CN116956783B - 一种雨水管渠汇流时间计算模型的构建方法及系统 - Google Patents
一种雨水管渠汇流时间计算模型的构建方法及系统 Download PDFInfo
- Publication number
- CN116956783B CN116956783B CN202311219207.3A CN202311219207A CN116956783B CN 116956783 B CN116956783 B CN 116956783B CN 202311219207 A CN202311219207 A CN 202311219207A CN 116956783 B CN116956783 B CN 116956783B
- Authority
- CN
- China
- Prior art keywords
- pipe
- model
- rainwater
- calculation
- canal
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 128
- 238000010276 construction Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000013461 design Methods 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000003708 ampul Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本申请提供了一种构建雨水管渠汇流时间计算模型的方法及系统,该方法包括确定多个影响因子,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度;按照五个影响因子取值不变、第六个影响因子取值变化的组合形式,构建得到多组样本数据;按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间;按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型;将多组样本数据代入计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建。
Description
技术领域
本申请涉及城市规划技术领域,具体而言,涉及一种雨水管渠汇流时间计算模型的构建方法及系统。
背景技术
为了提前应对洪涝灾害,目前主要依据排水防涝工程,依据雨洪在管渠的汇流时间确定终端径流流量,从而确定工程设计规模。其中,雨洪在管渠内汇流时间的常用计算方法,通常是基于水力学计算公式对雨水管渠逐段计算,这种方法存在计算量大的问题,而且不能直接计算任意节点的雨水管渠汇流时间。因此,有必要在现有研究的基础上,开展雨洪在管渠汇流时间的概化计算,以提高城市排水防涝规划设计的科学性。
发明内容
本申请的目的在基于提供一种雨水管渠汇流时间计算模型的构建方法及系统,可以提高城市排水防涝规划设计的科学性。
本申请还提供了一种雨水管渠汇流时间计算模型的构建方法,包括以下步骤:
S1、确定多个影响因子,所述多个影响因子至少包括管渠总长L、管渠粗糙系数k n 、管渠平均坡度I、管渠设计重现期均值系数k p 、管渠汇流面积密度M F 和区域平均人口密度M P ;
S2、按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据;
S3、按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间W;
S4、按照各影响因子之间的关联性,结合多个预设的未知参数,建立多元雨水管渠汇流时间计算模型;
S5、将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建。
第二方面,本申请还提供了一种雨水管渠汇流时间计算模型的构建系统,所述系统包括影响因子确定模块、样本构成模块、样本处理模块以及模型构建模块,其中:
所述影响因子确定模块,用于确定多个影响因子,所述多个影响因子至少包括管渠总长L、管渠粗糙系数k n 、管渠平均坡度I、管渠设计重现期均值系数k p 、管渠汇流面积密度M F 和区域平均人口密度M P ;
所述样本构成模块,用于按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据;
所述样本处理模块,用于按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间;
所述模型构建模块,用于按照各影响因子之间的关联性,结合多个预设的未知参数,建立多元雨水管渠汇流时间计算模型;
所述模型构建模块,还用于将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建。
第三方面,本申请还提供了一种可读存储介质,所述可读存储介质中包括雨水管渠汇流时间计算模型的构建方法程序,所述雨水管渠汇流时间计算模型的构建方法程序被处理器执行时,实现如上述任一项所述的一种雨水管渠汇流时间计算模型的构建方法的步骤。
第四方面,本申请还提供了一种雨水管渠汇流时间计算模型的构建设备,其特征在于:包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现所述的雨水管渠汇流时间计算模型的构建方法的步骤。
由上可知,本申请提供的一种雨水管渠汇流时间计算模型的构建方法、系统、可读存储介质及设备,一方面创建了雨水管渠汇流时间全因子计算模型,即六元雨水管渠汇流时间计算模型,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度等多个影响因子,提高了模型模拟计算精度。与二元雨水管渠汇流时间计算模型对比,平均相对绝对值误差从22.8%降至1.551%,效果显著;另一方面,本身构建的计算模型为多元函数模型,器参数复杂,常用最小二乘法等回归分析法无法适用于求解多参数,而本申请则创新提出了一种最小误差迭代逼近法,能实现模型多参数求解。同时在参数求解过程中采用分部模型法求解初级参数,能加快其他参数的求解。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请的技术方案,下面将对本申请中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例的雨水管渠汇流时间计算模型的构建方法的流程图;
图2为本申请一实施例的样本分组示意图;
图3为本申请一实施例的雨水管渠汇流时间计算模型的构建系统的结构示意图。
具体实施方式
下面将结合本申请中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种雨水管渠汇流时间计算模型的构建方法的流程图。该方法包括以下步骤:
步骤S1,确定多个影响因子,所述多个影响因子包括管渠总长L、管渠粗糙系数k n 、管渠平均坡度I、管渠设计重现期均值系数k p 、管渠汇流面积密度M F 和区域平均人口密度M P 。
具体的,影响雨水管渠汇流时间涉及的6个影响因子,分别为作为正相关因子的管渠总长L、以及管渠粗糙系数k n ,作为负相关因子的管渠平均坡度I、管渠设计重现期均值系数k p 、管渠汇流面积密度M F 和区域平均人口密度M P 。
步骤S2,按照五个非独立的影响因子取值不变、第六个独立影响因子取值变化的组合形式,构建得到多组样本数据。
具体的,当前实施例中,设计管渠设计重现期(年)分为2、3、5、10这4个级别,设计区域平均人口密度M P (人/hm2)分为150、200、250、300、350、400、450、500这8个级别,设计管渠平均坡度I分为0.0006、0.0008、0.001、0.0012、0.0014、0.0016、0.0018、0.002、0.0025、0.003这10个级别,设计管渠总长L(m)分为1000、1500、2000、3000、4000、5000、6000、7000m这8个级别,设计管渠汇流面积密度M F (km2/m)分为0.06、0.12、0.18、0.24、0.30这5个级别。
基于上述内容,需要说明的是,在已知管渠设计重现期分为2、3、5、10这4个级别时,基于如下表1通过查表,可进一步确定管渠设计重现期均值系数k p :
表1 管渠设计重现期均值系数k p 查表表格
基于上述内容,需要进一步说明的是,根据本申请所适用的管渠场景(包括纯暗管、明渠、或安管和明渠组合),依据规范中管渠加权粗糙系数n的取值,选定相应的计算公式(公式可参考后续实施例),计算得到管渠粗糙系数k n ,由此即可完成管渠粗糙系数k n 的级别设计。
基于上述实施例,在完成各影响因子的级别设计之后,按照5因子保持不变、1因子变化的组合设计条件,累计预形成161组样本数据。示例性的,请参考图2,在研究人口密度变量管涵模拟系统时,本申请将管渠加权粗糙系数固定为0.013、管渠设计重现期固定为3、管渠汇流面积密度固定为0.18、管渠平均坡度固定为0.0009、管渠汇流面积密度固定为270,使得以上5个因子保持不变,另外,再将区域人口密度按照150、200、250、300、350、400、450、500进行变化,此时针对人口密度变量管涵模拟系统的研究,即可构建形成8组样本数据。
步骤S3,按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间W。
具体的,当前实施例中将利用《室外排水设计标准》中汇流时间的计算方法,计算出水力学管渠雨水汇流时间W,这一部分属于现有技术,当前不作详细说明。
步骤S4,按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型。
具体的,模型构建形式可参考后续实施例,当前不作详细说明。
步骤S5,将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建。
具体的,最小误差迭代逼近的过程中,会基于模型计算值与同设计条件下的样本数据(即基于《室外排水设计标准》这一传统方法计算得到的值)进行误差精度的计算。当前实施例中,具体是采用平均绝对值相对误差率来表示误差精度。具体的,在确定相应迭代过程中所求的平均绝对值相对误差率达到最小时,当前会输出计算得到各未知参数的取值,基于该项取值完成模型的构建。
由上可知,本申请公开的一种雨水管渠汇流时间计算模型的构建方法,一方面创建了雨水管渠汇流时间全因子计算模型,即六元雨水管渠汇流时间计算模型,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度等多个影响因子,提高了模型模拟计算精度。与二元雨水管渠汇流时间计算模型对比,平均相对绝对值误差从22.8%降至1.551%,效果显著;另一方面,本身构建的计算模型为六元函数模型,器参数复杂,常用最小二乘法等回归分析法无法适用于求解多参数,而本申请则创新提出了一种最小误差迭代逼近法,能实现模型多参数求解。同时在参数求解过程中采用分部模型法求解初级参数,能加快其他参数的求解。
在其中一个实施例中,步骤S2中,所述基于以往经验,按照五个非独立影响因子取值不变、第六个独立影响因子取值变化的组合形式,构建得到多组样本数据,包括:
步骤S21,根据预设划分表确定各所述影响因子涵盖的分级级别。
具体的,所述预设划分表中,各所述影响因子涵盖的分级级别均在预设的区间范围内。后续,可通过随机选取的方式、或固定选取的方式从所述区间范围内进行分级级别取值的选取。
步骤S22,分别对每个影响因子实行独立影响因子的分组,其中,作为独立影响因子的因子变量其取值按照对应的分级级别进行变化,其余五个影响因子的取值按照对应给定的分级级别保持不变,以此构建得到多组样本数据。
具体的,由于分级级别、以及样本数据的构建,在前面已经说明了,当前不作赘述。
在其中一个实施例中,步骤S4中,所述按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型,包括:
步骤S41,以三参数幂函数为基础,按照各影响因子之间的关联性,基于下述公式,建立六元雨水管渠汇流时间计算模型:
;
上式中,表示待计算取值、且对应管渠汇流时间的第一计算参数;当管渠为纯暗管时,k n =1.0;当管渠为纯明渠时,/>;当管渠为暗管与明渠组合时,/>;/>为待计算取值、且对应管渠粗糙调整系数的第二计算参数;n为预设的管渠加权粗糙系数;t 2为模型计算值。
具体的,当前以三参数幂函数为基础,按因子影响的关联性建立多元函数模型。需要说明的是,该模型为复合函数模型,其中,管渠总长L、管渠汇流面积密度M F 、区域平均人口密度M P 、管渠平均坡度I这四个因子在一级函数模型中表达。管渠设计重现期均值系数k p 和管渠粗糙系数k n 两个因子在二级函数模型中表达,以调整系数形式显示。
在其中一个实施例中,步骤S5中,所述将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建,包括:
步骤S51,采用分部模型法,确定第一计算参数{C 2,C 4,C 6,C 8}的第一初始取值。
具体的,当分别对管渠总长L、管渠汇流面积密度M F 、区域平均人口密度M P 、管渠平均坡度I这四个因子采用最小误差精度的一元函数模型检测时,由于其指数参数{C 2,C 4,C 6,C 8},基本不受其他因子数据变化影响,故这四个因子的一元函数模型的指数参数可作为多元函数模型对应因子指数参数的初始值。
步骤S52,采用分部模型法,确定第二计算参数{B 2,B 3,B 5}的第二初始取值。
具体的,参考前述的k n 的计算公式,当前将以管渠加权粗糙系数n和管渠总长L这两个因子建立管渠粗糙系数k n 的二元函数模型,并求解误差最小的模型各参数,该参数作为二元函数模型参数的初始值。
步骤S53,将所得的各项初始取值作为迭代起始条件,将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,以最小误差迭代逼近的方式,经多次迭代后,计算得到各计算参数的最终取值,完成模型构建。
在其中一个实施例中,步骤S51中,所述采用分部模型法,确定第一计算参数{C 2,C 4,C 6,C 8}的第一初始取值,包括:
步骤S511,针对第一计算参数{C 2,C 4,C 6,C 8},构建相应的一元函数计算模型,其中,Y表示管渠雨水汇流时间,/>、/>均表示预设的未知参数,/>{L,M F ,M P ,I}表示与所述第一计算参数相对应的影响因子。
步骤S512,代入相应影响因子的样本数据集至所述一元函数计算模型Y中,初始计算时,对于参数、/>、/>在预设范围内给定任意取值,计算代入的每个样本数据分别对应的第一模型计算值Y。
步骤S513,针对所得的各项第一模型计算值Y,分别将其与对应的样本计算值W进行相对误差率的计算。
步骤S514,基于所得的各项相对误差率,进行最小误差的计算,并在确定/>大于预设阀值时,重新进行参数/>、/>、/>的赋值,进入下一次迭代计算。
步骤S515,在确定相应迭代进程中所求得的小于或等于预设阀值时,将参数/>的当前赋值作为第一初始取值。
在其中一个实施例中,步骤S52中,所述采用分部模型法,确定第二计算参数{B 2,B 3,B 5}的第二初始取值,包括:
步骤S521,针对第二计算参数{B 2,B 3,B 5},构建相应的二元函数计算模型,其中,/>表示管渠雨水汇流时间,/>均表示预设的未知参数,/>表示管渠加权粗糙系数n,/>表示管渠总长L;/>,}。
步骤S522,代入所述管渠总长L的样本数据集至所述二元函数计算模型中,初始计算时,对于参数/>、/>、/>、/>在预设范围内给定任意取值,计算代入的每个样本数据分别对应的第二模型计算值Z。
步骤S523,基于所述第二模型计算值Z进行最小误差迭代计算,并在达到迭代结束条件时,将参数的当前赋值作为第二初始取值。
请参考图3,本申请公开的一种雨水管渠汇流时间计算模型的构建系统,该系统包括影响因子确定模块、样本构成模块、样本处理模块以及模型构建模块,其中:
所述影响因子确定模块,用于确定多个影响因子,所述多个影响因子至少包括管渠总长L、管渠粗糙系数k n 、管渠平均坡度I、管渠设计重现期均值系数k p 、管渠汇流面积密度M F 和区域平均人口密度M P 。
所述样本构成模块,用于按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据。
所述样本处理模块,用于按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间。
所述模型构建模块,用于按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型。
所述模型构建模块,还用于将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建。
在其中一个实施例中,该系统中的各模块还用于执行上述实施例的任一可选的实现方式中的方法。
由上可知,本申请公开的一种雨水管渠汇流时间计算模型的构建系统,一方面创建了雨水管渠汇流时间全因子计算模型,即六元雨水管渠汇流时间计算模型,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度等多个影响因子,提高了模型模拟计算精度。与二元雨水管渠汇流时间计算模型对比,平均相对绝对值误差从22.8%降至1.551%,效果显著;另一方面,本身构建的计算模型为六元函数模型,器参数复杂,常用最小二乘法等回归分析法无法适用于求解多参数,而本申请则创新提出了一种最小误差迭代逼近法,能实现模型多参数求解。同时在参数求解过程中采用分部模型法求解初级参数,能加快其他参数的求解。
本申请提供一种可读存储介质,所述计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable ReadOnly Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
上述可读存储介质,一方面创建了雨水管渠汇流时间全因子计算模型,即六元雨水管渠汇流时间计算模型,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度等多个影响因子,提高了模型模拟计算精度。与二元雨水管渠汇流时间计算模型对比,平均相对绝对值误差从22.8%降至1.551%,效果显著;另一方面,本身构建的计算模型为六元函数模型,器参数复杂,常用最小二乘法等回归分析法无法适用于求解多参数,而本申请则创新提出了一种最小误差迭代逼近法,能实现模型多参数求解。同时在参数求解过程中采用分部模型法求解初级参数,能加快其他参数的求解。
本申请提供一种雨水管渠汇流时间计算模型的构建设备,其特征在于:包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现所述的雨水管渠汇流时间计算模型的构建方法的步骤。
上述雨水管渠汇流时间计算模型的构建设备,一方面创建了雨水管渠汇流时间全因子计算模型,即六元雨水管渠汇流时间计算模型,包括管渠总长、管渠粗糙系数、管渠平均坡度、管渠设计重现期均值系数、管渠汇流面积密度和区域平均人口密度等多个影响因子,提高了模型模拟计算精度。与二元雨水管渠汇流时间计算模型对比,平均相对绝对值误差从22.8%降至1.551%,效果显著;另一方面,本身构建的计算模型为六元函数模型,器参数复杂,常用最小二乘法等回归分析法无法适用于求解多参数,而本申请则创新提出了一种最小误差迭代逼近法,能实现模型多参数求解。同时在参数求解过程中采用分部模型法求解初级参数,能加快其他参数的求解。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种雨水管渠汇流时间计算模型的构建方法,其特征在于,包括以下步骤:
S1、确定多个影响因子,所述多个影响因子至少包括管渠总长L、管渠粗糙系数kn、管渠平均坡度I、管渠设计重现期均值系数kp、管渠汇流面积密度MF和区域平均人口密度MP;
S2、按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据;
S3、按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间W;
S4、按照各影响因子之间的关联性,结合多个预设的未知参数,建立多元雨水管渠汇流时间计算模型;
S5、将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建;
步骤S2中,按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据,包括:
S21、根据预设划分表确定各所述影响因子涵盖的分级级别;
S22、分别对每个影响因子实行独立影响因子的分组,其中,作为独立影响因子的因子变量其取值按照对应的分级级别进行变化,其余五个影响因子的取值按照对应给定的分级级别保持不变,以此构建得到多组样本数据;
步骤S4中,所述按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型,包括:
S41、以三参数幂函数为基础,按照各影响因子之间的关联性,基于下述公式,建立多元雨水管渠汇流时间计算模型:
上式中,C1、C2…C9表示待计算取值、且对应管渠汇流时间的第一计算参数;当管渠为纯暗管时,kn=1.0;当管渠为纯明渠时,当管渠为暗管与明渠组合时,/>B1、B2…B6为待计算取值、且对应管渠粗糙调整系数的第二计算参数;n为预设的管渠加权粗糙系数;t2为模型计算值。
2.根据权利要求1所述的方法,其特征在于,步骤S5中,所述将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建,包括:
S51、采用分部模型法,确定第一计算参数∈1∈{{C2,C4,C6,C8}的第一初始取值;
S52、采用分部模型法,确定第二计算参数∈2∈{B2,B3,B5}的第二初始取值;
S53、将所得的各项初始取值作为迭代起始条件,将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,以最小误差迭代逼近的方式,经多次迭代后,计算得到各计算参数的最终取值,完成模型构建。
3.根据权利要求2所述的方法,其特征在于,步骤S51中,所述采用分部模型法,确定第一计算参数∈1∈{C2,C4,C6,C8}的第一初始取值,包括:
S511、针对第一计算参数∈1∈{C2,C4,C6,C8},构建相应的一元函数计算模型其中,Y表示管渠雨水汇流时间,a、β均表示预设的未知参数,x∈{L,MF,MP,I}表示与所述第一计算参数相对应的影响因子;
S512、代入相应影响因子的样本数据集至所述一元函数计算模型Y中,初始计算时,对于参数∈1、a、β在预设范围内给定任意取值,计算代入的每个样本数据分别对应的第一模型计算值Y;
S513、针对所得的各项第一模型计算值Y,分别将其与对应的样本计算值W进行相对误差率的计算;
S514、基于所得的各项相对误差率,进行最小误差的计算,并在确定/>大于预设阈值时,重新进行参数∈1、a、β的赋值,进入下一次迭代计算;
S515、在确定相应迭代进程中所求得的小于或等于预设阈值时,将参数∈的当前赋值作为第一初始取值。
4.根据权利要求2所述的方法,其特征在于,步骤S52中,所述采用分部模型法,确定第二计算参数∈2∈{{B2,B3,B5}的第二初始取值,包括:
S521、针对第二计算参数∈2∈{B2,B3,B5},构建相应的二元函数计算模型其中,Z表示管渠雨水汇流时间,a1、a2、β2均表示预设的未知参数,x1表示管渠加权粗糙系数n,x2表示管渠总长L;α1∈{B2,B3},α2∈{B5};
S522、代入所述管渠总长L的样本数据集至所述二元函数计算模型Z中,初始计算时,对于参数∈2、a1、a2、β2在预设范围内给定任意取值,计算代入的每个样本数据分别对应的第二模型计算值Z;
S523、基于所述第二模型计算值Z进行最小误差迭代计算,并在达到迭代结束条件时,将参数∈2的当前赋值作为第二初始取值。
5.一种雨水管渠汇流时间计算模型的构建系统,其特征在于,所述系统包括影响因子确定模块、样本构成模块、样本处理模块以及模型构建模块,其中:
所述影响因子确定模块,用于确定多个影响因子,所述多个影响因子至少包括管渠总长L、管渠粗糙系数kn、管渠平均坡度I、管渠设计重现期均值系数kp、管渠汇流面积密度MF和区域平均人口密度MP;
所述样本构成模块,用于按照非独立影响因子取值不变、独立影响因子取值变化的组合形式,构建得到多组样本数据;
所述样本处理模块,用于按雨水管渠水力计算法,计算得到每组样本数据分别对应的水力学管渠雨水汇流时间;
所述模型构建模块,用于按照各影响因子之间的关联性,结合多个预设的未知参数,建立多元雨水管渠汇流时间计算模型;
所述模型构建模块,还用于将所述多组样本数据代入所述计算模型中,并结合对应的水力学管渠雨水汇流时间,采用分部模型法,以最小误差迭代逼近的方式,经多次迭代后,计算得到各未知参数的取值,完成模型构建;
所述模型构建模块按照各影响因子之间的关联性,结合多个预设的未知参数,建立六元雨水管渠汇流时间计算模型的具体实现为:
以三参数幂函数为基础,按照各影响因子之间的关联性,基于下述公式,建立多元雨水管渠汇流时间计算模型:
上式中,C1、C2…C9表示待计算取值、且对应管渠汇流时间的第一计算参数;当管渠为纯暗管时,kn=1.0;当管渠为纯明渠时,当管渠为暗管与明渠组合时,/>B1、B2…B6为待计算取值、且对应管渠粗糙调整系数的第二计算参数;n为预设的管渠加权粗糙系数;t2为模型计算值。
6.一种可读存储介质,其特征在于,所述可读存储介质中包括雨水管渠汇流时间计算模型的构建方法程序,所述雨水管渠汇流时间计算模型的构建方法程序被处理器执行时,实现如权利要求1至4中任一项所述的雨水管渠汇流时间计算模型的构建方法的步骤。
7.一种雨水管渠汇流时间计算模型的构建设备,其特征在于:包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1至4任一项所述的雨水管渠汇流时间计算模型的构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219207.3A CN116956783B (zh) | 2023-09-21 | 2023-09-21 | 一种雨水管渠汇流时间计算模型的构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219207.3A CN116956783B (zh) | 2023-09-21 | 2023-09-21 | 一种雨水管渠汇流时间计算模型的构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116956783A CN116956783A (zh) | 2023-10-27 |
CN116956783B true CN116956783B (zh) | 2023-12-08 |
Family
ID=88453312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219207.3A Active CN116956783B (zh) | 2023-09-21 | 2023-09-21 | 一种雨水管渠汇流时间计算模型的构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116956783B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004019384A (ja) * | 2002-06-20 | 2004-01-22 | Fuji Electric Holdings Co Ltd | 雨水流出係数予測方法、雨水流入量予測方法、雨水流出係数予測プログラムおよび雨水流入量予測プログラム |
WO2020224112A1 (zh) * | 2019-05-07 | 2020-11-12 | 深圳大学 | 一种基于训练级数模型的时间序列预测方法 |
CN112101693A (zh) * | 2020-05-12 | 2020-12-18 | 天津市市政工程设计研究院 | 基于正交分析的现状城区河道水质达标分析方法 |
EP3839870A1 (en) * | 2019-12-20 | 2021-06-23 | Universidade de Trás-os-Montes e Alto Douro | Methodology to determine locations of systems for rainwater harvesting in hydrographic basins |
CN113806901A (zh) * | 2021-09-27 | 2021-12-17 | 福州城建设计硏究院有限公司 | 一种优化基于雨水管理模型设计的雨水管渠系统的方法和存储设备 |
CN114386337A (zh) * | 2021-12-06 | 2022-04-22 | 北京无线电计量测试研究所 | 一种区域汇流和排水模拟方法和装置 |
CN114462335A (zh) * | 2022-02-25 | 2022-05-10 | 澜途集思生态科技集团有限公司 | 一种面向海绵城市的流体动力学系统与方法 |
CN115758712A (zh) * | 2022-11-11 | 2023-03-07 | 长江勘测规划设计研究有限责任公司 | 城市雨洪全过程分布式水文水动力学耦合模型构建方法 |
CN116050289A (zh) * | 2022-12-12 | 2023-05-02 | 宁波大学 | 一种计算城市排水竖井射流冲击力的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186602A (zh) * | 2022-06-20 | 2022-10-14 | 郑州大学 | 一种城市地下排水管网养护智能决策方法及系统 |
-
2023
- 2023-09-21 CN CN202311219207.3A patent/CN116956783B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004019384A (ja) * | 2002-06-20 | 2004-01-22 | Fuji Electric Holdings Co Ltd | 雨水流出係数予測方法、雨水流入量予測方法、雨水流出係数予測プログラムおよび雨水流入量予測プログラム |
WO2020224112A1 (zh) * | 2019-05-07 | 2020-11-12 | 深圳大学 | 一种基于训练级数模型的时间序列预测方法 |
EP3839870A1 (en) * | 2019-12-20 | 2021-06-23 | Universidade de Trás-os-Montes e Alto Douro | Methodology to determine locations of systems for rainwater harvesting in hydrographic basins |
CN112101693A (zh) * | 2020-05-12 | 2020-12-18 | 天津市市政工程设计研究院 | 基于正交分析的现状城区河道水质达标分析方法 |
CN113806901A (zh) * | 2021-09-27 | 2021-12-17 | 福州城建设计硏究院有限公司 | 一种优化基于雨水管理模型设计的雨水管渠系统的方法和存储设备 |
CN114386337A (zh) * | 2021-12-06 | 2022-04-22 | 北京无线电计量测试研究所 | 一种区域汇流和排水模拟方法和装置 |
CN114462335A (zh) * | 2022-02-25 | 2022-05-10 | 澜途集思生态科技集团有限公司 | 一种面向海绵城市的流体动力学系统与方法 |
CN115758712A (zh) * | 2022-11-11 | 2023-03-07 | 长江勘测规划设计研究有限责任公司 | 城市雨洪全过程分布式水文水动力学耦合模型构建方法 |
CN116050289A (zh) * | 2022-12-12 | 2023-05-02 | 宁波大学 | 一种计算城市排水竖井射流冲击力的方法 |
Non-Patent Citations (2)
Title |
---|
基于SWMM模型的截流倍数环境效应分析;林雪君等;《中国给水排水》;正文第111-115页 * |
山丘区城市排涝泵站雨水流量计算探讨;滕少华等;《水利规划与设计》;正文第33-36页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116956783A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mombeni et al. | Estimation of water demand in Iran based on SARIMA models | |
CN107563554B (zh) | 一种统计降尺度模型预报因子的筛选方法 | |
CN111080483B (zh) | 基于图划分的供水管网dma自动分区方法 | |
Xiong et al. | Impacts of climate change on urban extreme rainfall and drainage infrastructure performance: a case study in Wuhan City, China | |
Mandal et al. | Quantification of uncertainty in the assessment of future streamflow under changing climate conditions | |
CN112084608B (zh) | 一种采用参数不确定性分析模型识别风险管道和节点的方法 | |
CN114741987B (zh) | 考虑洪水预报模型绝对误差拟合残差分布的洪水概率预报模型 | |
CN111898831A (zh) | 一种实时洪水概率预报实用化方法 | |
CN106446547B (zh) | 一种基于广义第二类贝塔分布的洪水频率分析方法 | |
Thakali et al. | Flood risk assessment using the updated FEMA floodplain standard in the Ellicott City, Maryland, United States | |
Yan et al. | On the applicability of the expected waiting time method in nonstationary flood design | |
Verma et al. | Improved runoff curve numbers for a large number of watersheds of the USA | |
CN116956783B (zh) | 一种雨水管渠汇流时间计算模型的构建方法及系统 | |
CN111815043B (zh) | 一种基于暴雨特征的洪水流量预测方法及系统 | |
CN112116200A (zh) | 基于动态比例代换和层次贝叶斯的缺灾情资料城市洪灾损失函数的构建方法 | |
CN114707753B (zh) | 区域化lstm洪水预报方法 | |
Mutani et al. | Statistical GIS-based analysis of energy consumption for residential buildings in Turin (IT) | |
Goharian et al. | Uncertainty propagation of hydrologic modeling in water supply system performance: Application of Markov chain Monte Carlo method | |
CN106529157A (zh) | 一种基于Halphen B分布的洪水频率分析方法和系统 | |
Bacalhau et al. | Water supply reservoir operation in relation to climate variability: Pirapama river basin (Pernambuco-Brazil) | |
CN113159224A (zh) | 一种径流预报模型构建方法、装置、电子设备和介质 | |
Yazdi | Optimization of hydrometric monitoring network in urban drainage systems using information theory | |
Cui et al. | Quantify and reduce flood forecast uncertainty by the CHUP-BMA method | |
Yazdi et al. | An optimization model for floodplain systems considering inflow uncertainties | |
Cao et al. | KDE-Based Rainfall Event Separation and Characterization. Water 2023, 15, 580 |
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 |