基于InfoWorks ICM的济南市少年路暴雨内涝模拟研究

运用InfoWorks ICM模型对济南市少年路区域进行洪涝过程的精细化模拟,探寻城市内涝形成规律.选用2013年7次典型内涝积水过程的区域水位站实测数据对模型进行率定验证,并研究了不同重现期和雨型的设计降水对区域积水的影响.结果表明:模型具有良好的精度和可靠性,率定期积水深度的最大实际偏差、相对偏差和时间偏差分别为-0.04m、15.79%和-20min;检验期积水深度的最大实际偏差、相对偏差和时间偏差分别为-0.06m、16.67%和27min.通过4个重现期和3种雨型的设计降水模拟发现,暴雨重现期的增加会导致积水面积和最大积水深度随之增加;而雨峰位置滞后会导致积水面积偏大,但对最大积水深度影响较小.     

城市立交桥洞内涝过程的精细化模拟研究

为科学地指导城市立交桥区的排水防涝改造,降低内涝风险,以深圳市某立交桥为研究对象,构建高分辨率城市内涝模型,采用地表积水实测资料进行模型率定及验证,模拟立交桥洞在雨水口防堵、下凹式绿地以及两者的组合措施改造前后不同降雨情景下的积水情况。结果表明,1)高分辨率城市内涝模型可以实现城市立交积水动态变化过程的准确模拟;2) 5年、20年和100年重现期降雨情景下,立交桥洞内涝严重,积水时空变化速率快,当降雨重现期为100年时,最大积水深度和面积分别高达1.52 m和1833 m2,积水深度随时间和空间的最大增长速率分别高达0.04 m/min和0.23 m/10 m;3)组合措施的内涝削减效果优于不同改造措施单独使用时的削减效果,100年重现期降雨情景下,单独采用雨水口防堵和绿地下凹措施,仍然存在0.6 m以上深度的积水,而组合措施可使内涝积水深度小于0.5 m,内涝持续时间缩短至30 min内,可有效地缓解桥洞内涝。     

基于HY-SWMM的居住小区暴雨内涝模拟及小区防洪涝研究

选取郑州市高新区盛和苑小区为研究对象,创建HY-SWMM(鸿业海绵城市/暴雨模拟软件),通过重现郑州“7·20”暴雨的雨量,模拟居住小区的内涝时空演变,得到相应的径流与积水数据。经过对居住小区在暴雨事件下的HY-SWMM内涝模拟计算结果分析,结合城市内涝成因,提出居住小区在暴雨内涝下的应对策略,以提高居民在城市暴雨内涝时的防灾能力与承灾韧性,对城市暴雨内涝防灾策略进行一定的补充。     

重庆市清江河流域山洪致灾临界面雨量研究

为研究重庆市清江河流域的山洪致灾临界面雨量,利用FloodArea模型对该流域2014年8月11日的山洪过程进行模拟,采用统计分析方法确定雨-洪关系得到流水坡、龙洞沟、龙嘴和万里学校隐患点在淹没水深分别为0.6,1.2和1.8m下对应的临界面雨量,结果如下:1)FloodArea模拟的花林站最大水深出现时间与实际一致,最大淹没深度与实际相差0.295m,模拟结果与实际情况符合.2)不同隐患点淹没水深与不同小时尺度的累积面雨量的相关性不一样,分别选取2,2,4和6h累积面雨量作为流水坡、龙洞沟、龙嘴和万里学校隐患点的临界面雨量的小时尺度.     

基于机器学习的城市暴雨内涝时空快速预测模型

暴雨内涝的快速预测对于提升灾害应急处置能力具有重要意义。针对传统数值模拟复杂耗时导致难以满足暴雨内涝预测时限要求的问题,该文基于机器学习方法构建城市暴雨内涝时空快速预测模型。利用城市综合流域排水模型(InfoWorks ICM)模拟的高精度网格结果作为数据驱动,综合考虑降雨因素、地理数据以及排水管网的分布情况,分别基于随机森林、极限梯度提升(XGBoost)、K最近邻以及长短期记忆(LSTM)神经网络建立城市暴雨内涝快速预测模型。以北京市某区域为例,开展算例研究,结果表明：随机森林模型的空间预测效果最佳,淹没范围预测准确率可达99.51%,积水深度平均预测误差3.55%; LSTM神经网络模型能准确预测内涝点积涝过程的水深时序变化。在该算例场景下,所构建的机器学习模型可实现s级的暴雨内涝时空快速预测。     

天津城市自动化积水监测及预警的实现

应用物联网技术自主研发新型积水监测设备,在天津城区易积水地方安装自动积水监测点,通过传感器实时获取积水监测数据。基于web GIS技术,采用B/S、C/S混合架构设计,建成天津城市积水监测及内涝风险预警推送系统。在PC端实现积水深度监测、降雨量监测、精细化降水预报、雷达图等数据的充分融合,在线管理积水检测设备运行、实时监测积水监测站点的积水深度,同时通过手机APP实现了基于位置的积水实况以及基于机器学习得到的积水预测实时推送,为政府部门和公众提供服务。     

七星关区城市内涝监测预警服务系统研究

通过七星关区主城区17个内涝点降水致涝的临界雨量阈值指标体系建立,设定内涝预警指标,对主城区易积易涝点实时监控,结合智能网格降水预报产品,当监测到实况雨量或预报雨量超阈值时,根据预警指标制作服务产品并通过预警信息发布系统进行服务。做到提前预警,做好防范,进一步提高了七星关区城市内涝防灾减灾监测预警能力,最大程度减轻和避免城市内涝造成的人员伤亡和经济损失。     

基于InfoWorks ICM模型的地铁场站内涝积水防控研究

选择郭公庄和宋家庄地铁场站为研究对象,采用InfoWorks ICM模型软件构建洪涝模型并开展内涝积水模拟分析.模拟结果表明:100a一遇长历时(24h)暴雨情景下郭公庄地铁场站最大积水深度为0.922m,宋家庄为0.607m;在重现期达50a一遇时宋家庄所有管网即达到满流状态.分析结果表明:郭公庄内涝积水主要是由于下游水位顶托;而宋家庄主要是由于管网排水能力不足.本研究基于模拟结果提出了内涝积水防控措施,经海绵城市改造措施后,10a一遇短历时(1h)暴雨情景下宋家庄地铁场站出水口洪峰相对未改造情景削减了22.2%;经管网改造后,1a一遇长历时(24h)暴雨情景下宋家庄内涝积水削减率为100.0%;郭公庄3台排水泵全运行状态下,郭公庄总积水量相对无泵情景削减了29.5%.     

基于MIKE URBAN的典型北方城区防洪排涝模拟

由于气候变化及城镇化进程加快，城市内涝问题愈加严峻. 为优化城市排水管理，有效减少内涝损失，以河北邯郸主城东区局部为研究区，计算了区域典型设计雨型，利用MIKE URBAN模型，模拟并判定了区域不同降雨情景下区域内涝分布情况，解析区域易涝点，进而模拟评估了不同管径排水管网负荷情况. 结果表明:随着重现期增加，区域检查井溢流的数量、区域最长积水时间以及最大积水深度都有所增加，区域管网超负荷面积增大；并且在10 、20 a重现期暴雨情景下，单纯扩增管径起到的径流缓解作用较少. 研究结果可为极端暴雨下区域洪涝预警部署以及城市排水系统改造提供技术支撑.      

基于一二维耦合内涝模型的城市道路积水来源量化分析

为模拟道路地表径流和排水系统溢流对道路积水的影响, 对道路汇水区采用地表二维模型, 对其他汇水区和地下管网采用一维模型, 并构建基于PCSWMM的一二维耦合内涝模型, 提出以本地道路地表径流和检查井溢流对积水贡献比例为指标的积水来源定量分析方法。基于实测检查井液位数据和积水深度数据对模型进行验证后, 利用该模型对设计暴雨条件下深圳市南山区某排水片区的道路积水进行模拟, 得到如下结果。1) 研究区存在4个主要道路积水点(A, B, C和D), 在重现期为5年的暴雨下, 有两个积水点(A和D)发生溢流, 溢流在积水中的占比分别为24%和61%; 在重现期为50年的暴雨下, 有3个积水点(A, C 和D)发生溢流, 溢流在积水中的占比分别为49%, 62%和73%。随着暴雨强度增大, 检查井溢流对积水的贡献增加。2) 道路积水的动态变化受到积水来源、下游壅堵和局部地形等诸多因素的综合影响。3) 对于溢流在积水中占比较大的内涝点, 建议着重提高管网排水能力, 并对上游汇水进行海绵化改造; 对于本地道路径流在积水中占比较大的内涝点, 建议对本地进行海绵化改造, 适当地改造局部地形, 或增加排涝泵站等设施。     

不同边界条件对城市内涝的影响——以通州区两河建设区为例

以北京市通州区为例,对不同重现期的降雨与不同频率的河道洪水进行组合,分析不同洪涝组合对内涝积水深度的影响.采用城市洪涝模拟技术设置不同尺寸的网格进行计算,通过对比不同网格模拟计算的结果,给出最适宜的计算网格尺寸,在此基础上,分析研究不同洪涝组合对内涝积水深度的影响.研究结果表明:分别以5、10和20m为模型计算网格的模拟计算结果相差不大,以50m为模型计算网格的模拟水深值明显偏小;与50a一遇降雨遭遇河道20a一遇洪水相比之下,50a一遇降雨遭遇河道50a一遇洪水时,内涝显著增加;同样地,当100a一遇降雨遭遇河道50a一遇洪水比100a一遇降雨遭遇河道20a一遇洪水的内涝水深显著增加,而当100a一遇降雨遭遇100a一遇洪水与100a一遇降雨遭遇50a一遇洪水时的内涝情况相比,研究区所选节点的内涝深度相差不是很大.     

城市民防工程内涝风险研究

为研究上海五角场区域地下民防工程对城市内涝积水的防御能力,本文建立了内涝模型,计算得出了该区域在不同降雨重现期下的积水范围和深度,并对区域内50个民防站点在不同降雨重现期下的内涝进水情况进行了分析.结果表明,城市地下空间的进水重现期除受自身的高程、高差影响外,还与周围地势和排水条件密切相关.不考虑安全余量的情况下,五角场区域民防站点进水重现期普遍较高.随着安全余量的增加,民防站点进水重现期普遍有所下降,不同站点对安全余量增加的敏感程度有一定差异.     

格构式钢管输电塔架的体型系数和雷诺数效应

采用天平测力风洞试验获得亚临界范围钢管塔架的体型系数,研究塔架体型系数随密实度的变化特征,基于规范数据拟合体型系数从亚临界到超临界条件下的雷诺数折算系数,基于试验结果开展塔架体型系数与规范值的对比. 试验结果表明,相同密实度下横担的体型系数大于塔身,其原因为横担杆件长细比以及杆件前后的等效间距比均较大;在亚临界条件下塔身体型系数试验值与JEC-TR-00007—2015、DL/T 5551—2018 和GB 50009—2012规范值接近,而横担体型系数大于各国规范值;亚临界和超临界条件下各国规范的钢管塔架体型系数随着密实度?的增加而降低,使用最小二乘法拟合获得雷诺数折算系数为0.63+0.72?;在超临界条件下,塔身的体型系数与DL/T 5551—2018、GB 50009—2012 规范结果接近,横担的体型系数与IEC 60826—2017和ASCE MOP 74—2020规范结果接近.     

郑州“7·20”特大暴雨降水特征及其内涝影响

基于郑州市自动气象观测站资料,对河南郑州2021年“7·20”特大暴雨的降水极端性、降水时段、小时降水变化等特征及其内涝影响进行分析,提出超标准降水条件下内涝防治的建议。分析表明：河南郑州“7·20”特大暴雨是一次极端强降水天气过程,可以分为5个明显的降水阶段,第三阶段和第四阶段呈现短时强降水频发、重发特征,特别是20日12—18时郑州市主城区连续出现80 mm以上的小时降水,是造成郑州市主城区严重城市内涝的主要原因。按照现有的内涝防治设计标准,郑州市主城区仍不足以防范此种强度的降水,但仍可以通过完善城市内涝防治的超标应急系统、提高城市易涝点内涝防治标准等措施减轻内涝灾害。     

城市内涝预警系统研究——以开封市“7·20”特大暴雨应用效果为例

基于城市基础信息资料精细化程度和模型模拟不精准影响风险预报效果的问题，提出将多元时间序列ARIMAX模型应用于积水监测站的内涝预报，以便更精准地预测积水深度及变化过程；用多普勒雷达降水临近预报和数值模式降水预报产品，驱动积涝预报模型，建立城市内涝风险预警系统.结果表明，该系统在河南开封“7·20”特大暴雨临近时段（0～2 h）内涝风险预报效果较好，短时段（3～12 h）仍有较高的参考价值，能够为城市防汛和应急提供较好的技术支撑.     

基于Infoworks ICM模型的排水系统能力分析

本文以中新生态城起步区为例,基于Infoworks ICM模型,建立包含河道的排水系统模型,系统、全面地分析了排水系统的能力.结果表明,现状排水管网遭遇3年一遇降雨时,过流管道比例达到70%~80%,排水管网的能力不足;应对20年一遇降雨时,蓟运河故道的水位超过亲水平台高程,影响其安全;77.81ha区域超过内涝设计标准,最大积水深度1.45m,最长淹没时间36h;其中64%的面积最大积水深度在0.15~0.3m,53%的面积积水时间在2~6h之间.     

PR导热系数普遍化模型及其精度预测分析

在原PR导热系数模型基础上,改进建立了一个PR导热系数普遍化模型,在温度80～1 400 K和压力0.1～350 MPa内对油气藏流体中常见的22个纯组分的气、液相导热系数总共3 263个数据点进行了拟合,总平均相对误差为7.34%.对13个二元和三元混合物总共260个数据点预测的总平均相对误差为7.94%;对3个石油馏分总共22个数据点导热系数预测的总平均相对误差为9.68%.对极性纯物质的总共810个数据点预测的总平均相对误差为6.86%;对极性二元混合物的共439个数据点预测的总平均相对误差为6.03%.该模型的计算精度明显优于石油工程中常用的导热系数模型.     

深隧排水系统在城市内涝防治中的作用分析

深隧排水系统是一种行之有效的内涝防治工程措施,但目前国内相关的研究尚比较少,大规模深隧排水系统的应用效果及机制尚不明确.本文利用IFMS URBAN洪水模拟分析平台构建了分布式城市水文水动力模型,以成都市为例,研究深隧排水系统在城市内涝防治中的作用.设置了多种降雨情景和工况组合情景,对有无深隧条件下研究区内涝积水情况进行模拟,开展了多组模拟结果的对比和分析.结果表明:在30年一遇降水条件下,深隧服务范围内减少了31.4%的溢流点、50.5%的溢流水量,积水情况大大缓解,其服务范围内严重内涝问题基本得到控制;深隧排水系统削减城市内涝的作用随降雨重现期的增大和降雨峰现时间的延后而减弱;深隧系统中的蓄水池与泵站组合对深隧的作用具有较大影响.     

基于成分数据作球坐标变换的非负可变权系数的确定

针对传统的确定不可变权系数的组合预测模型未考虑各时点权重变化的特征,引入变权组合预测模型权系数的确定方法;非负可变权系数组合预测模型中各时点的权系数可以被看成一个成分数据,已有研究将成分数据应用于组合预测中,但未对权重为零的情形作深入讨论;考虑将成分数据的球坐标变换方法与组合预测方法相结合,给出一类非负可变权系数的组合预测赋权方法;最后以2017-07-03—2018-05-11美元兑换人民币汇率的开盘价数据验证了确定可变权系数方法的可行性和合理性;结果表明,文中所提出的方法能够有效提高组合预测的预测精度。     

CNLSTM模型预测城市积水

物联网平台能够为积水预测提供海量的传感器时间序列数据基础.为了精准且快速地预测城市内涝点积水趋势,提出一种基于神经网络的组合时序预测模型(CNLSTM),对多变量积水时间序列数据进行建模预测.此模型利用卷积神经网络(convolutional neural network,CNN)提取多变量数据之间的空间特征,得到具有空间相关性的特征量,利用长短时记忆网络(long short-term memory,LSTM)提取特征量之间的时间相关性预测未来积水水位.仿真结果表明,所提预测模型可以很好地捕获积水点水位与各输入量之间的非线性关系,并且比CNN,LSTM以及反向传播(back propagation,BP)神经网络具有能更好拟合实际水位的效果,更高的精度和泛化能力.此模型在城市积水预测中的有效性和适用性得到了验证,能够为积水点的提前预警、准备及汛前、汛中汛后治理方案的制定提供可靠的参考依据.