城市雨水管网模型的水文参数灵敏度分析

王荫茵，陶　涛，吕永鹏

（1.同济大学环境科学与工程学院，上海市 200092；2.上海城市排水系统工程技术研究中心，上海市　200092；3.上海市政工程设计研究总院（集团）有限公司，上海市 200092）

城市雨水管网模型的水文参数灵敏度分析

王荫茵1，陶涛1，吕永鹏2，3

（1.同济大学环境科学与工程学院，上海市 200092；2.上海城市排水系统工程技术研究中心，上海市200092；3.上海市政工程设计研究总院（集团）有限公司，上海市 200092）

为定量分析上海某区域的SWMM模型输出的总径流量和峰值流量对输入水文参数的变化响应的灵敏度，使用修正的 Morris灵敏度分析法分析了3场降雨中 SWMM模型中总径流量和峰值流量对水文参数不渗透性洼地蓄水(Destore-Imperv)、渗透性洼地蓄水 (Destore-perv)、不渗透性粗糙系数曼宁值 (Manning-Imperv)、渗透性粗糙系数曼宁值(Manning-perv)等参数的局部灵敏度。模拟结果证明，总降雨量变大，峰值流量对于参数Manning-Imperv、Destore-Imperv响应的灵敏度程度变大，并且峰值降雨强度越大，总径流量对于参数Max.Infiltration Rate、Decay Constant、Min.Infiltration Rate响应的灵敏度随之变大。

SWMM；修正的Morris筛选法；灵敏度；水文参数率定

0　引言

近年来，随着城市建设的不断发展，城市地面硬化，降雨径流量增加，城市内涝问题日益加剧。雨水管理模型能够很好地模拟降雨过程中地表径流产生情况、管网负荷情况等，能够从水文、水质、水量等方面帮助管理和控制城市的降雨径流。SWMM（Storm Water Management Model）是美国环保署（EPA）开发的暴雨雨水管理模型，模型能够模拟一系列水文和水力过程，在国内外有广泛的研究和应用[1]。模型主要根据一系列描述子汇水区特性的参数来计算降雨产生的径流量，而这些参数没有明确的物理含义，无法直接测量，需要对其进行参数率定，因此，雨水管网模型的参数率定是保证雨水管网模型准确模拟十分重要的一步。然而，雨水管网模型通常比较复杂，参数众多，如果对每个参数都进行率定，工作量太大，工作效率也不高。实际上，不同的参数在取值范围内的变化对模拟结果的影响程度不同，有些参数对结果的影响很大，而有些几乎没有影响，因此，需要在参数率定之前，对参数进行分类，识别出对模拟结果影响程度更大的参数，即灵敏度更高的参数，挑出这些参数进行率定，从而在保证模型的可靠性的同时，也提高了参数率定的效率。

1　研究对象与研究方法

1.1研究对象概况

该研究区域为上海某住宅区区域，汇水面积78 hm2，该片区内部以建筑、道路、草地为主要地表类型。该片区属于城市中心城区，城市化程度高，绿化面积少，以不透水地面为主，该片区的不透水面积百分比为75%。

1.2模型建立

1.2.1模型建立过程

根据该片区的CAD管线图，简化雨水管网，保留雨水干管和主要检查井节点，形成概化的雨水管网模型，包括80个子汇水区、46根排水管道、42个节点和1个出水口。图1为概化雨水管网模型示意图。

图1　概化雨水管网模型示意图

1.2.2降雨资料

该片区的降雨资料由放置在该片区的雨量计记录的24 h实时数据获得，通过分析整理该片区的降雨资料，选取了2010年3场典型降雨来进行模拟。3场降雨的降雨过程时间序列见图2、图3、图4。20100827是典型的短历时降雨，存在明显峰值，峰值较大，峰形较窄。20100618和20100611则是两场长历时降雨，降雨强度随着时间变化有着不规则波动，存在多个峰值，0618最大峰值强度达到35 mm/h，而0611最大降雨强度约12 mm/h。

图2　20100618降雨过程时间序列图

图3　20100611降雨过程时间序列图

图4　20100827降雨过程时间序列图

1.3参数取值

建立雨水管网模型的过程中需要获得的参数分为两类，一类是有明确物理意义、可通过测量手段获取精确值的参数，另一类参数则无法获取精确值，一部分是有明确物理意义但是因为测量成本太高而无法获取，也有一部分是没有明确物理含义，这些参数需要率定获取[2]。可精确获取的参数可以通过测量或者其他物理手段获得，SWMM模型中的不透水率（Imperv）、坡度（Slope）等参数属于此类，其数值可以直接根据调研数据获得，而需要率定的参数以水文参数为主，其取值范围根据《室外排水设计规范》（GB 50014—2006）2014版、SWMM用户手册以及文献调研的结果综合确定（见表1）。

表1　雨水管网模型水文参数取值范围

1.4灵敏度分析方法

Morris筛选法是目前应用比较广泛的一种局部灵敏度分析方法[3]。它的主要思想是选择模型中的一个参数作为变量xi，然后固定其余的参数，在xi的取值范围内随意改变xi，反复多次运行模型得到目标函数y(x)的值，用影响值判断参数的变化对模型输出值的影响程度，如式（1）：

式中：y*为参数变化之后的输出值；y为参数变化之前的输出值；Δi为参数i的变化值。

在Morris筛选法的基础上，本研究采用修正的Morris筛选法进行参数的局部灵敏度分析[4]。修正的Morris筛选法是基于参数按固定值进行百分率变化，最终灵敏度判别因子取Morris系数的多个平均值，计算公式如下：

式中：SN为参数灵敏度判别因子；Y0为模型参数调整后计算结果的初始值；Yi为模型第i次运行的输出值；Yi+1为模型第i+1次运行的输出值；Pi为模型第i次运行的参数值相对于校准后参数值的变化百分率；Pi+1为模型第i+1次运行的参数值相对于校准后参数值的变化百分率；N为模型运行次数。

本研究以5%的固定步长对各个水文参数进行变化，其取值分别为-25%、-20%、-15%、-10%、-5%、5%、10%、15%、20%、25%。当某一个水文参数变化时，固定其他的参数数值，最终获得参数的灵敏度值。

进一步，根据参数的灵敏度值的大小，可将参数划分为4类：（1）高灵敏参数，参数灵敏度值|SN|≥1；（2）灵敏参数，参数灵敏度值0.2≤|SN|＜1；（3）中等灵敏参数，参数灵敏度值0.05≤|SN|＜0.2；（4）不灵敏参数，参数灵敏度值0≤|SN|＜0.05[5]。

2　结果与分析

同一模型中的某一参数的灵敏度并非一成不变，当发生不同的降雨情况，参数的灵敏度会有变化，使用变异系数来表示同一个参数在不同降雨场次的差异性。总降雨量变大，参数Manning-Imperv、Destore-Imperv对于峰值流量响应的灵敏度程度变大，降雨20100827、20100611、20100618的总降雨量逐渐增大，当降雨为20100827时Manning-Imperv为高灵敏参数|SN|为4.7，降雨为

20100611时Manning-Imperv为高灵敏参数|SN|为1.8，降雨为20100618时Manning-Imperv为中灵敏参数；当降雨为20100827时Destore-Imperv为高灵敏参数，降雨为20100611时Destore-Imperv为灵敏参数，降雨为2010618时Destore-Imperv为不灵敏参数。

参数为 Manning-Imperv、Max.Infiltration Rate为高灵敏参数，|SN|变化范围分别为0.12～4、7、0～3.3，参数Destore-Imperv、Destore-perv为灵敏参数，|SN|变化范围分别为0.02～1.6、0～2.4。参数Destore-perv、Max.Infiltration Rate、Decay Constant的变异系数均超过100%，参数Manning-perv、Min. Infiltrarion Rate的变异系数为0，这两个参数的改变不会改变模型输出的总径流量和峰值流量。SWMM模型中水文参数对峰值流量的灵敏度分析结果见表2和图5。综合来看，本模型中对总径流量最敏感的参数是Destore-Imperv、Destore-Imperv、Manning-Imperv和Max.Infiltration Rate。

表2　水文参数对峰值流量的灵敏度计算结果

图5　峰值流量的灵敏度参数分布

本模型中，总径流量对于水文参数变化的响应要小于峰值流量。3场降雨得到的SN均值都小于0.05，可以认为对于总径流量来说，这些水文参数都是不敏感参数。分三场降雨来看，峰值降雨强度越大，参数灵敏度越大。降雨 20100611、20100827、20100618的峰值降雨强度逐渐增大，当降雨为20100611时总径流量在灵敏度分析的参数变化范围内没有发生变化，当降雨为20100827时仅有一个参数Max.Infiltration Rate变化带来了总径流量的变化，降雨为20100618时Max.Infiltration Rate、Decay Constant、Min.InfiltrationRate和Destoreperv等参数的变化都带来了总径流量的输出值的变化，最大|SN|值为4.7，参数为Max.Infiltration Rate。

参数Max.Infiltration Rate、Min.Infiltration Rate、Decay Constant为高灵敏参数，|SN|变化范围分别为0～4.7、0～3.7、0～4.6，参数Destore-perv、Manning-perv为灵敏参数，|SN|变化范围分别为0～2.6、0～0.07。参数Destore-Imperv、Manning-Imperv的变异系数为0，参数Destore-perv、Manning-perv、Max.Infiltration Rate、Min.Infiltrarion Rate、Decay Constant的变异系数超过100%，模型输出随降雨变化较大。综合来看，本模型中对总径流量最敏感的参数是Max. InfiltrationRate、DecayConstant、Min.Infiltration Rate和Destore-perv。SWMM模型中水文参数对总径流量的灵敏度分析结果见表3和图6。

表3　水文参数对总径流量的灵敏度计算结果

图6　总径流量的灵敏度参数分布

3　结论

本研究使用修正的Morris筛选法对上海某居民区雨水管网模型进行灵敏度分析，研究了总径流量和峰值流量对于不同水文参数（Destore-Imperv、Destore-perv、N-Imperv、N-perv、Max.InfiltrationRate、Min.Infiltrarion Rate、Decay Constant）发生变化时的响应灵敏度。

同一模型当发生不同的降雨情况，参数的灵敏度会有变化。对总径流量来说，参数Max. Infiltration Rate、Min.Infiltration Rate、Decay Constant为高灵敏参数，|SN|变化范围分别为0～4.7、0～3.7、0～4.6。对峰值流量来说，参数为Manning-Imperv、Max.Infiltration Rate为高灵敏参数，|SN|变化范围分别为0.12～4,7、0～3.3。总降雨量变大，峰值流量对参数Manning-Imperv、Destore-Imperv的响应程度变大。对总径流量来说，峰值降雨强度越大，参数Max.InfiltrationRate、DecayConstant、Min.Infiltration Rate的灵敏度越大。

目前，国内关于水文模型参数校核的研究发展较快，但是成功案例仍然较少，主要是由于缺乏完善的实时监测系统提供充分的监测数据以供研究。随着雨水管网模型的大范围应用，模型参数校核的研究将更具实际意义。

[1]陈晓燕，等,雨洪管理模型SWMM的原理、参数和应用[J].中国给水排水,2013(4):4-7.

[2]刘兴坡.城市雨水管网模型参数校准研究综述[J].给水排水,2009. 35(z1):452-455.

[3]Morris,M.D.,Factorial sampling plans for preliminary computational experiments[J].Technometrics,1991,33(2):161-174.

[4]Francos,A.,et al.,Sensitivity analysis of distributed environmental simulationmodels:understandingthemodelbehaviourin hydrological studies at the catchment scale[J].System Safety, 2003,79(2):205-218.

[5]Willems,P,Quantification and relative comparison of different types of uncertainties in sewer water quality modeling[J].Water Research,2008,42(13):3539-3551.

合肥轨道交通首次接入国家电网2016年底试运营

近日，合肥轨道交通1号线110 kV庐州大道主变电所成功送电，在主变压器空载运行24 h后成功向1号线第八供电分区及滨湖车辆段供电。庐州大道主变电所的成功送电，为确保2016年底1号线开通试运营奠定了坚实基础。同时，本次庐州大道主变电所顺利投运也是合肥轨道交通项目首次接入国家电网正式电源，意义重大。

地铁列车是依靠电力牵引的动车组列车，地铁列车的运行离不开电，而车站的动力照明也离不开电，电源的成功接入不仅对正式运营至关重要，对运营前的列车调试及线路联调联试也至关重要。主变电所是连接国家电网和地铁内部电力网络的中介，将国家电网110 kV电压降压为35 kV电压，通过电缆线路向地铁线路牵引变电所和降压变电所供电，牵引变电所提供地铁动车组列车的牵引电源，降压变电所提供车站用电的动力照明电源，可以说是为轨道交通安全运营持续输送动力的“造血心脏”。

轨道1号线共设置2座主变电所，分别是庐州大道主变电所和胜利路主变电所。正常情况下，庐州大道主变电所负责为望湖城站以南段沿线牵引变电所和降压变电所供电，胜利路主变电所则负责望湖城站以北段。两座主变电所在设计时互为备用，在突发状况下，其设计容量均满足负荷整个1号线临时运行供电需求。

庐州大道主变电所位于滨湖新区庐州大道与紫云路交口东北角，是1号线与7号线的交汇口，占据重要的地理位置。该主变电所为3层钢筋混凝土结构全地下变电所，总用地面积为1 733 m2，总建筑面积5 950 m2。目前，胜利路主变电所正在建设中，计划于2016年下半年建成送电。

庐州大道主变电所是安徽省首座全地下110 kV变电站，地下基坑开挖深度达到20 m。为保证该主变所按期、安全送电，合肥市轨道公司在保证安全质量及文明施工的前提下，组织相关施工单位24 h不间断施工，仅用51 d的时间(一般工期为6个月)就完成电气一次设备、二次设备的安装调试，以及通风空调、气体灭火、动力照明、火灾报警等系统的安装。

TU99

A

1009-7716（2016）02-0159-04

10.16799/j.cnki.csdqyfh.2016.02.044

2015-10-16

公益性行业科研专项（201306102）；国家自然科学基金资助（51408225）；国家重大水专项（2013ZX07304002）

王荫茵(1991-)，女，上海人，硕士研究生在读，从事排水管网模型优化设计及研究工作。