基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法

技术领域

本发明涉及入渗出渗评估技术领域，特别涉及一种基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法及装置。

背景技术

定量识别排水系统与环境之间的相互作用是保证排水系统高效运行的基础，其中，外来水进入管网和管网中雨污水渗出问题尤为重要。目前针对该问题的解决方案大多针对小范围的特定区域，相关成果的移植性和适用性较差。因此，有必要为排水系统构建入渗出渗机理化模型，获得普适性较好的研究方法及成果。如何识别与表征排水系统入流入渗和出渗的主要过程，构建具有一定普适性的排水系统入渗出渗机理模型，从而定量解析排水系统入渗出渗过程的动态特征，全面考察排水系统与外来水交互过程及其对排水系统的影响，成为排水系统入渗出渗评估领域亟待解决的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法，该方法以控制方程的形式表征了排水系统入渗出渗主要过程，构建了基于PySWMM的排水系统入渗出渗机理模型，能够实现排水系统入渗出渗过程的动态模拟，定量解析排水系统入渗出渗过程的时空变化特征。

本发明的另一个目的在于提出一种基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置。

为达到上述目的，本发明一方面实施例提出了一种基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法，包括：构建区域地下水－河水－排水系统关键节点水量、液位监测体系；识别区域排水系统存在的入渗出渗主要过程，构建所述主要过程的控制方程；构建基于EPA-SWMM的区域排水系统机理模型，以PySWMM为接口，耦合所述控制方程及所述排水系统机理模型，构建排水系统入渗出渗动力学模型；构建以全局灵敏度分析方法和组合最优化方法为基础的参数识别方法，以所述监测体系中的水量和液位数据为目标函数，使用所述参数识别方法得到本地化参数；将所述本地化参数输入所述排水系统入渗出渗动力学模型，分析排水系统中不同类型入流入渗和出渗量的时间和空间特征。

本发明实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法，通过系统性分析方法，识别与表征排水系统入渗出渗主要过程，以PySWMM为接口，耦合排水系统机理模型构建排水系统入渗出渗机理模型，实现了入渗出渗过程的动态模拟。全面考虑排水系统与外来水交互过程的影响，量化排水系统入渗出渗的空间分布和随时间的动态变化特征。

另外，根据本发明上述实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法还可以具有以下附加的技术特征：

根据本发明的一个实施例，所述区域地下水－河水－排水系统关键节点水量、液位监测体系包括：测定区域地下水水位、河水水位、降雨量和泵站等排水系统关键节点的水量和液位。

根据本发明的一个实施例，所述区域排水系统存在的入渗出渗主要过程包括识别区域存在的入流入渗与出渗过程和以控制方程的形式表征的过程。

根据本发明的一个实施例，所述参数识别方法，包括：以全局灵敏度分析方法识别所述排水系统入渗出渗动力学模型中的部分参数；根据所述区域地下水－河水－排水系统关键节点水量、液位监测体系中的监测数据构建训练验证集，使用组合最优化方法找到一组在训练集上的最佳参数，并对所述最佳参数在所述验证集上的模型效果进行评估。

为达到上述目的，本发明另一方面实施例提出了一种基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置，包括：第一构建模块，用于构建区域地下水－河水－排水系统关键节点水量、液位监测体系；第二构建模块，用于识别区域排水系统存在的入渗出渗主要过程，构建所述主要过程的控制方程；第三构建模块，用于构建基于EPA-SWMM的区域排水系统机理模型，以PySWMM为接口，耦合所述控制方程及所述排水系统机理模型，构建排水系统入渗出渗动力学模型；第四构建模块，用于构建以全局灵敏度分析方法和组合最优化方法为基础的参数识别方法，以所述监测体系中的水量和液位数据为目标函数，使用所述参数识别方法得到本地化参数；估算模块，用于将所述本地化参数输入所述排水系统入渗出渗动力学模型，分析排水系统中不同类型入流入渗和出渗量的时间和空间特征。

本发明实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置，通过系统性分析方法，识别与表征排水系统入渗出渗主要过程，以PySWMM为接口，耦合排水系统机理模型构建排水系统入渗出渗机理模型，实现了入渗出渗过程的动态模拟。全面考虑排水系统与外来水交互过程的影响，量化排水系统入渗出渗的空间分布和随时间的动态变化特征。

另外，根据本发明上述实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置还可以具有以下附加的技术特征：

根据本发明的一个实施例，所述区域地下水－河水－排水系统关键节点水量、液位监测体系包括：测定区域地下水水位、河水水位、降雨量和泵站等排水系统关键节点的水量和液位。

根据本发明的一个实施例，所述区域排水系统存在的入渗出渗主要过程包括识别区域存在的入流入渗与出渗过程和以控制方程的形式表征的过程。

根据本发明的一个实施例，所述第四构建模块，进一步用于，以全局灵敏度分析方法识别所述排水系统入渗出渗动力学模型中的部分参数；根据所述区域地下水－河水－排水系统关键节点水量、液位监测体系中的监测数据构建训练验证集，使用组合最优化方法找到一组在训练集上的最佳参数，并对所述最佳参数在所述验证集上的模型效果进行评估。

本发明附加的方面和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

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法流程图；

图2为根据本发明一个实施例的各参数总阶灵敏度指数；

图3为根据本发明一个实施例的模型在训练集上的纳什效率系数(左)与模型模拟结果与实测结果对比图(右)；

图4为根据本发明一个实施例的模型在测试集上的纳什效率系数(左)与模型模拟结果与实测结果对比图(右)；

图5为根据本发明一个实施例的研究区排水管网入渗出渗量逐分钟解析结果；

图6为根据本发明一个实施例的研究区排水管网管段尺度入渗出渗率统计图；

图7为根据本发明一个实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法及装置。

首先将参照附图描述根据本发明实施例提出的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法。

图1为根据本发明一个实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法流程图。

如图1所示，该基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法包括以下步骤：

在步骤S101中，构建区域地下水－河水－排水系统关键节点水量、液位监测体系。

在本发明的一个实施例中，区域地下水－河水－排水系统关键节点水量、液位监测体系包括：测定区域地下水水位、河水水位、降雨量和泵站等排水系统关键节点的水量和液位。

可以理解的是，为了使入渗出渗过程的定量解析结果更加准确，监测应涵盖地下水、河水和排水系统关键节点，应考虑水文地质条件的变化且分布均匀；地下水、河水和排水系统关键节点液位和水量数据的采集应保持在1–15分钟内并保持相同采集频率；监测应综合考虑年内水文条件变化的主要时期，至少覆盖雨季和旱季，建议逐季度开展。

在步骤S102中，识别区域排水系统存在的入渗出渗主要过程，构建主要过程的控制方程。

排水系统入渗出渗主要过程，包括识别区域存在的入流入渗和出渗过程和以控制方程的形式表征这些过程。地下水入渗出渗、河水倒灌、雨水入流出流是外来水与排水系统常见交互过程。作为一种可能的控制方程结构如下所示：

地下水入渗出渗控制方程：

ground＝ground_coef1·K

其中，ground为地下水入渗出渗量(m

河水倒灌控制方程：

其中，river为河水倒灌量(m

雨水入流出流控制方程：

其中，rain为地下水入渗出渗量(m

在步骤S103中，构建基于EPA-SWMM的区域排水系统机理模型，以PySWMM为接口，耦合控制方程及排水系统机理模型，构建排水系统入渗出渗动力学模型。

构建基于EPA-SWMM的区域排水系统机理模型，以PySWMM为接口，耦合各入渗出渗主要过程的控制方程与排水系统机理模型，构建排水系统入渗出渗动力学模型。该步骤中，控制方程与排水系统机理模型的耦合方式为：首先，以地下水、河水和排水系统监测数据和排水系统机理模型模拟得到的状态数据为基础，使用入渗出渗过程控制方程，计算管段尺度上各过程带来的入渗出渗量；然后将计算所得入渗出渗量作为该管段上游节点入流(或出流)量，以PySWMM为接口输入排水系统机理模型；最后调用排水系统机理模型模拟区域排水系统状态。所构建的入渗出渗动力学模型在每个时间步长中重复上述过程，从而实现动态模拟入渗出渗过程、分析入渗出渗过程对排水系统状态影响的功能。

在步骤S104中，构建以全局灵敏度分析方法和组合最优化方法为基础的参数识别方法，以监测体系中的水量和液位数据为目标函数，使用参数识别方法得到本地化参数。

在本发明的一个实施例中，参数识别方法，首先以某种全局灵敏度分析方法识别排水系统入渗出渗动力学模型中较为灵敏的关键参数，降低未知参数个数；然后以监测数据构建训练验证集，使用某种组合最优化方法找到一组在训练集上的最佳参数，并对该组参数在验证集上的模型效果进行评估。

在步骤S105中，将本地化参数输入排水系统入渗出渗动力学模型，分析排水系统中不同类型入流入渗和出渗量的时间和空间特征。

将本地化参数代入排水系统入渗出渗动力学模型，使用含本地化参数的机理模型，分析排水系统中雨水入流、河水倒灌、地下水入渗、雨污混合水出渗等不同类型情况下排水系统入渗出渗量的空间分布情况及入渗出渗量随时间的动态变化特征。

为了本领域人员更加清楚本发明的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法，下面结合图2-图6进行详细说明。

本实施例以苏州市北园泵站片区为研究区域，在0.8平方公里的案例区域内构建降雨－地表水－地下水－排水系统监测网络，识别并表征了该区域的入渗出渗主要过程，搭建了具有入渗出渗动态模拟功能的排水系统模型，并使用基于监测数据的训练验证集进行参数识别，进而定量分析了入渗出渗对研究区域排水管网运行的影响。以下对本实施例进行进一步详细说明。

首先构建降雨－地表水－地下水－排水系统监测网络。所构建的监测网络包括娄江片区雨量监测站点、北园泵站地下水水位监测点、悬桥河水水位监测点、泵站流量液位监测点和区域出水口处的液位监测点，数据采集间隔为5分钟。

此后概化苏州北园泵站片区排水系统入渗出渗的主要过程。苏州市河网密布，降雨丰沛，地下水水位较高，研究区域内存在地下水入渗出渗、河水倒灌、雨水入流出流等过程。因此，构建包含式(1)、式(2)和式(3)的入渗出渗过程机理模型。

以PySWMM为接口，耦合地下水、河水与雨水入渗出渗控制方程与研究区排水系统机理模型，构建排水系统入渗出渗机理模型。该程序在每个时间步长中，分别使用前述控制方程计算得到流入或流出每根水管的地下水、河水和雨水水量，以PySWMM为接口将入渗出渗量输入排水系统机理模型中，作为该管段上游节点的测向入流；利用排水系统机理模型模拟区域排水系统状态，实现对苏州市北园泵站片区排水系统入渗出渗过程的动态模拟。

分别以北园泵站点位总出流量和峰值流量为目标变量，用Sobol全局灵敏度分析方法计算排水系统入渗出渗动力学模型中17个参数的总阶灵敏度指数。设置抽样次数为200次，运行模型560次。如图2所示，参数的总阶灵敏度指数在不同目标变量下略有差异，但CL(渗透系数)和k(渗透指数)的总阶灵敏度指数相对较低。因此，认为在该区域内缩小CL和k的取值范围对模型模拟结果的影响较小。

考虑到区域出水口液位能够代表整个区域排水状况，以之作为排水系统入渗出渗模型的目标变量，用区域出水口液位监测数据构建训练集和验证集，选择水文领域常用的纳什效率系数作为本研究的目标函数。基于灵敏度分析结果，在参数率定和验证过程中，缩小CL和k的初始取值范围，其余参数的初始取值范围不变。利用遗传算法找到一组在训练集上的最佳参数，在验证集上验证该组参数效果。模型在训练集上的纳什效率系数与模型模拟结果拟合情况如图3所示，在验证集上如图4所示。结果说明该模型在不同降雨条件下都具有较强的预测能力，稳定性较高，能够较好地描述排水系统与外来水之间的相互作用。

最后，将本地化参数代入入渗出渗机理模型，使用该模型计算苏州北园泵站排水系统入渗出渗量。以2019年6月30日为例，模型模拟结果显示当日雨水入流量、河水倒灌量和地下水入渗量分别占管道混合污水9.78％、31.21％、10.02％，外来水量总占比51.01％。逐分钟解析结果如图5所示，结果显示雨水入流量在降雨过程中占比较小，但在降雨过后由于河道液位上升，河水倒灌量显著增加。管段尺度入渗出渗率空间统计结果如图6所示。

根据本发明实施例提出的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法，通过系统性分析方法，识别与表征排水系统入渗出渗主要过程，以PySWMM为接口，耦合排水系统机理模型构建排水系统入渗出渗机理模型，实现了入渗出渗过程的动态模拟。全面考虑排水系统与外来水交互过程的影响，量化排水系统入渗出渗的空间分布和随时间的动态变化特征。

其次参照附图描述根据本发明实施例提出的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置。

图7为根据本发明一个实施例的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置结构示意图。

如图7所示，该基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置包括：第一构建模块100、第二构建模块200、第三构建模块300、第四构建模块400和估算模块500。

其中，第一构建模块100，用于构建区域地下水－河水－排水系统关键节点水量、液位监测体系。第二构建模块200，用于识别区域排水系统存在的入渗出渗主要过程，构建主要过程的控制方程。第三构建模块300，用于构建基于EPA-SWMM的区域排水系统机理模型，以PySWMM为接口，耦合控制方程及排水系统机理模型，构建排水系统入渗出渗动力学模型。第四构建模块400，用于构建以全局灵敏度分析方法和组合最优化方法为基础的参数识别方法，以监测体系中的水量和液位数据为目标函数，使用参数识别方法得到本地化参数。估算模块500，用于将本地化参数输入排水系统入渗出渗动力学模型，分析排水系统中不同类型入流入渗和出渗量的时间和空间特征。

在本发明的一个实施例中，区域地下水－河水－排水系统关键节点水量、液位监测体系包括：测定区域地下水水位、河水水位、降雨量和泵站等排水系统关键节点的水量和液位。

在本发明的一个实施例中，区域排水系统存在的入渗出渗主要过程包括识别区域存在的入流入渗与出渗过程和以控制方程的形式表征的过程。

在本发明的一个实施例中，第四构建模块，进一步用于，以全局灵敏度分析方法识别排水系统入渗出渗动力学模型中的部分参数；根据区域地下水－河水－排水系统关键节点水量、液位监测体系中的监测数据构建训练验证集，使用组合最优化方法找到一组在训练集上的最佳参数，并对最佳参数在验证集上的模型效果进行评估。

需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。

根据本发明实施例提出的基于PySWMM的排水系统多来源入流入渗和出渗量动态估算装置，通过系统性分析方法，识别与表征排水系统入渗出渗主要过程，以PySWMM为接口，耦合排水系统机理模型构建排水系统入渗出渗机理模型，实现了入渗出渗过程的动态模拟。全面考虑排水系统与外来水交互过程的影响，量化排水系统入渗出渗的空间分布和随时间的动态变化特征。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。