排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
SWMM 模型在城市不透水区地表径流模拟中的参数识别与验证 总被引:6,自引:2,他引:6
为了研究城市不透水下垫面的降雨径流过程和污染负荷,以屋面为例,选择径流管理模型SWMM,采用独立场次实测数据,应用基于不确定性分析的HSY算法和Monte Carlo采样方法对模型中的水文水力和水质参数进行识别和验证.结果表明,地表不透水区径流模型中主要包含6个关键参数,分别为不透水区初损填洼深度(S-imperv)、不透水区曼宁系数(N-imperv),指数累积方程中的最大可能累积值(max buildup)、累积常数(rate constant),指数冲刷方程中的冲刷系数(coefficient)和冲刷指数 (exponent).水文水力参数的识别可以最小二乘法偏差作为目标函数,水质参数的识别可以场次污染负荷和污染物峰值浓度作为目标函数.参数识别结果为N-imperv0.012~0.025, S-imperv 0~0.7, max buildup 15~30, rate constant0.2~0.8, coefficient0.01~ 0.05, exponent1.0~1.2.参数的区域灵敏度由大到小排序为 coefficient、S-imperv、N-imperv、max buildup、exponent、rate constant.识别后的参数可以通过模型验证,但是在模拟一些雨型特殊的降雨径流污染物浓度曲线时,仍然存在一定的困难. 相似文献
2.
城市降雨径流污染模拟的水质参数局部灵敏度分析 总被引:6,自引:1,他引:6
在城市降雨径流污染模拟研究中,参数灵敏度分析是进行模型率定和验证的必要研究环节,同时也是理解非点源污染产生和变化过程及进行城市降雨径流污染管理的重要参考.运用修正的摩尔斯分类筛选法(Morris screening method)对暴雨管理模型(Storm Water Management Model,简称SWMM)的水质参数进行局部灵敏度分析.研究结果显示,占区域比例较大的不透水地表的累积和冲刷参数灵敏度较高;在强降雨过程中,降雨中污染物浓度的灵敏度较高.研究表明,对占区域比例较大的不透水地表的累积和冲刷参数进行仔细识别,对于非点源污染模型的验证具有重要意义;强降雨时雨水本底浓度的测量误差会影响降雨径流污染模拟的准确度. 相似文献
3.
4.
运用Morris筛选法对城市降雨径流模型SWMM的水文水力模块的相关参数进行局部灵敏度分析,以便对模型灵敏参数识别和不确定性分析.结果表明,影响3场降雨径流深的最灵敏度参数均为不透水率,灵敏度分别是0.88,0.98和0.43.影响峰值流量的灵敏参数因不同雨强的降雨场次存在波动,雨强最大的降雨最灵敏参数为管道曼宁糙率,雨强最小的降雨最灵敏参数为无低洼地不透水区所占百分比.不同降雨强度SWMM模型水文水力模块的灵敏参数有所差异,尤其是下渗率相关的参数. 相似文献
5.
1