需要给出各地块的低影响开发措施的组成,以便于改进设计方案。
发明内容
为了克服上述的技术问题,本发明的目的在于提供一种地表径流控制利用方案的多目标优化方法,将非支配排序遗传算法和SWMM模型相结合,考虑同一地块多种低影响开发措施组合以及片区流长的变化,建立滞蓄径流、提升径流水质和降低造价的多目标方案优化技术,为海绵城市建设提供技术支持。
本发明的目的可以通过以下技术方案实现:
一种地表径流控制利用方案的多目标优化方法,该方法包括如下步骤:
步骤一:利用SWMM模型建立研究区现状城市雨洪模拟模型;
步骤二:在现状城市雨洪模拟模型的基础上建立研究区未来城市雨洪模拟模型,并根据设计方案和规划方案,初步估计各措施规模;
步骤三:建立研究区径流控制目标函数;
步骤四:在研究区未来城市雨洪模拟模型和研究区径流控制目标函数的基础上建立研究区径流控制方案优化模型;
步骤五:根据开发方案或设计要求,运行研究区径流控制方案优化模型,获得到研究区径流控制方案的帕累托最优解集;
步骤六:针对研究区径流控制方案的帕累托最优解集,进一步分析措施类型、面积等因素,确定所需的工程方案。
进一步在于:步骤一所述研究区现状城市雨洪模拟模型的建立包括如下步骤:
SA1:进行研究区域相关资料收集工作,包括收集与分析地形、土地利用情况、排水分区、地下管网、地表水系、下垫面情况;
SA2:根据资料分析结果;
SA3:利用SWMM模型初步建立研究区现状城市雨洪模拟模型;
SA4:开展灵敏度分析工作,分析对模型结果影响较大的参数;
SA5:将实测降水、流量、水位、水质数据输入模型并计算模拟结果,将结果与相应时段的实际观测数据相对比;
SA6:通过比较模拟结果与观测数据,初步率定模型参数;
SA7:将另一组实测降水、流量、水位、水质数据输入模型并计算模拟结果;
SA8:将结果与相应时段的实际观测数据相对比;
SA9:通过比较模拟结果与观测数据;
SA10:获得研究区现状城市雨洪模拟模型参数。
进一步在于:步骤二所述研究区未来城市雨洪模拟模型可以根据研究区的地形、土地利用情况、排水分区、地下管网、地表水系和下垫面情况,并按相关规范做出参数调整、按照未来建设规划或方案,对研究区的地块或排水分区进行详细地划分、及各地块的土地利用情况、实际开发要求,选择适宜的低影响开发方案。
进一步在于:步骤三所述径流控制目标包括水量、水质与费用三个方面;
水量径流系数控制目标可表示为:
式中OBJ1为水量径流系数控制目标,Ri为第i个地块开发前的径流系数或者指定的径流系数,ri为第i个地块开发后的径流系数,n为地块总数;
水质径流系数控制目标可表示为:
式中OBJ2为水质径流系数控制目标,Ci为第i个地块开发前某个水质指标的场次降雨污染平均浓度或者指定的场次降雨污染平均浓度,ci为第i个地块开发后相应水质指标的场次降雨污染平均浓度,水质控制目标可根据具体需要的指标个数增加控制目标的方程个数;
费用控制目标可表示为:
式中OBJ3为费用控制目标,xij为第i个地块第j种低影响开发措施的综合单价,Aij为第i个地块第j种低影响开发措施的建设面积,m为低影响开发措施的数量;
以上式中的ri、ci和Aij均大于等于0,ri小于等于1,对于第i个地块,地块中的所有低影响开发措施的建设面积之和应小于等于该地块的总面积或小于等于该地块开发利用方案中给定的可用于低影响开发措施的面积MaxAi,即
进一步在于:步骤四所述研究区径流控制方案优化模型,采用非支配排序遗传算法寻找满足径流控制目标的低影响开发建设面积组合,利用研究区未来城市雨洪模拟模型评价不同建设方案的效果,两者之间可利用Python等语言,建立数据传输模块,以将两者耦合在一起。
进一步在于:步骤五所述研究区径流控制方案的帕累托最优解集的获得,包括如下步骤:
SB1:给定低影响开发建设面积组合初值,并将初值输入研究区未来城市雨洪模拟模型;
SB2:评价研究区未来城市雨洪模拟模型的计算结果与径流控制目标的差距;
SB3:根据评价结果,非支配排序遗传算法将生成新的面积组合,再次交由研究区未来城市雨洪模拟模型进行计算;
SB4:重复以上步骤直到非支配排序遗传算法达到终止标准,即得到研究区径流控制方案的帕累托最优解集。
进一步在于:所述研究区未来城市雨洪模拟模型的所需参数还包括低影响开发措施的面积、地块不透水比例和低影响开发措施的径流长;由于每组不同的方案中,低影响开发措施的面积是不同的,因此在优化模型中,不仅需要输入面积组合,还需要更新地块的不透水比例和径流宽或长;
新的地块不透水比例:AIMPi=1-(AOPi+Ai)/ATOLi
式中AIMPi为更新后地块i的不透水比例,AOPi为地块i的原不透水比例,Ai为地块i的低影响开发措施的面积,ATOLi为地块i的总面积;
如果研究区未来城市雨洪模拟模型采用以径流宽计算径流长的方法,则有:
新地径流宽:Wnewi=Woldi×AnonLIDi/ATOLi
新地径流长:Lnewi=ATOLi/Wnewi
如果研究区未来城市雨洪模拟模型采用以径流长计算径流宽的方法,则有:
新地径流长:Lnewi=Loldi×ATOLi/AnonLIDi
新地径流宽:Wnewi=ATOLi/Lnewi
式中Wnewi为地块i的新径流宽,Woldi为地块i的原径流宽,AnonLIDi为地块i无低影响开发措施的面积,Lnewi为地块i的新径流长,Loldi为地块i的原径流长。
本发明的有益效果:
针对现有研究区径流控制方案制定存在的问题,将非支配排序遗传算法和SWMM模型相结合,考虑同一地块多种低影响开发措施组合以及片区流长的变化,建立滞蓄径流、提升径流水质和降低造价的多目标方案优化技术,为海绵城市建设提供技术支持,相对现有技术具有以下优点和积极效果:
(1)模型利用非支配排序遗传算法计算最优方案,不易于陷入局部最优,有利于找到工程方案的帕累托最优解集。
(2)能够给出一系列满足水量、水质与工程造价三个方面目标的径流控制方案,便于同时提高工程效果并降低工程造价。
(3)模型将根据低影响开发措施的面积变化调整不透水比例和径流宽或长,有利于保证计算结果的科学性与准确性。
(4)模型将记录帕累托最优解集中各解对应的措施类型、面积、不透水比例和径流宽或长,以便根据计算结果调整工程方案或进一步分析方案的水量、水质及费用控制效果。
(5)能够合理模拟研究区开发前后地表径流、管网、水系的水量与水质变化情况,便于方案间的分析与对比。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明流程框图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种地表径流控制利用方案的多目标优化方法,该方法包括如下步骤:
步骤一:利用SWMM模型建立研究区现状城市雨洪模拟模型;
步骤二:在现状城市雨洪模拟模型的基础上建立研究区未来城市雨洪模拟模型,并根据设计方案和规划方案,初步估计各措施规模;
步骤三:建立研究区径流控制目标函数;
步骤四:在研究区未来城市雨洪模拟模型和研究区径流控制目标函数的基础上建立研究区径流控制方案优化模型;
步骤五:根据开发方案或设计要求,运行研究区径流控制方案优化模型,获得到研究区径流控制方案的帕累托最优解集;
步骤六:针对研究区径流控制方案的帕累托最优解集,进一步分析措施类型、面积等因素,确定所需的工程方案。
步骤一研究区现状城市雨洪模拟模型的建立包括如下步骤:
SA1:进行研究区域相关资料收集工作,包括收集与分析地形、土地利用情况、排水分区、地下管网、地表水系、下垫面情况;
SA2:根据资料分析结果;
SA3:利用SWMM模型初步建立研究区现状城市雨洪模拟模型;
SA4:开展灵敏度分析工作,分析对模型结果影响较大的参数;
SA5:将实测降水、流量、水位、水质数据输入模型并计算模拟结果,将结果与相应时段的实际观测数据相对比;
SA6:通过比较模拟结果与观测数据,初步率定模型参数;
SA7:将另一组实测降水、流量、水位、水质数据输入模型并计算模拟结果;
SA8:将结果与相应时段的实际观测数据相对比;
SA9:通过比较模拟结果与观测数据;
SA10:获得研究区现状城市雨洪模拟模型参数。
步骤二研究区未来城市雨洪模拟模型可以根据研究区的地形、土地利用情况、排水分区、地下管网、地表水系和下垫面情况,并按相关规范做出参数调整、按照未来建设规划或方案,对研究区的地块或排水分区进行详细地划分、及各地块的土地利用情况、实际开发要求,选择适宜的低影响开发方案。
步骤三径流控制目标包括水量、水质与费用三个方面;各方面的目标,均受到低影响开发措施规模和具体组成形式的制约,当选定具体组成形式后,规模成为影响各目标的决定因素,故选择低影响开发措施的面积作为决策变量。
水量方面以削减地表径流为主,水量径流系数控制目标可表示为:
式中OBJ1为水量径流系数控制目标,Ri为第i个地块开发前的径流系数或者指定的径流系数,ri为第i个地块开发后的径流系数,n为地块总数;
水质方面以降低径流、管网或河道内的污染物浓度为主。水质径流系数控制目标可表示为:
式中OBJ2为水质径流系数控制目标,Ci为第i个地块开发前某个水质指标的场次降雨污染平均浓度或者指定的场次降雨污染平均浓度,ci为第i个地块开发后相应水质指标的场次降雨污染平均浓度,水质控制目标可根据具体需要的指标个数增加控制目标的方程个数;
费用方面以控制工程造价为主。费用控制目标可表示为:
式中OBJ3为费用控制目标,xij为第i个地块第j种低影响开发措施的综合单价,Aij为第i个地块第j种低影响开发措施的建设面积,m为低影响开发措施的数量;
以上式中的ri、ci和Aij均大于等于0,ri小于等于1,对于第i个地块,地块中的所有低影响开发措施的建设面积之和应小于等于该地块的总面积或小于等于该地块开发利用方案中给定的可用于低影响开发措施的面积MaxAi,即
根据权利要求1的一种地表径流控制利用方案的多目标优化方法,步骤四研究区径流控制方案优化模型,采用非支配排序遗传算法寻找满足径流控制目标的低影响开发建设面积组合,利用研究区未来城市雨洪模拟模型评价不同建设方案的效果,两者之间可利用Python等语言,建立数据传输模块,以将两者耦合在一起。
步骤五研究区径流控制方案的帕累托最优解集的获得,包括如下步骤:
SB1:给定低影响开发建设面积组合初值,并将初值输入研究区未来城市雨洪模拟模型;
SB2:评价研究区未来城市雨洪模拟模型的计算结果与径流控制目标的差距;
SB3:根据评价结果,非支配排序遗传算法将生成新的面积组合,再次交由研究区未来城市雨洪模拟模型进行计算;
SB4:重复以上步骤直到非支配排序遗传算法达到终止标准,即得到研究区径流控制方案的帕累托最优解集。
研究区未来城市雨洪模拟模型的所需参数还包括低影响开发措施的面积、地块不透水比例和低影响开发措施的径流长;由于每组不同的方案中,低影响开发措施的面积是不同的,因此在优化模型中,不仅需要输入面积组合,还需要更新地块的不透水比例和径流宽或长;
新的地块不透水比例:AIMPi=1-(AOPi+Ai)/ATOLi
式中AIMPi为更新后地块i的不透水比例,AOPi为地块i的原不透水比例,Ai为地块i的低影响开发措施的面积,ATOLi为地块i的总面积;
如果研究区未来城市雨洪模拟模型采用以径流宽计算径流长的方法,则有:
新地径流宽:Wnewi=Woldi×AnonLIDi/ATOLi
新地径流长:Lnewi=ATOLi/Wnewi
如果研究区未来城市雨洪模拟模型采用以径流长计算径流宽的方法,则有:
新地径流长:Lnewi=Loldi×ATOLi/AnonLIDi
新地径流宽:Wnewi=ATOLi/Lnewi
式中Wnewi为地块i的新径流宽,Woldi为地块i的原径流宽,AnonLIDi为地块i无低影响开发措施的面积,Lnewi为地块i的新径流长,Loldi为地块i的原径流长。
研究区径流控制方案优化模型的输出结果记录了帕累托最优解集中各解对应的措施类型、面积、不透水比例和径流宽或长,以便于根据计算结果调整工程方案或进一步分析方案的水量、水质及费用控制效果。
本发明的详细实施方案如下:
(1)研究区现状城市雨洪模拟模型的建立
进行研究区域相关资料收集工作,包括收集与分析地形、土地利用情况、排水分区、地下管网、地表水系、下垫面情况、降雨及水文数据,以及实际观测数据。
根据收集到的资料,利用SWMM模型初步建立研究区现状城市雨洪模拟模型。根据地形、土地利用情况、下垫面条件确定坡度与地表参数;根据排水分区划分模拟的排水分区;利用地下管网、道路和地表水系数据建立模型中的排水通道;根据降雨及水文数据确定设计暴雨;利用实测数据率定验证模型。
开展灵敏度分析工作,辨别对模型结果影响较大的参数。将模型参数按一定幅度发生变化,如2%或5%,对比各种变化后的计算结果,以找出对模型结果影响较大的参数,模型参数的总变化幅度一般不超过20%。
将实测降水、流量、水位、水质数据输入模型并计算模拟结果,将结果与相应时段的实际观测数据相对比。通过调节模型参数,使模拟结果与观测数据尽可能的拟合一致。可采用纳什系数、相对误差、相关系数等方法判断一致性。
将另一组实测降水、流量、水位、水质数据输入模型并计算模拟结果,将结果与相应时段的实际观测数据相对比。可采用纳什系数、相对误差、相关系数等方法判断一致性。如果模拟结果与观测数据一致性较好,可认为初步获得模型参数,如果模拟结果与观测数据一致性不好,需要重新回到上一步调整参数,或者调整模型的水系、管网、排水分区等模型实体。
(2)研究区未来城市雨洪模拟模型的建立
在研究区现状城市雨洪模拟模型的基础上,按照研究区发展规划、土地利用方案或已有的设计方案,调整研究区的地形、土地利用情况、排水分区、地下管网、地表水系和下垫面情况,并按相关规范做出参数调整。
按照未来建设规划或方案,对研究区的地块或排水分区进行详细地划分。
根据各地块的土地利用情况、实际开发要求,选择适宜的低影响开发措施。根据相应的设计要求或技术标准选择各措施的结构、尺寸及技术参数,先初步估计各措施的规模。
(3)研究区径流控制目标函数的建立
径流控制目标包括水量、水质与费用三个方面。各方面的目标,均受到低影响开发措施规模和具体组成形式的制约,当选定具体组成形式后,规模成为影响各目标的决定因素,故以低影响开发措施的面积作为决策变量。
水量方面以削减地表径流为主,主要控制指标可选用径流系数。针对各地块分别设置径流系数控制目标。根据低影响开发的理念,开发后的径流系数应与开发前的径流系数相当。开发前的径流系数在建立研究区现状城市雨洪模拟模型时已经确定。水量径流系数控制目标可表示为:
式中OBJ1为水量径流系数控制目标,Ri为第i个地块开发前的径流系数或者指定的径流系数,ri为第i个地块开发后的径流系数,n为地块总数。研究区未来城市雨洪模拟模型根据各地块内各种低影响开发措施面积计算出相应开发方案下的各地块的径流系数。
水质方面以降低径流、管网或河道内的污染物浓度为主。城市水系或径流常用的水质指标有COD、氨氮、总磷、SSD等。水质径流系数控制目标可表示为:
式中OBJ2为水质径流系数控制目标,Ci为第i个地块开发前某个水质指标的场次降雨污染平均浓度或者指定的场次降雨污染平均浓度,ci为第i个地块开发后相应水质指标的场次降雨污染平均浓度。水质控制目标可根据具体需要的指标个数增加控制目标的方程个数。研究区未来城市雨洪模拟模型根据各地块内各种低影响开发措施面积和削减能力计算出相应开发方案下的各地块中不同污染物的浓度。
费用方面以控制工程造价为主。费用控制目标可表示为:
式中OBJ3为费用控制目标,xij为第i个地块第j种低影响开发措施的综合单价,Aij为第i个地块第j种低影响开发措施的建设面积,m为低影响开发措施的数量。
以上式中的ri、ci和Aij均大于等于0,ri小于等于1,对于第i个地块,地块中的所有低影响开发措施的建设面积之和应小于等于该地块的总面积或小于等于该地块开发利用方案中给定的可用于低影响开发措施的面积MaxAi,即
(4)研究区径流控制方案优化模型的建立
本发明在研究区未来城市雨洪模拟模型和研究区径流控制目标函数的基础上建立研究区径流控制方案优化模型。采用非支配排序遗传算法寻找满足径流控制目标的低影响开发建设面积组合,利用研究区未来城市雨洪模拟模型评价不同建设方案的效果。两者之间可利用Python等语言,建立数据传输模块,以将两者耦合在一起。
研究区径流控制方案优化模型的工作顺序为:
1)根据开发方案或设计要求,设置各地块径流控制的目标值并形成输入文件。为与模型输入保持一致性,可利用研究区未来城市雨洪模拟模型中地块部分的代码作为控制目标输入文件的模版;
2)首先由非支配排序遗传算法随机给定一系列低影响开发建设面积组合初值,更新不透水比例、径流宽或径流长,并将数据写入相应的输入文件;将输入文件读入研究区未来城市雨洪模拟模型并进行计算;输入文件可利用研究区未来城市雨洪模拟模型中相应部分的代码作为文件的模版;
3)评价研究区未来城市雨洪模拟模型的计算结果与径流控制目标的差距。非支配排序遗传算法先计算各方案的径流控制目标,然后对各方案进行非技配排序;
4)根据评价结果,非支配排序遗传算法将生成新的一系列面积组合,再次交由研究区未来城市雨洪模拟模型进行计算,并重复以上步骤直到非支配排序遗传算法达到终止标准,即得到研究区径流控制方案的帕累托最优解集;记录了帕累托最优解集中各解对应的措施类型、面积、不透水比例和径流宽或长,并输出相应的数据文件。
上述过程中,地块的不透水比例和径流宽或长的计算方法如下;
新的地块不透水比例:AIMPi=1-(AOPi+Ai)/ATOLi
式中AIMPi为更新后地块i的不透水比例,AOPi为地块i的原不透水比例,Ai为地块i的低影响开发措施的面积,ATOLi为地块i的总面积。
如果研究区未来城市雨洪模拟模型采用以径流宽计算径流长的方法,则有:
新地径流宽:Wnewi=Woldi×AnonLIDi/ATOLi
新地径流长:Lnewi=ATOLi/Wnewi
如果研究区未来城市雨洪模拟模型采用以径流长计算径流宽的方法,则有:
新地径流长:Lnewi=Loldi×ATOLi/AnonLIDi
新地径流宽:Wnewi=ATOLi/Lnewi
式中Wnewi为地块i的新径流宽,Woldi为地块i的原径流宽,AnonLIDi为地块i无低影响开发措施的面积,Lnewi为地块i的新径流长,Loldi为地块i的原径流长。
(5)低影响开发措施工程方案的选择
研究区径流控制方案优化模型将输出低影响开发措施工程方案帕累托最优解集。解集中的每一个解都对应一个工程方案。因此解集将含有大量的工程方案。如仅考虑水量、单个水质指标和工程造价三个目标,解集中的每一个解将含有水量、单个水质指标和工程造价三个目标值,即相应工程方案的目标值。可以利用EXCEL将各方案的目标的两两绘制成曲线图。根据曲线预先筛选方案。也可按水量、单个水质指标或工程造价目标进行排序,按极值预先筛选方案。针对筛选出的方案,可按照其对应的解的编号在上步中记录数据文件中找到相应编号数据文件,进一步分析措施类型、面积等因素,最终确定所需的工程方案。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种地表径流控制利用方案的多目标优化方法,其特征在于,该方法包括如下步骤:
步骤一:利用SWMM模型建立研究区现状城市雨洪模拟模型;
步骤二:在现状城市雨洪模拟模型的基础上建立研究区未来城市雨洪模拟模型,并根据设计方案和规划方案,初步估计各措施规模;
步骤三:建立研究区径流控制目标函数;
步骤四:在研究区未来城市雨洪模拟模型和研究区径流控制目标函数的基础上建立研究区径流控制方案优化模型;
步骤五:根据开发方案或设计要求,运行研究区径流控制方案优化模型,获得到研究区径流控制方案的帕累托最优解集;
步骤六:针对研究区径流控制方案的帕累托最优解集,进一步分析措施类型、面积因素,确定所需的工程方案;
所述研究区未来城市雨洪模拟模型的所需参数还包括低影响开发措施的面积、地块不透水比例和低影响开发措施的径流长;由于每组不同的方案中,低影响开发措施的面积是不同的,因此在优化模型中,不仅需要输入面积组合,还需要更新地块的不透水比例和径流宽或长;
新的地块不透水比例:AIMPi=1-(AOPi+Ai)/ATOLi
式中AIMPi为更新后地块i的不透水比例,AOPi为地块i的原不透水比例,Ai为地块i的低影响开发措施的面积,ATOLi为地块i的总面积;
如果研究区未来城市雨洪模拟模型采用以径流宽计算径流长的方法,则有:
新地径流宽:Wnewi=Woldi×AnonLIDi/ATOLi
新地径流长:Lnewi=ATOLi/Wnewi
如果研究区未来城市雨洪模拟模型采用以径流长计算径流宽的方法,则有:
新地径流长:Lnewi=Loldi×ATOLi/AnonLIDi
新地径流宽:Wnewi=ATOLi/Lnewi
式中Wnewi为地块i的新径流宽,Woldi为地块i的原径流宽,AnonLIDi为地块i无低影响开发措施的面积,Lnewi为地块i的新径流长,Loldi为地块i的原径流长。
2.根据权利要求1所述的一种地表径流控制利用方案的多目标优化方法,其特征在于,步骤一所述研究区现状城市雨洪模拟模型的建立包括如下步骤:
SA1:进行研究区域相关资料收集工作,包括收集与分析地形、土地利用情况、排水分区、地下管网、地表水系、下垫面情况;
SA2:根据资料分析结果;
SA3:利用SWMM模型初步建立研究区现状城市雨洪模拟模型;
SA4:开展灵敏度分析工作,分析对模型结果影响的参数;
SA5:将实测降水、流量、水位、水质数据输入模型并计算模拟结果,将结果与相应时段的实际观测数据相对比;
SA6:通过比较模拟结果与观测数据,初步率定模型参数;
SA7:将另一组实测降水、流量、水位、水质数据输入模型并计算模拟结果;
SA8:将结果与相应时段的实际观测数据相对比;
SA9:通过比较模拟结果与观测数据;
SA10:获得研究区现状城市雨洪模拟模型参数。
3.根据权利要求1所述的一种地表径流控制利用方案的多目标优化方法,其特征在于,步骤二所述研究区未来城市雨洪模拟模型可以根据研究区的地形、土地利用情况、排水分区、地下管网、地表水系和下垫面情况,并按相关规范做出参数调整、按照未来建设规划或方案,对研究区的地块或排水分区进行详细地划分、及各地块的土地利用情况、实际开发要求,选择适宜的低影响开发方案。
4.根据权利要求1所述的一种地表径流控制利用方案的多目标优化方法,其特征在于,步骤三所述径流控制目标包括水量、水质与费用三个方面;
水量径流系数控制目标可表示为:
式中OBJ1为水量径流系数控制目标,Ri为第i个地块开发前的径流系数或者指定的径流系数,ri为第i个地块开发后的径流系数,n为地块总数;
水质径流系数控制目标可表示为:
式中OBJ2为水质径流系数控制目标,Ci为第i个地块开发前某个水质指标的场次降雨污染平均浓度或者指定的场次降雨污染平均浓度,ci为第i个地块开发后相应水质指标的场次降雨污染平均浓度,水质控制目标可根据具体需要的指标个数增加控制目标的方程个数;
费用控制目标可表示为:
式中OBJ3为费用控制目标,xij为第i个地块第j种低影响开发措施的综合单价,Aij为第i个地块第j种低影响开发措施的建设面积,m为低影响开发措施的数量;
以上式中的ri、ci和Aij均大于等于0,ri小于等于1,对于第i个地块,地块中的所有低影响开发措施的建设面积之和应小于等于该地块的总面积或小于等于该地块开发利用方案中给定的可用于低影响开发措施的面积MaxAi,即
5.根据权利要求1所述的一种地表径流控制利用方案的多目标优化方法,其特征在于,步骤四所述研究区径流控制方案优化模型,采用非支配排序遗传算法寻找满足径流控制目标的低影响开发建设面积组合,利用研究区未来城市雨洪模拟模型评价不同建设方案的效果,两者之间可利用Python语言,建立数据传输模块,以将两者耦合在一起。
6.根据权利要求1所述的一种地表径流控制利用方案的多目标优化方法,其特征在于,步骤五所述研究区径流控制方案的帕累托最优解集的获得,包括如下步骤:
SB1:给定低影响开发建设面积组合初值,并将初值输入研究区未来城市雨洪模拟模型;
SB2:评价研究区未来城市雨洪模拟模型的计算结果与径流控制目标的差距;
SB3:根据评价结果,非支配排序遗传算法将生成新的面积组合,再次交由研究区未来城市雨洪模拟模型进行计算;
SB4:重复以上步骤直到非支配排序遗传算法达到终止标准,即得到研究区径流控制方案的帕累托最优解集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110673267.7A CN113553693B (zh) | 2021-06-17 | 2021-06-17 | 一种地表径流控制利用方案的多目标优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110673267.7A CN113553693B (zh) | 2021-06-17 | 2021-06-17 | 一种地表径流控制利用方案的多目标优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113553693A CN113553693A (zh) | 2021-10-26 |
CN113553693B true CN113553693B (zh) | 2023-07-21 |
Family
ID=78130660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110673267.7A Active CN113553693B (zh) | 2021-06-17 | 2021-06-17 | 一种地表径流控制利用方案的多目标优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553693B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115374638B (zh) * | 2022-08-24 | 2023-05-30 | 中国水利水电科学研究院 | 一种基于径流模拟的城市不透水面空间管控方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019153101A (ja) * | 2018-03-05 | 2019-09-12 | 三菱電機株式会社 | シミュレーション装置およびそのシミュレーション装置を用いた雨水監視システム |
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 |
CN111737853A (zh) * | 2020-05-21 | 2020-10-02 | 广东工业大学 | 一种基于swmm模型的低影响开发多目标区间优化配置方法 |
CN112926216A (zh) * | 2021-03-17 | 2021-06-08 | 郑州大学 | 结合全生命周期成本和水文效应的海绵城市建设评价方法 |
-
2021
- 2021-06-17 CN CN202110673267.7A patent/CN113553693B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019153101A (ja) * | 2018-03-05 | 2019-09-12 | 三菱電機株式会社 | シミュレーション装置およびそのシミュレーション装置を用いた雨水監視システム |
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 |
CN111737853A (zh) * | 2020-05-21 | 2020-10-02 | 广东工业大学 | 一种基于swmm模型的低影响开发多目标区间优化配置方法 |
CN112926216A (zh) * | 2021-03-17 | 2021-06-08 | 郑州大学 | 结合全生命周期成本和水文效应的海绵城市建设评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113553693A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492259B (zh) | 一种城市水文模拟系统 | |
CN111784052B (zh) | 一种城市面源污染入河负荷量预测方法 | |
Ahmad et al. | Estimation of a unique pair of Nash model parameters: an optimization approach | |
CN104915575B (zh) | 一种基于层次物元可拓法的海绵城区生态指数的评价方法 | |
CN113762618B (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
CN113553693B (zh) | 一种地表径流控制利用方案的多目标优化方法 | |
CN113763204A (zh) | 多目标优化下平原区河网调水工程提升水环境效果评估方法 | |
CN114418446A (zh) | 水资源短缺的定量评估方法 | |
CN110378620B (zh) | 一种低影响开发设计及评估方法及系统 | |
CN110543660B (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
CN110580377A (zh) | 一种基于响应曲面法的植草沟设计参数优化方法 | |
Zhang et al. | Restoration of urban water environment landscape system and SWMM technology integration in water-scarce cities | |
CN115809562A (zh) | 一种确定小流域引水沟渠规模方案的方法 | |
CN113887053A (zh) | 一种面向管网水流计算的市政排水资料质量评估方法及系统 | |
CN115907061A (zh) | 一种基于改进单位线的水文预报方法 | |
CN112784409A (zh) | 基于lid措施的面源污染控制模拟方法 | |
Bilin et al. | Resilient Urban Design of Central and Eastern Pazhou Based on “Strategy-Feedback” Mechanism | |
Hanif et al. | Direct runoff hydrograph model’s collation for a Pakistan’s region | |
Gérard et al. | Prediction of sediment build-up from analysis of physical network data | |
Dadrasajirlou et al. | Estimation of urban flood volume using Low-Impact Development methods and machine learning approach. | |
Kachholz | Model-based generation of high-resolution flood flow characteristics for small ungauged streams in the northeast German lowlands: an automated approach based on available geodata | |
Jafari | Modeling of flood and retention in the Sogn allotment garden | |
CN115293574A (zh) | 一种基于低影响开发的城市雨洪管理方案的综合评价方法 | |
YAO et al. | Analysis on spatial distribution of annual water budget and daily runoff along river network in a basin |
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 |