【模型工具】一种基于过程和数据混合驱动的改进实时洪水预报模型
原文信息题目：Data-driven methodological approach for modeling rainfall-induced infiltration effects on combined sewer overflow in urban catchments
作者：V.A. Montoya-Coronado a, D. Tedoldi a, H. Castebrunet b, P. Molle c, G. Lipeme Kouyi a
作者单位：
a INSA Lyon, DEEP, UR7429, 69621 Villeurbanne, France
b Université Grenoble Alpes, IGE, F-38000, Grenoble, France
c INRAE, Research Unit REVERSAAL, Lyon, France
期刊：Journal of Hydrology
时间：2024
原文链接：https://doi.org/10.1016/j.jhydrol.2024.130834
文章亮点
1. 构建了面向合流制溢流（CSO）削减的数据驱动简化水文模型
2. 在数据缺乏情境下评估了入流入渗对CSO的影响
3. 入流入渗可能占排水系统年水量平衡的40%
背景与目的
合流制排水系统的工况恶化给城市排水带来了重大挑战，尤其是存在大量永久入流入渗 （PII） 和雨水入流入渗 （RII） 渗入下水道管道。这种渗透增加了合流制溢流（CSO）事件的风险，并通过稀释原始污水的污染物浓度以至于降低了处理厂的效率。为了有效减少 CSO体积，确定各种流量分量及其对溢流量的贡献至关重要。立足于解析CSO中不同流量来源的比例，同时进一步地评估不同的源头控制措施所带来的CSO控制效益，本研究建立了一个数据驱动的水文模型，在长期监测的基础上，将地表水文过程以及土壤水与下水道系统之间的相互作用概念化。识别并表征了集水区出口处的四个流量成分：废水、地表径流、PII和RII。
研究方法
研究采选取法国某汇水区作为案例区域进行建模实践。首先将污水厂流量、降雨和CSO事件的监测数据进行预处理，即分析旱天的污水流量模式得到污水每小时的排放模式，同时结合夜间最小流量来识别PII。识别了基准的旱天流量后，使用雨天的数据对简化模型中的参数进行率定，并以Kling-Gupta效率系数（KGE）最大作为率定目标。此外，在识别地表径流的不同成分时，研究采用分段线性回归的方法。对于上述已经构建好的模型，设定不同的CSO来源的削减情景来评估CSO过程线的变化。
研究结果
简化模型能够较为准确地在小时尺度上再现真实的CSO过程线，90%的参数集KGE值达到0.6以上。但从CSO总量来看，模型倾向于低估CSO的体积。观测数据与模拟结果的比较表明，该模型能够对水文图进行令人满意的模拟，特别是大多数峰值和消耗曲线。然而，一些峰不能很好地重现，这可能导致与观察到的CSO体积存在很大差异。
编者点评
研究构建了一个考虑入流入渗的CSO简化模型，没有用到特别复杂的方法，但仍取得了准确度较好的结果，说明入流入渗是城市排水不可忽视的部分。未来在排水管理中应当进一步深入地考虑入流入渗的问题。
关键图表
图1 简化模型的结构示意图
图2 6场降雨事件的流量验证结果
城市水系统领域
最新研究动态
UrbanWaterGroup
长按二维码关注
点击“阅读原文”查看文献
页:
[1]