水质模型软件：SWMM二次开发_（5）.SWMM二次开发实例：水质参数校准.docx

PAGE1

PAGE1

水质参数校准

在进行水质模型的开发和应用过程中，水质参数的校准是一个至关重要的步骤。校准的目的是确保模型能够准确地反映实际系统的水质变化情况，从而提高模型的预测能力和可靠性。本节将详细介绍SWMM中水质参数校准的原理和方法，并通过具体的例子来说明如何进行参数校准。

水质参数校准的原理

水质参数校准的基本原理是通过调整模型中的参数，使模型的输出结果与实际观测数据之间的误差最小化。这些参数可能包括污染物的排放率、降解率、吸附系数等。校准过程通常涉及以下几个步骤：

数据收集：收集实际系统的水质观测数据，包括水质指标的时间序列数据。

初步设定：根据已有知识和经验，设定模型的初始参数。

模型运行：使用设定的参数运行模型，生成模拟结果。

误差分析：比较模拟结果与实际观测数据，计算误差。

参数调整：根据误差分析结果，调整模型中的相关参数。

重复验证：重复上述步骤，直到模型的输出结果与实际观测数据之间的误差达到可接受的范围。

数据收集

数据收集是水质参数校准的第一步。需要收集的数据通常包括：

水质观测数据：包括污染物浓度、pH值、溶解氧等指标的时间序列数据。

气象数据：包括降雨量、蒸发量、气温等数据，这些数据会影响水质模型的运行。

水文数据：包括流量、水位等数据，这些数据可以帮助验证模型的水文过程模拟是否准确。

数据收集的注意事项

数据质量：确保数据的准确性和可靠性，避免使用有明显错误或缺失的数据。

数据时间分辨率：数据的时间分辨率应与模型的运行时间步长相匹配，以确保模型能够准确模拟水质变化。

数据覆盖范围：数据应覆盖整个模拟区域，包括所有关键节点和污染物源。

初步设定

初步设定是指根据已有知识和经验，设定模型的初始参数。这些参数可能包括：

污染物排放率：不同污染源的排放率，可以根据实测数据或文献资料进行设定。

降解率：污染物在水体中的降解速率，通常需要根据实验数据进行估算。

吸附系数：污染物在水体中的吸附系数，反映了污染物在水体中的迁移和富集情况。

其他参数：如反应速率常数、扩散系数等。

初步设定的示例

假设我们有一个简单的城市排水系统，需要校准污染物（例如COD）的排放率和降解率。初始参数可以设定如下：

COD排放率：根据文献资料，设定为100mg/L。

COD降解率：根据实验数据，设定为0.1/day。

#初步设定参数

initial_cod_emission_rate=100#mg/L

initial_cod_degradation_rate=0.1#/day

模型运行

在初步设定参数后，需要运行模型生成模拟结果。SWMM可以通过命令行或API接口进行调用。以下是通过Python调用SWMMAPI进行模型运行的示例代码：

模型运行的示例代码

importswmm5

#模型文件路径

model_file=path/to/your/model.inp

#创建SWMM引擎对象

engine=swmm5.SWMM5Simulation()

#打开模型文件

engine.swmm_open(model_file)

#运行模型

engine.swmm_start(False)

whilenotengine.swmm_end_of_simulation():

engine.swmm_run_step()

engine.swmm_end()

#关闭模型文件

engine.swmm_close()

误差分析

误差分析是通过比较模拟结果与实际观测数据，计算模型的误差。常用的误差指标包括均方根误差（RMSE）、平均绝对误差（MAE）、纳什-斯图克利效率（NSE）等。

误差分析的示例代码

假设我们有实际观测的COD浓度数据和模型模拟的COD浓度数据，可以通过以下Python代码计算RMSE、MAE和NSE：

importnumpyasnp

#实际观测数据

observed_cod_concentration=np.array([120,110,100,90,80,70,60,50,40,30])

#模型模拟数据

simulated_cod_concentration=np.array([115,105,100,85,80,75,65,55,45,35])

#计算均方根误差（RMSE）

rmse=np.sqrt(np.mean((observed_cod_concentration-simulated_cod_concentration)**2))

print(fRMSE:{rmse})

#计算平均绝对误差