• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟

曾照洋 赖成光 王兆礼 吴旭树 黄国如 胡庆芳

曾照洋, 赖成光, 王兆礼, 吴旭树, 黄国如, 胡庆芳. 基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟[J]. 水科学进展, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
引用本文: 曾照洋, 赖成光, 王兆礼, 吴旭树, 黄国如, 胡庆芳. 基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟[J]. 水科学进展, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
ZENG Zhaoyang, LAI Chengguang, WANG Zhaoli, WU Xushu, HUANG Guoru, HU Qingfang. Rapid simulation of urban rainstorm flood based on WCA2D and SWMM model[J]. Advances in Water Science, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
Citation: ZENG Zhaoyang, LAI Chengguang, WANG Zhaoli, WU Xushu, HUANG Guoru, HU Qingfang. Rapid simulation of urban rainstorm flood based on WCA2D and SWMM model[J]. Advances in Water Science, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004

基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟

doi: 10.14042/j.cnki.32.1309.2020.01.004
基金项目: 

国家重点研发计划资助项目 No.2018YFC1508205

国家自然科学基金资助项目 No.51709117

详细信息
    作者简介:

    曾照洋(1994-), 男, 江西吉安人, 博士研究生, 主要从事城市雨洪研究。E-mail:ZYzeng86@163.com

    通讯作者:

    王兆礼, E-mail:wangzhl@scut.edu.cn

  • 中图分类号: TV124;P338

Rapid simulation of urban rainstorm flood based on WCA2D and SWMM model

Funds: 

the National Key R & D Program of China No.2018YFC1508205

the National Natural Science Foundation of China No.51709117

图(7) / 表 (5)
计量
  • 文章访问数:  66
  • HTML全文浏览量:  17
  • PDF下载量:  16
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-04-03
  • 网络出版日期:  2019-12-06
  • 刊出日期:  2020-01-30

基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟

doi: 10.14042/j.cnki.32.1309.2020.01.004
    基金项目:

    国家重点研发计划资助项目 No.2018YFC1508205

    国家自然科学基金资助项目 No.51709117

    作者简介:

    曾照洋(1994-), 男, 江西吉安人, 博士研究生, 主要从事城市雨洪研究。E-mail:ZYzeng86@163.com

    通讯作者: 王兆礼, E-mail:wangzhl@scut.edu.cn
  • 中图分类号: TV124;P338

摘要: 为探讨计算高效的元胞自动机模型(WCA2D)与传统一维管网模型耦合的机制以及计算效果,尝试将WCA2D与SWMM模型耦合(SWMM/WCA2D),以广州市长湴片区为例探究一种暴雨洪涝快速二维模拟技术,对比实测积水数据以及SWMM/LISFLOOD-FP模拟,结果表明:SWMM/WCA2D模拟结果与"20180607"实测积水数据相近,表明模型精度良好;根据多指标评估结果,综合考虑主干渠道淤积以及建筑物阻挡情景的RTPRRPPVF1值分别达到0.8、0.6、0.7,模拟精度最高,最能反映区域实际情况;通过与SWMM耦合,WCA2D和LISFLOOD-FP的模拟结果差异小(最大水深差值基本低于0.1 m)、相关性强(相关系数基本超过0.7),但前者计算效率是后者的3~5倍,表明WCA2D能够耦合SWMM且计算效率更高,为复杂城市化地区暴雨洪涝快速模拟提供了一种新方法。

English Abstract

曾照洋, 赖成光, 王兆礼, 吴旭树, 黄国如, 胡庆芳. 基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟[J]. 水科学进展, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
引用本文: 曾照洋, 赖成光, 王兆礼, 吴旭树, 黄国如, 胡庆芳. 基于WCA2D与SWMM模型的城市暴雨洪涝快速模拟[J]. 水科学进展, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
ZENG Zhaoyang, LAI Chengguang, WANG Zhaoli, WU Xushu, HUANG Guoru, HU Qingfang. Rapid simulation of urban rainstorm flood based on WCA2D and SWMM model[J]. Advances in Water Science, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
Citation: ZENG Zhaoyang, LAI Chengguang, WANG Zhaoli, WU Xushu, HUANG Guoru, HU Qingfang. Rapid simulation of urban rainstorm flood based on WCA2D and SWMM model[J]. Advances in Water Science, 2020, 31(1): 29-38. doi: 10.14042/j.cnki.32.1309.2020.01.004
  • 近年来, 全球城市规模急剧扩张[1], 气候变化导致城市极端降水频率和强度的升高趋势更加显著[2-3], 城市洪涝问题日益凸显[4-5]。21世纪以来, 中国城市洪涝灾害频次和程度呈上升趋势, “逢暴雨必涝”已成为中国城市的真实写照, 给国家造成了严重的人员伤亡及财产损失[6]。因此, 为应对日益严峻的城市洪涝灾害问题, 探索精确、高效的城市洪涝模拟方法成为当前城市水文学的研究热点, 以期为预防与缓解洪涝灾害提供技术支撑[7]

    城市洪涝的范围与深度是二维模拟与预警预报中最为重要的结果, 传统的二维水动力模型一般通过求解完整或者简化的浅水方程模拟城市洪涝的演进过程[8-9]。如InfoWorks ICM和MIKE FLOOD均具备采用不规则网格求解完整浅水方程的能力, 但商业化性质限制了其推广以及二次开发潜力;此外, LISFLOOD-FP模型[10]、FloodMap[11]、二阶MUSCL模型[12]、SWM[13]等模型也需要求解复杂的物理方程, 直接计算需要消耗大量时间并因此成为限制其推广应用的一大因素。尽管并行计算、云计算以及GPU加速等技术发展迅速, 但对电脑硬件资源消耗大, 且需要对二维模型源码进行特殊处理才可应用, 导致这些加速手段难以推广。鉴于此, 有研究者开始探索既能避开求解繁琐物理方程又具有良好精度的二维模拟方法。但目前这些方法大部分只能确定淹没范围和水深, 不能表达洪涝演进的水动力变化(如流速), 例如基于GIS的淹没分析算法[14]、改进填洼算法的洪涝计算[15]以及部分简单元胞自动机(CA)模型[16-17]。其中, CA模型具有较高的计算效率, 且能反映一定的物理机制, 经历了从简单二维模拟到模拟水动力复杂过程的改进。Dottori和Todini[18]最早开发了能够模拟二维水动力过程的CA模型, 该模型直接采用曼宁公式计算元胞间的交互水流。Ghimire等[19]引入一种排序系统计算元胞间的交互水流, 取代曼宁公式, 进而衍生出CA2D开源模型。Guidolin等[20]在CA2D基础上, 引入一种基于权重的交互方法进一步简化元胞间水流转换规则, 并提出了WCA2D开源模型;该模型经过严格的算例验证后, 发现具有更高精度与计算效率。尽管如此, 上述的WCA2D模型依然缺乏产流以及管网汇流模块, 无法完整而真实地表征实际的降雨、产汇流、管网溢流以及坡面漫流的全过程;此外, 该模型与一维管网模型(如SWMM模型)耦合的机制及模拟精度尚不明确。

    本文以复杂城市化的广州市天河区长湴片区为例, 构建SWMM/WCA2D模型, 采用实测积水数据进行验证, 同时与SWMM/LISFLOOD-FP模型进行对比, 旨在验证WCA2D的二维模拟效果以及模型耦合的可行性, 以期为城市洪涝模拟、预警预报以及防涝减灾等提供一种新方法。

    • 本研究区位于广州市天河区西北部的长湴片区(图 1), 总面积约为1.57 km2。该片区下垫面较为复杂, 北部为山区, 南部为建筑比较密集的高度城市化地区。当暴雨发生时, 大量山区的水流汇入长湴主干沟渠, 容易造成该片区排水能力不足, 从而导致地铁站附近出现积水。如在2018年6月8日, 受长历时暴雨影响, 天源路段最大水深将近1 m, 积水几乎没过地铁入口, 严重威胁地下铁道系统的安全。

      图  1  研究区位置与DEM8

      Figure 1.  Location of the study area and DEM8

    • 所采用的基础数据包括2010年管网数据(图 1)、2014年土地利用现状、两种DEM数据(8 m×8 m和5 m×5 m, 简称DEM8和DEM5)。长湴片区排水系统在2010年左右铺设之后, 改动较小, 采用2010年数据合理可靠。DEM5根据CAD图(1:500比例)的高程点进行提取、插值、处理生成, 精度较高, 更能表征建筑密集区域的微观地形;模拟情景中为考虑建筑物对地面积水的阻挡, 将建筑物所在位置的高程进行加高处理(图 2)。需要说明的是, 由于CAD高程点只覆盖了内涝点及其周边区域, 在计算SWMM子汇水区坡度时采用上述DEM8, 而进行二维精细化模拟时则采用DEM5。

      图  2  考虑建筑物的DEM5局部放大

      Figure 2.  Partial enlarged map of DEM5 with buildings

    • WCA2D(Weighted Cellular Automata 2D Inundation Model)模型是由Guidolin等[20]开发, 与传统二维水动力模型不同, 该模型是一种基于权重转换规则的元胞自动机模型。尽管没有考虑惯性项和动量守恒, 但具备模拟二维水动力过程的能力, 并且模拟效率很高。模型能够用来处理多种网格(例如矩形网格、六边形网格或三角形网格)以及不同的元胞邻域类型(例如四元胞的冯-诺依曼邻域或八元胞的摩尔邻域)。

      WCA2D模拟地表水流的主要计算过程包括: ①相邻元胞水流交换的权重计算;②元胞间交互水量计算;③水深计算;④流速计算。计算公式如下(所有不含上标的变量都假定在t时刻) :

      (1) 权重计算公式为

      $$ {w_i} = \frac{{\Delta {V_{0,i}}}}{{\Delta {V_{\rm tot}} + \Delta {V_{\rm \min }}}},\ \ \ \ \ {w_0} = \frac{{\Delta {V_{\rm \min }}}}{{\Delta {V_{\rm tot}} + \Delta {V_{\rm \min }}}}\ \ \ \ \ \left( {i \in \left\{ {1, \cdots ,m} \right\}} \right) $$ (1)

      式中:wi表示第i个相邻元胞的权重;w0表示中心元胞的权重;m表示与中心元胞相邻的元胞总数;$\Delta {V_{\rm tot}} = \sum\limits_{i = 1}^m {\Delta {V_{0,i}}} $,ΔV0, i表示相应的体积差值, m3;ΔVmin=min{ΔV0, 1,ΔV0, 2,…,ΔV0, i,…,ΔV0, m} (ΔZ0, i>Γi∈1, …, m),ΔZ0, i表示中心元胞(编号为0)与第i个相邻元胞的水位差值, m, ΔZ0, i>Γ表示水位差值大于临界值Γ时才计算下游元胞的获得水量,本文Γ=0.000 1 m。

      (2) 元胞间交互水量:

      $$ {I_{i,t + \Delta t}} = {w_i}{I_{{\rm tot},t + \Delta t}}\ \ \ \ \ (i \in \{ 1, \cdots ,m\} ) $$ (2)

      式中:Ii, tt表示tt时刻下游第i个元胞获得的交换水量, m3;${I_{{\rm tot},t + \Delta t}} = {\rm \min} \left( {{A_0}{d_0},\frac{{{v_{\rm M}}{d_0}\Delta t\Delta {e_{\rm M}}}}{{{w_{\rm M}}}},\Delta {V_{\rm \min }} + {I_{\rm tot}}} \right)$, 表示在tt时刻从中心元胞转移的水量, m3A0表示中心元胞面积, m2d0表示中心元胞水深, m,wM表示权重, ${v_{\rm M}} = {\rm \min} \left\{ {\sqrt {{d_0}g} ,\frac{1}{{n0}}d_0^{\frac{2}{3}}\sqrt {\frac{{\Delta {Z_{0,{\rm M}}}}}{{\Delta {x_{0,{\rm M}}}}}} } \right\}$,vM表示中心元胞水流转移到该元胞的最大允许流速, m/s,ΔZ0, M表示中心元胞与该元胞的水位差值, Δx0, M表示中心元胞中点到该元胞中点的距离, m,Δt表示时间步长, s,ΔeM表示该元胞与中心元胞的交界长度, m,Itot表示t时刻从中心元胞转移的水量, m3n为曼宁系数,g为重力加速度。所有下标为M的变量都是针对拥有最大权重的元胞。

      (3) 水深计算公式为

      $$ {d_{0,t + \Delta t}} = {d_{0,t}} - \frac{{\sum\limits_{i = 1}^m {{I_{i,t + \Delta t}}} }}{{{A_0}}} + \frac{{\Delta {V_{0,{\rm in}}}}}{{{A_0}}} + \frac{{\Delta {V_{0,{\rm out}}}}}{{{A_0}}} $$ (3)

      式中:d0, tt表示tt时刻中心元胞的水深;d0, t表示t时刻中心元胞水深;ΔV0, in表示中心元胞获得的流入水量, 比如降雨, m3;ΔV0, out表示中心元胞流出的水量, 比如下渗水量, m3

      (4) 流速计算公式为

      $$ {v_{i,t + \Delta t}} = \frac{{{I_{i,t + \Delta t}}}}{{{d_{0,i,t + \Delta t}}\Delta {e_i}\Delta t}}\ \ \ \ \ \left( {i \in \left\{ {1, \cdots ,m} \right\}} \right) $$ (4)

      式中:vi, tt表示tt时刻中心元胞水流转移到第i个元胞的流速, m/s;d0, i, tt表示tt时刻中心元胞和第i个元胞水深的算术平均值, m;Δei表示第i个元胞与中心元胞的交界长度, m。

      WCA2D模型完全开源(http://emps.exeter.ac.uk/engineering/research/cws/resources/caddies-framework/caddies-download/), 可进行二次开发, caflood.exe是WCA2D模型的可执行文件, 无可视化界面, 可以在Windows系统使用cmd命令进行调用, 与LISFLOOD-FP类似[21], 主要有降雨序列输入、边界入流设置、模拟地表水流演进、结果输出(包括水深、流速数据等)等功能。LISFLOOD-FP模型是通过求解简化的浅水方程进行二维水动力模拟, 拥有相对完整的物理机制, 官网发布的最新版本是2013年5. 9. 6版本, 精度已经通过了本课题组前期研究的验证[21-22], 因此其模拟结果具有很高的对比价值。

    • 耦合WCA2D与SWMM模型实现城市暴雨洪涝的快速二维模拟, 主要步骤如下:

      (1) 构建SWMM模型模拟降雨、地表产流、地面径流、管网汇流以及管网溢流过程。

      (2) 基于C# Winform平台, 调用SWMM模型计算引擎的接口函数, 提取节点溢流过程并保存为WCA2D模型所需的输入文件格式。

      (3) 生成模型配置文件, 并链接地形数据与溢流文件。

      (4) 在C# Winform窗口驱动WCA2D模型计算引擎, 模型通过读取配置文件并将模型参数、溢流过程、地形数据作为模拟条件, 完成地表积水演进过程模拟。

      (5) 输出二维模拟结果文件, 与SWMM/LISFLOOD-FP模型结果以及实测结果进行对比验证, 并用ArcGIS与Python进行后处理。

    • 采用混淆矩阵计算精度评价指标[23]并评估各种情景的模拟精度。在混淆矩阵评价方法中, 二维模拟的模拟值和真实值之间存在4种关系: TP(True Positive)表示实际有积水, 与模拟结果一致;FP(False Positive)表示实际没有积水, 而模型模拟错误;FN(False Negative)表示实际有积水, 而模型没有正确模拟;TN(True Negative)表示实际和模拟结果都没有积水。TP和TN表示模拟结果和实际情况一致, 而FN和FP表示模拟结果与实际相悖(属统计学上第一和第二类错误), TP、TN、FP和FN需根据其所代表的面积进行量化, 分别记为ATPATNAFPAFN

      基于上述方法, 分别定义RACC(Accuracy, 准确率)、RTPR(True Positive Rate, 灵敏度)、RPPV(Positive Predictive Value, 精确率)以及F1(F1分数)4种精度评价指标。其中, F1综合了RPPVRTPR指标, 是评价模型总体的标准, 其值越接近1表明模型越好。指标计算方法如下式所示:

      $$ {R_{\rm ACC}} = \frac{{{A_{\rm TP}} + {A_{\rm TN}}}}{{{A_{\rm TP}} + {A_{\rm TN}} + {A_{\rm FP}} + {A_{\rm FN}}}},{R_{\rm TPR}} = \frac{{{A_{\rm TP}}}}{{{A_{\rm TP}} + {A_{\rm FN}}}},{R_{\rm PPV}} = \frac{{{A_{\rm TP}}}}{{{A_{\rm TP}} + {A_{\rm FP}}}},{F_1} = \frac{{2{R_{\rm TPR}}{R_{\rm PPV}}}}{{{R_{\rm TPR}} + {R_{\rm PPV}}}} $$ (5)
    • 采用2018年6月7日的场次暴雨(20180607)进行模拟, 暴雨过程如图 3所示:总历时接近40 h(2:10至次日17:50), 总降雨量达到284 mm, 降雨数据的时间间隔为5 min。其中, 6月8日单日降雨量达到215 mm, 超过10年一遇标准。据实地调研统计显示, 发生积水的面积约为36 700 m2(如图 2所示, 未扣除建筑物), 天源路积水深度普遍超过0.5 m, 最大深度接近1 m;长湴工业区积水深度为0.2~0.5 m;由于内涝范围内的建筑物台阶比较高, 绝大多数建筑物内未出现水浸, 也表明在原DEM5上进行局部加高更符合实际情况。

      图  3  “20180607”出水口模拟流量过程

      Figure 3.  Simulated flow process of outfall induced by "20180607" rainstorm

    • 基于研究区DEM8、管网数据以及土地利用数据, 计算模型子汇水区、管道、节点以及出水口的相关参数。对于经验参数(如霍顿下渗模型参数、曼宁系数等), 参考广州或者珠三角其他地区等研究成果确定[13, 21]。二维模拟的地形数据采用DEM5, 结果输出步长取5 min, 模型模拟时间从6月7日2:10到次日20:00。

    • 根据是否考虑主干沟渠淤积深度以及二维模拟是否考虑建筑物对水流阻挡, 再结合WCA2D与LISFLOOD-FP两种模型, 共设置8种模拟情景(表 1)。通过将主干沟渠的设计尺寸与现状断面对比, 确定淤积深度约20 cm;为模拟建筑物对地面积水的阻挡, 将建筑物所在位置的高程进行加高处理(图 2)。

      表 1  模拟情景汇总

      Table 1.  Summary of simulation scenarios

      序号 情景代号 情景组合
      1 CA_B WCA2D+考虑主干沟渠淤积深度+考虑建筑物阻挡
      2 CA_NB WCA2D+考虑主干沟渠淤积深度+忽略建筑物阻挡
      3 LIS_B LISFLOOD+考虑主干沟渠淤积深度+考虑建筑物阻挡
      4 LIS_NB LISFLOOD+考虑主干沟渠淤积深度+忽略建筑物阻挡
      5 CA2_B WCA2D+忽略主干沟渠淤积深度+考虑建筑物阻挡
      6 CA2_NB WCA2D+忽略主干沟渠淤积深度+忽略建筑物阻挡
      7 LIS2_B LISFLOOD+忽略主干沟渠淤积深度+考虑建筑物阻挡
      8 LIS2_NB LISFLOOD+忽略主干沟渠淤积深度+忽略建筑物阻挡
    • 研究区出水口流量过程线、管网溢流结果如图 3图 4表 2所示。结果表明, 两种情景流量过程线基本重合;考虑淤积深度情景的洪峰流量比不考虑淤积情景低15.1%左右, 但是前者的管网溢流总量(1.19万m3)比后者(0.62万m3)高接近1倍, 两种情景下的溢流时段基本一致(2 300~2 400 min)。可见淤积深度会严重影响主干沟渠的过流能力, 导致管网溢流量增加, 内涝风险增大。

      图  4  排水系统模拟溢流流量过程

      Figure 4.  Simulated flooding flow of the drainage system

      表 2  溢流点数据汇总

      Table 2.  Data summarization on flooding nodes

      情景代号 最大溢流点 最大流量/(m3·s-1) 溢流总量/万m3 最大溢流时长/h 溢流点数 溢流点百分比/%
      CA_B和CA_NB J237 7.98 1.19 1.34 26 4.13
      CA2_B和CA2_NB J265 6.18 0.62 1.34 24 3.81
    • 二维模拟的最大淹没水深和淹没范围如图 5表 3所示。结果表明, 所有情景的积水范围主要分布于天源路以及长湴工业区, 与实际调研结果相符, 表明模拟结果能够很好地反映实际内涝情况。鉴于CA_B和LIS_B情景与下垫面的实际情况最接近, 而积水深度一般为0.2~0.5 m, 与实际积水深度最为接近。因此, SWMM/WCA2D模拟结果与实测数据相近, 且与SWMM/LISFLOOD-FP模拟结果相似, 表明耦合模型具有较好精度。

      图  5  所有情景最大积水深度空间分布

      Figure 5.  Spatial distribution of maximum inundation depth in all scenarios

      表 3  所有情景最大积水深度与面积统计

      Table 3.  Maximum inundation depth and corresponding area in each scenario

      情景代号 不同积水深度面积/hm2
      < 0.05 m 0.05~0.2 m 0.2~0.5 m > 0.5 m 汇总
      CA_B 1.05 1.77 3.01 0.01 5.84
      CA_NB 1.21 4.62 1.74 0.01 7.56
      LIS_B 0.72 1.32 3.19 0.01 5.23
      LIS_NB 0.79 4.95 1.33 0.01 7.07
      CA2_B 1.19 1.78 1.80 0.01 4.77
      CA2_NB 1.39 5.65 0.30 0.01 7.34
      LIS2_B 0.59 0.56 2.84 0.01 3.99
      LIS2_NB 0.74 5.59 0.40 0.01 6.74
    • 根据图 5的最大积水深度结果, 统计得到如表 4所示的ATPATNAFPAFN值, 进而得到RACCRTPRRPPV指标值(表 4)。从RACC值可知, CA_B、LIS_B、CA2_B和LIS2_B略高于其他情景, 但由于ATN值过大导致该指标值的差异并不显著;CA_B和LIS_B情景的RTPR值(接近0.8)高于其他情景(小于0.7), 表明CA_B和LIS_B情景能准确模拟的积水面积占比更大、精度更高;RPPVF1值的大小与建筑物阻挡情景最为相关, CA_B、LIS_B、CA2_B和LIS2_B(RPPV大于0.6, F1接近0.7)均显著高于其他情景(RPPV约0.4, F1约0.5)。

      表 4  模型精度评价指标统计

      Table 4.  Statistical values of model precision indices

      情景代号 ATP/ hm2 ATN /hm2 AFP /hm2 AFN /hm2 RACC RTPR RPPV F1
      CA2_B 2.45 151.02 1.13 1.22 0.98 0.67 0.68 0.68
      CA2_NB 2.40 148.60 3.56 1.28 0.97 0.65 0.40 0.50
      LIS2_B 2.45 151.19 0.96 1.23 0.99 0.67 0.72 0.69
      LIS2_NB 2.40 148.56 3.60 1.27 0.97 0.65 0.40 0.50
      CA_B 2.91 150.28 1.88 0.76 0.98 0.79 0.61 0.69
      CA_NB 2.55 148.34 3.81 1.13 0.97 0.69 0.40 0.51
      LIS_B 2.88 150.52 1.63 0.79 0.98 0.78 0.64 0.70
      LIS_NB 2.55 148.42 3.74 1.13 0.97 0.69 0.41 0.51

      根据以上精度评价指标结果, 二维模拟精度与模拟情景相关, 而CA_B与LIS_B的模拟精度最高, 表明最接近实际情况的情景具有更好的精度;CA2_B和LIS2_B情景次之, CA_NB、LIS_NB、CA2_NB和LIS2_NB的精度最低, 表明考虑建筑物阻挡情景的模拟效果更好。而对比CA_B与LIS_B, 4种精度评价指标几乎一致, 表明两种二维模型模拟精度相似。

    • 根据SWMM/WCA2D以及SWMM/LISFLOOD-FP模拟的最大水深差值(图 6)、积水深度相关系数(图 7(a))、积水面积(深度>0.05 m, 图 7(b))变化、计算效率(表 5)等结果, 可以看出:两种耦合模型模拟的最大水深差值较小(基本小于0.1 m);随着降雨历时的增加, 积水深度的相关系数先快速增大(至0.9以上), 在雨峰附近开始减小, 最终趋于相对稳定(LIS_B与CA_B的相关系数接近0.9);在2 300 min前, 积水面积接近0, 随着后雨峰影响, 积水面积快速增大, 而两种二维模型模拟的积水面积差异均比较小;从模拟时长角度分析, WCA2D模拟用时介于38~50 s, 而LISFLOOD-FP模拟用时达到170~200 s, 前者模拟效率是后者的3~5倍。

      图  6  两种二维模型模拟的最大水深差值

      Figure 6.  Maximum inundation depth difference between the two 2-D models

      图  7  二维模拟的积水深度相关系数变化以及积水面积变化

      Figure 7.  Variation of correlation coefficient in inundation depth and in inundation area of the 2-D simulations

      表 5  所有情景的模拟耗时统计

      Table 5.  Computing time for each scenario

      情景代号 模拟用时/s 比值
      LIS2_B 约171 4.5
      CA2_NB 约38
      LIS2_NB 约188 4.4
      CA2_NB 约43
      LIS_B 约174 3.6
      CA_B 约48
      LIS_NB 约193 3.9
      CA_NB 约50

      综上所述, 两种耦合模型的模拟结果差异较小、相关性强, LIS_B与CA_B情景(最接近现实情况)的模拟效果最好。在充分考虑现实情景下, 通过与SWMM模型耦合, WCA2D与LISFLOOD-FP模型的模拟精度相近, 但前者的计算效率要明显高于后者。

    • (1) 分别构建SWMM/WCA2D以及SWMM/LISFLOOD-FP耦合模型, 以广州市长湴片区为例, 模拟“20180607”场次暴雨的洪涝演进过程, 模拟结果显示积水范围主要集中于天源路与长湴工业区, 与实测积水范围相符, 表明WCA2D能与SWMM有机结合, 形成一种新的洪涝二维模拟方法, 且模拟结果较为可靠。

      (2) 通过多个模型精度指标评估模拟情景对二维模拟精度的影响, 结果表明,综合考虑主干沟渠淤积以及建筑物阻挡情景的模拟精度最高, 其RTPRRPPVF1指标值分别达到0.8、0.6和0.7, 且该情景最符合区域实际下垫面以及排水情况。

      (3) 通过与同情景下的LISFLOOD-FP模型对比, WCA2D与LISFLOOD-FP模拟的最大水深差值较小(基本小于0.1 m)、积水深度相关系数较高(基本高于0.7)、积水面积相近, 但前者计算效率却是后者的3~5倍, 表明SWMM/WCA2D模型具有良好的模拟精度以及更高的模拟效率。

参考文献 (23)

目录

    /

    返回文章
    返回