基于机器学习理论的SWMM参数自动率定方法

作     者：康得军 赖李保壹 邱福杰 温儒杰 吴端炜 赵颖 KANG De-jun;LAI Li-bao-yi;QIU Fu-jie;WEN Ru-jie;WU Duan-wei;ZHAO Ying

作者机构：福州大学土木工程学院福建福州350108 福州大学晋江科教园福建晋江362251 福建省龙岩市长汀县濯田镇政府福建龙岩366300 华东勘测设计院<福建>有限公司福建福州350001 中冶京诚工程技术有限公司北京100176 中国市政工程中南设计研究总院有限公司湖北武汉430010 中国环境科学研究院北京100012 

出 版 物：《中国给水排水》 (China Water & Wastewater)

年 卷 期：2024年第40卷第5期

页      面：122-129页

核心收录：

学科分类：08[工学] 0815[工学-水利工程] 

基　　金：北京建筑大学未来城市设计高精尖创新中心开放课题(UDC2017032512) 

主　　题：机器学习理论 Metropolis-Hastings算法 雨洪管理模型(SWMM) MATLAB 参数自动率定 

摘      要：SWMM作为一种模拟降雨情况的软件,由于其模型参数在经验范围内选取的不确定性,随着模型不断地向前运行演绎,误差会持续累积,最终影响模型的模拟结果,而传统的参数率定方法则具有效率低、准确度差等缺点。为此,利用MATLAB软件调用SWMM的水力演算程序来完成两者的数据交互与集成,结合多元逐步回归法筛选出敏感性高的参数作为率定对象,进而通过数值实验的方式以敏感性分析结果为依据使用Bayes-MH机器学习算法实现SWMM参数的自动率定。对于不同的实测降雨场景,自动率定的结果均能够顺利输出,参数匹配度达95%以上,表明了该方法具备优秀的稳定性、自适应性与全范围寻参能力。