采用Sobol方法的暴雨径流管理模型参数灵敏度分析
Sensitivity analysis of parameters of storm water management model with Sobol method
通讯作者:
收稿日期: 2018-01-8
Received: 2018-01-8
作者简介 About authors
周云峰(1993—),男,硕士生,从事排水管网模型优化校核研究.orcid.org/0000-0001-8552-3211.E-mail:
为了定量探究典型城市暴雨径流管理模型(SWMM)中水文水力参数的全局灵敏度,利用基于方差分解的Sobol方法,计算不同雨强下SWMM中各参数对径流量、峰值流量以及峰现时间的灵敏度,简要分析结果的收敛性. 研究结果表明,在不同雨强下,SWMM中水文水力模块的灵敏参数及相关排序有所差异. 在大雨强条件下,不渗透地区表面的曼宁糙率对3类输出变量都是最灵敏参数,总阶灵敏度均大于0.6;混凝土管段的曼宁糙率系数对峰现时间的灵敏度远大于对其他2类输出变量的灵敏度. 在小雨强条件下,无洼地蓄水不渗透性百分比为灵敏参数,不渗透性地面洼地储蓄为最灵敏参数,第1阶灵敏度指数为0.396. 在模型前63 000次运行中,计算得到的Sobol指数上下波动,在运行84 000次之后,Sobol指数逐渐趋于收敛.
关键词:
The Sobol method based on variance decomposition was used to calculate the sensitivity of parameters in the storm water management model (SWMM) to runoff, peak flow, and peak time under two different rainfall conditions, and the convergence of the results was briefly analyzed, in order to quantitatively explore the global sensitivity of hydro-hydraulic parameters in the typical urban SWMM. Results showed that the sensitive parameters and relative ranking of hydro-hydraulic modules in SWMM were different under different rainfall intensities. The impervious areas’ Manning roughness was the most sensitive parameter for all three kinds of output variables under the heavy rainfall intensity condition, and the total sensitivity values were all greater than 0.6. The Manning roughness coefficient of the concrete pipe section was much more sensitive to the peak time than to the other two types of output variables. Percent of impervious area with no depression storage was sensitive parameter, and the impervious ground surface store was the most sensitive parameter with the first-order sensitivity index of 0.396 in the small rainfall intensity condition. The calculated Sobol indexes fluctuated in the first 63 000 runs of the model and tended to converge after 84 000 runs.
Keywords:
本文引用格式
周云峰, 周永潮, 郑春华, 翁献明, 马晓宇, 柳景青.
ZHOU Yun-feng, ZHOU Yong-chao, ZHENG Chun-hua, WENG Xian-ming, MA Xiao-yu, LIU Jing-qing.
随着城市化进程的加剧,城市土地的不渗透面积激增,改变了城市水文水循环[1-2]. 城市降雨径流与日俱增,城市排水系统面临着前所未有的挑战. 数值仿真模型有助于实现科学的城市雨水排水管网运行与管理,充分理解模型的特征参数是理解城市水文水资源循环的关键. 模型参数的灵敏度分析是模型构建以及评估的重要环节[3]. 暴雨径流管理模型(storm water management model,SWMM)是美国国家环保署开发的用于模拟城市暴雨径流以及相关水质演算的雨水管理模型[4]. SWMM不仅能模拟单一降雨事件,还可以对长期的降雨径流进行动态演算,因此在城市降雨径流模拟中得到了广泛应用[5-7]. 利用SWMM模拟降雨径流时主要应用到的模块为降雨径流模块以及输送模块,包括水文产汇流计算以及管网流量动态演算,涵盖了SWMM中大部分水文、水力参数,模型校核十分困难. 因此有必要对SWMM进行详细的全局灵敏度分析,筛选出灵敏参数.
参数灵敏度分析的目的是定性或者定量地评价模型输入参数的变化对输出结果的影响,为之后的模型参数校核以及模型优化提供支持[8]. 已经有许多学者对SWMM进行了参数灵敏度分析,但是大多使用定性方法[9-15],计算所得结果只能被用于灵敏参数的筛选和排序,无法对结果作出定量解释;同时缺乏对结果的收敛性分析. Sarrazin等[16]提出灵敏度分析结果的收敛性是案例独立的,有必要对所得结果进行收敛性分析,确保所选样本数计算得到的最终灵敏度指数是收敛的. 本研究综合考虑SWMM中各类参数的取值情况,在参数取值范围内利用基于方差分解的Sobol方法对研究区内的SWMM模型参数的灵敏度进行定量分析,计算各参数对模型输出结果方差的影响,具体评估各参数的灵敏度,利用重采样技术对结果的收敛性进行简要分析.
1. 研究区域与研究方法
1.1. 研究区域概况
选取我国华东某城市独立的分流制雨水排水管网系统作为研究区域,研究区占地总面积为56.525 hm2,土地利用区域的不透水率约为86%,土地利用情况主要为商住区、住宅区、绿化带、公用街道以及柏油马路等,如表1所示. 表中,IL为不透水面积百分比估计,AL为面积,PL为各类别面积占总研究区面积百分比. 结合区域地形、土地利用类型调查结果和管网GIS数据,将研究区概化为138个汇水单元(主要土地类型为建筑屋顶)、227根管段(主要管材为混凝土)、225个节点和4个排放口,建立研究区的SWMM排水管网模型,如图1所示. 模拟采用的降雨事件为2017年6、7月利用研究区内雨量计监测到的2场次降雨,利用明渠流量计在主要排放口记录体积流量,降雨特征如表2所示.
图 1
图 1 研究区SWMM排水管网模型
Fig.1 Storm water management drainage network model in study area
表 2 暴雨径流管理模型灵敏度分析所选降雨场次
Tab.2
降雨 日期 | 降雨历 时/min | 降雨 编号 | 降雨记录 间隔/min | 降雨峰值强度/ (mm/5 min) | 降雨总 量/mm |
2017-07-08 | 135 | Rain1 | 5 | 7.40 | 43.30 |
2017-06-28 | 20 | Rain2 | 1 | 1.32 | 3.26 |
表 1 研究区土地利用情况
Tab.1
分类类别 | 标签 | 地表属性 | IL/% | AL/hm2 | PL/% |
屋顶 | A | 混凝土,瓷砖 | 95 | 35.112 6 | 62.12 |
公用街道 | B | 沥青,水泥 | 95 | 1.845 3 | 3.27 |
绿化人行道 | C | 绿色植被,沥青 | 70 | 2.714 7 | 4.80 |
绿地 | D | 绿色植被 | 10 | 3.540 4 | 6.26 |
道路及旁 绿化带 | E | 绿色植被,沥青, 水泥 | 85 | 6.991 4 | 12.37 |
绿色屋顶 | F | 混凝土,瓷砖, 微小植被 | 80 | 6.320 7 | 11.18 |
总计 | ─ | ─ | 85.6 | 56.525 | 100.00 |
1.2. 暴雨径流管理模型及相关参数
表 3 暴雨径流管理模型水文水力模块中主要参数及取值范围、初始估计值
Tab.3
参数名称 | 物理意义 | 单位 | 所属模块 | 最小值 | 最大值 | 初始估计值 |
si | 不渗透性地面洼地储蓄 | mm | 水文径流模块 | 0.18 | 2.54 | 1.27 |
sp | 渗透性地面洼地储蓄 | mm | 水文径流模块 | 2.54 | 5.08 | 3.78 |
Ni | 不渗透地区表面曼宁粗糙系数 | − | 水文径流模块 | 0.010 | 0.050 | 0.025 |
Np | 渗透性地区表面曼宁粗糙系数 | − | 水文径流模块 | 0.020 | 0.400 | 0.131 |
C1 | 混凝土管段曼宁糙率系数 | − | 动态演算模块 | 0.011 | 0.017 | 0.015 |
C2 | 塑性管段曼宁糙率系数 | − | 动态演算模块 | 0.011 | 0.015 | 0.013 |
C3 | PVC管段曼宁糙率系数 | − | 动态演算模块 | 0.008 | 0.012 | 0.010 |
Rmax | 霍顿模型最大下渗系数 | mm/h | 水文下渗模块 | 50.8 | 101.6 | 76.2 |
Rmin | 霍顿模型最小下渗系数 | mm/h | 水文下渗模块 | 7.6 | 15.2 | 12.7 |
Dc | 霍顿模型衰减系数 | h−1 | 水文下渗模块 | 2 | 7 | 4 |
Ks | 子汇水区坡度系数 | − | 水文径流模块 | 0.67 | 1.67 | 1.00 |
Kw | 子汇水区特征宽度系数 | − | 水文径流模块 | 0.6 | 1.2 | 0.8 |
PA | 屋顶不渗透百分比 | % | 水文径流模块 | 90 | 100 | 95 |
PB | 公用街道不渗透百分比 | % | 水文径流模块 | 90 | 100 | 95 |
PC | 绿化人行道不渗透百分比 | % | 水文径流模块 | 65 | 85 | 70 |
PD | 绿地不渗透百分 | % | 水文径流模块 | 0 | 15 | 10 |
PE | 道路及旁绿化带不渗透百分比 | % | 水文径流模块 | 75 | 95 | 85 |
PF | 绿色屋顶不渗透百分比 | % | 水文径流模块 | 75 | 90 | 80 |
PO | 无洼地蓄水不渗透性百分比 | % | 水文径流模块 | 10 | 35 | 25 |
在实测参数中,汇水区特征宽度和坡度的测量存在一定难度,因此引入比例因子Kw、Ks. 模型参数的实际输入值等于比例因子乘以测量值:
式中:W为汇水区的特征宽度,Kw为特征宽度比例因子,A为子汇水区的面积.
汇水区坡度为
式中:S为汇水区的实际坡度,Ks为坡度比例因子,s为依据GIS数据分析所得坡度.
1.3. 基于方差分解的Sobol灵敏度分析方法
1.3.1. Sobol全局灵敏度分析方法
式中:
式(3)中所有项之间都是正交的并且可以表示为函数
以此类推,可求得式(3)中其他高阶项. 将式(3)两边平方并且在整个参数域
函数
偏方差为
由式(8)可得
全局灵敏度指数为
式中:
式中:
1.3.2. 蒙特卡洛法求解Sobol灵敏度指数
在实际过程中,几乎不可能利用解析积分求解SWMM等复杂非线性模型的方差. 本研究利用蒙特卡洛数值积分估计模型输出结果的方差,当模型参数样本数足够大时,计算所得结果逼近解析解. 将SWMM概化为
式中:
灵敏度计算步骤如下:
1)基于表3通过拉丁超立方采样(Latin hypercube sampling,LHS)在参数分布空间内进行2次互相独立的采样,所得结果分别为样本矩阵
式中:
式中:
2)将步骤1)中采样得到的包含
3)将步骤2)中所得目标函数值代入式(17)~(22)计算SWMM各参数
式中:
2. 计算结果与分析
2.1. 暴雨径流管理模型参数对不同输出变量的灵敏度分析
选取径流量、峰值流量以及峰现时间3个对雨水排水系统模拟有重要意义的输出变量,使用Sobol方法计算7月8日场次降雨Rain1下SWMM参数对各输出变量的灵敏度,如表4所示. 可以看出,各参数对不同输出变量的灵敏度存在差异. 径流量计算所得的5个灵敏参数Ni、Kw、Ks、C1、si同时也是另外2类输出变量计算所得的灵敏参数;对于峰值流量及峰现时间,霍顿模型衰减系数被筛选为灵敏参数;对于峰现时间,屋顶不渗透百分比和无洼地蓄水不渗透百分比也是灵敏参数,但是灵敏度相对较小,说明模型对于不同输出变量的关键灵敏参数是一样的,不同输出变量额外筛选出的灵敏参数对模型结果影响较小.
Ni是最灵敏参数,对3类输出变量的第1阶灵敏度指数均大于0.4(总阶灵敏度均大于0.6),远大于排在第2位的Kw,说明模型结果的方差绝大部分是由Ni所造成的,Ni对模型结果影响较大.
混凝土管曼宁糙率系数对于3类输出变量的灵敏度指数差异较大,对于径流量、峰值流量、峰现时间的第1阶灵敏度指数分别为0.011、0.037、0.102(总阶灵敏度指数分别为0.092、0.169、0.233),说明管道曼宁糙率系数的灵敏度指数取决于输出状态变量的类型,对峰现时间最为敏感. 曼宁公式可以合理解释这个结果,糙率越大,管道流速越小,峰值出现时间越长.
不渗透性百分比被识别为非灵敏参数,与前人研究[9, 26]所得出的结论不相符,原因是本研究将城市地表模型概化为6类土地利用类型,将不同土地类型的不渗透率限制在较窄的合理取值范围之内,当不渗透率在此范围内变化时,对模型的最终输出结果影响较小. 这从侧面反映出,当地表土地利用数据精度较高时,所建模型不需要率定不渗透性,可以取经验值. 从GIS相关数据中获取的子汇水区坡度及特征宽度比例因子是排名靠前的灵敏参数,对模型结果影响较大,说明Ks、Kw依旧是待率定参数. 由表4还可以看出,各灵敏参数与其他参数相互作用所造成的结果方差(总阶灵敏度指数与一阶灵敏度指数之差)均约为10%,灵敏参数间的耦合性较强,不宜使用Morris一次一个变量法对参数进行灵敏度分析;被识别为非灵敏参数的总阶灵敏度指数较接近(0.05~0.07),需要计算二阶及三阶灵敏度指数,深入研究非灵敏参数的总阶灵敏度指数是由参数间的相互作用所产生的还是由模型的特征结构所决定的.
2.2. 降雨强度对参数灵敏度的影响
图 2
图 2 不同降雨强度下参数灵敏度指数比较
Fig.2 Comparison of parameters’ sensitivity indices in different rainfall intensities
由表4、5可知,在较大的雨强条件下,Ni是最灵敏参数并且对径流量起决定性作用(第1阶灵敏度指数达到0.502),之后依次是Kw、Ks、C1、si,其中si第1阶灵敏度指数仅为0.010;在较小的雨强条件下,最灵敏参数是si,第1阶灵敏度指数达到0.396,远高于第2位Ni的0.139,同时PO也被识别为灵敏参数(第1阶灵敏度指数为0.067),位列第3,高于第1阶灵敏度指数分别为0.023、0.017的Kw与Ks,C1被识别为非灵敏参数. 说明在小雨强的条件下,占地面积约为86%的不渗透地区的洼地储蓄深度使雨量多数存储在不渗透地区,径流量较小甚至不产流;无洼地蓄水不渗透性百分比的改变间接影响了不渗透地区的洼地储蓄总容量,从而影响最终的降雨径流量,因此PO展现出较高的灵敏度. 降雨的存储过程发生在汇流过程之前,Ni、Kw和Ks等汇流过程参数的灵敏度大大减小,但是仍表现出一定的灵敏性. 在大雨强的条件下,洼地储蓄部分很快被降雨所填满,在取值范围内改变si对最终的降雨径流量的影响较小(si的第1阶灵敏度值仅为0.010),同理PO也表现为非灵敏参数.
表 5 Rain2下暴雨径流管理模型参数灵敏度分析
Tab.5
径流量灵敏度 | ||||
参数 | Si | 参数 | | |
si | 0.396 | si | 0.504 | |
Ni | 0.139 | Ni | 0.178 | |
PO | 0.067 | PO | 0.103 | |
Kw | 0.023 | Kw | 0.089 | |
Ks | 0.017 | Ks | 0.082 | |
PA | −0.002 | C1 | 0.079 | |
C1 | −0.002 | PA | 0.073 | |
PD | −0.003 | PD | 0.069 | |
Rmax | −0.003 | PE | 0.061 | |
| | | | |
PB | −0.005 | Np | 0.051 | |
| | | | |
Dc | −0.012 | PF | 0.045 | |
总计 | 0.560 | 总计 | 1.733 |
表 4 Rain1下暴雨径流管理模型参数灵敏度分析
Tab.4
径流量灵敏度 | 峰值流量灵敏度 | 峰现时间灵敏度 | ||||||||
参数 | Si | | 参数 | Si | | 参数 | Si | | ||
Ni | 0.502 | 0.682 | Ni | 0.414 | 0.609 | Ni | 0.482 | 0.635 | ||
Kw | 0.138 | 0.259 | Kw | 0.144 | 0.263 | Kw | 0.111 | 0.223 | ||
Ks | 0.051 | 0.142 | Ks | 0.058 | 0.169 | C1 | 0.102 | 0.233 | ||
C1 | 0.011 | 0.092 | C1 | 0.037 | 0.140 | Ks | 0.047 | 0.132 | ||
si | 0.010 | 0.081 | Dc | 0.012 | 0.069 | si | 0.011 | 0.077 | ||
PA | −0.006 | 0.056 | si | 0.010 | 0.062 | Dc | 0.007 | 0.081 | ||
PF | −0.007 | 0.056 | PA | −0.001 | 0.072 | PA | 0.003 | 0.075 | ||
PD | −0.008 | 0.056 | PD | −0.001 | 0.051 | PO | 0.002 | 0.073 | ||
Rmax | −0.008 | 0.056 | PB | −0.002 | 0.052 | PD | −0.002 | 0.072 | ||
| | | | | | | | | ||
PB | −0.009 | 0.056 | sp | −0.006 | 0.055 | PB | −0.006 | 0.065 | ||
| | | | | | | | | ||
Dc | −0.009 | 0.058 | PF | −0.010 | 0.053 | PE | −0.011 | 0.062 | ||
总计 | 0.594 | 2.051 | 总计 | 0.597 | 2.029 | 总计 | 0.686 | 2.266 |
2.3. Sobol方法计算结果的收敛性
为了分析计算所得灵敏度指数的收敛性,确保所得结果稳健可靠,采用重采样方法在5 000个基础样本中分别抽取10、20、
图 3
图 3 径流量计算所得参数灵敏度指数收敛性
Fig.3 Convergence of parameters’ sensitivity indices calculated from runoff flow
3. 结 论
(1)SWMM中不同输出变量,如径流量、峰值流量和峰现时间的关键灵敏参数大致相同,分别为Ni、Kw、Ks、C1、si. Ni对3类输出变量都是最灵敏参数;C1对3类输出变量的灵敏度指数差异较大,对峰值流量和峰现时间更为敏感.
(2)在不同雨强下,SWMM中水文水力模块的灵敏参数及相关排序有差异,尤其是与不渗透性洼地储蓄相关的2个参数si与PO差异明显. 在较大雨强下,PO被识别为非灵敏参数,si的灵敏度排序为第5位;在较小雨强下,PO被识别为灵敏参数,si代替Ni成为最灵敏参数.
利用基于方差分解的Sobol方法对SWMM参数全局灵敏度进行定量分析,计算各参数的一阶灵敏度指数与总阶灵敏度指数,结果直观反映出各参数对SWMM计算结果方差的影响,对SWMM校核时的参数选择有参考作用. 受限于SWMM的计算量,没有计算各灵敏参数的二阶灵敏度指数,缺乏对灵敏参数两两间互相作用的定量评价,之后的研究将着力于解决上述问题.
参考文献
The importance of imperviousness
[J].
Impervious surface coverage: the emergence of a key environmental indicator
[J].DOI:10.1080/01944369608975688 [本文引用: 1]
Ten iterative steps in development and evaluation of environmental models
[J].DOI:10.1016/j.envsoft.2006.01.004 [本文引用: 1]
Scenario-based projections of future urban inundation within a coupled hydrodynamic model framework: a case study in Dongguan City, China
[J].DOI:10.1016/j.jhydrol.2017.02.020
Critical rainfall statistics for predicting watershed flood responses: rethinking the design storm concept
[J].DOI:10.1002/hyp.v30.21 [本文引用: 1]
Global sensitivity analysis in hydrological modeling: review of concepts, methods, theoretical framework, and applications
[J].DOI:10.1016/j.jhydrol.2015.02.013 [本文引用: 1]
城市降雨径流模型的参数局部灵敏度分析
[J].DOI:10.3321/j.issn:1000-6923.2007.04.024 [本文引用: 3]
Local sensitivity analysis for urban rainfall runoff modelling
[J].DOI:10.3321/j.issn:1000-6923.2007.04.024 [本文引用: 3]
Using the HSPF and SWMM models in a high pervious watershed and estimating their parameter sensitivity
[J].DOI:10.3390/w9100780
Assessing the sensitivity of SWMM to variations in hydrological and hydraulic parameters: a case study for the city of Istanbul
[J].
SWMM模型在城市暴雨洪水模拟中的参数敏感性分析
[J].
Parameter sensitivity analysis of SWMM model in urban storm flooding simulation
[J].
Assessment of the SWMM model uncertainties within the generalized likelihood uncertainty estimation (GLUE) framework for a high-resolution urban sewershed
[J].
城市雨水管网模型的水文参数灵敏度分析
[J].
Analysis of hydrological parameters sensitivity in urban rainwater pipe network model
[J].
基于Morris的SWMM模型参数敏感性分析
[J].
Sensitivity analysis of SWMM model parameters based on Morris method
[J].
Global sensitivity analysis of environmental models: convergence and validation
[J].
Comparison of uncertainty analysis methods for a distributed rainfall-runoff model
[J].DOI:10.1016/S0022-1694(01)00328-6 [本文引用: 1]
A high resolution application of a stormwater management model (SWMM) using genetic parameter optimization
[J].DOI:10.1080/1573062X.2012.739631 [本文引用: 1]
Sobol′s sensitivity analysis for a distributed hydrological model of Yichun River Basin, China
[J].
Sobol’方法分析TOPMODEL水文模型参数敏感性
[J].DOI:10.3969/j.issn.1000-0852.2014.02.010
Sensitivity analysis of TOPMODEL hydrological model parameters Based on Sobol’ method
[J].DOI:10.3969/j.issn.1000-0852.2014.02.010
基于全局敏感性分析方法的WASP模型不确定性分析
[J].
Uncertainty analysis of WASP based on global sensitivity analysis method
[J].
Combined analysis of time-varying sensitivity and identifiability indices to diagnose the response of a complex environmental model
[J].
Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates
[J].DOI:10.1016/S0378-4754(00)00270-6 [本文引用: 1]
Sensitivity analysis for importance assessment
[J].DOI:10.1111/risk.2002.22.issue-3 [本文引用: 1]
Sobol’ sensitivity analysis of a complex environmental model
[J].DOI:10.1016/j.envsoft.2011.08.010 [本文引用: 1]
Automatic calibration of the U. S. EPA SWMM model for a large urban catchment
[J].DOI:10.1061/(ASCE)0733-9429(2008)134:4(466) [本文引用: 1]
/
〈 |
|
〉 |
