论文部分内容阅读
海绵城市的建设投资巨大、回报周期长,而城市的规划发展、人口迁移乃至气候变化都是难以预测的,如何在海绵城市规划和建设中考虑这些不可预测因素,提高城市排水基础设施的鲁棒性,优化排水设施建设过程的适应性,实现城市与自然的长期和谐共生,是海绵城市研究领域中急需解决的一个重要问题。应用模糊数学、粗糙集、人工神经网络等理论,结合云计算平台,设计并开发了绿色/灰色排水设施统筹规划与优化建设模型,降低了规划方法中的主观不确定性、优化了绿/灰统筹规划方案的鲁棒性、提升了规划方案的长期适应性、减少了模型的运算时间并强化了加速计算过程的稳定性。主要结果如下:1)提出了一种与地理信息模糊处理（GIS-fuzzification）相结合的四步骤绿色排水设施规划设计多层模糊决策法（Hierarchical Fuzzy Decision Making）。与传统的多因素决策法（Multi-Criteria Decision Making）相比,减少了58%的用户自定义数据量,降低了规划者主观认知的不确定性。2)使用Python语言建立了绿色/灰色排水设施统筹规划设计的计算模型。在相同绿色排水设施方案的背景下,应用该模型对墨尔本市Elster Creek区域的雨水管网进行了重新规划。应用图形理论（Graph Theory）比较了模拟管网与现有管网的结构,其平均度（Average Degree）分别为1.009和1.029,模块度（Modularity）分别为0.945和0.958,具有很好的结构相似性;应用SWMM模型比较两者的水力性能,在5年一遇降雨强度下,现有管网的溢流总水量为558.30m3,而按1年一遇、2年一遇和5年一遇标准设计的模拟管网的溢流总水量依次为410.57m3、310.62m3和47.93m3,内涝风险均显著降低,绿色/灰色排水设施的鲁棒性显著提高,且三种模拟管网的建设耗材量依次为现有管网的0.72倍、0.80倍和1.09倍。3)基于云计算平台建立了绿色/灰色排水系统的建设路径优化模型,实现了长期建设过程的多技术协同推演、多目标综合评估和多路径统筹优化,以墨尔本市Scotchman’s Creek区域为研究对象,模拟了约293万个情境,优化了其排水系统的建设路径（2015-2035）,提升了排水系统面对未来不可预测因素的适应性。4)以保证缩短运算时间为前提,以提高加速运算稳定性为目标,应用人工神经网络对大数据情境的模拟分析过程进行加速,减少了80%的运算时间,并通过误差分布统计的方式进行神经网络设计,提升了加速过程的稳定性。使用等量数据分别进行训练和预测时,预测误差（RMSE）为9.80,当预测数据量扩大为原来的8倍时,误差仅提高7.9%。该方法对于仅增建绿色排水设施的情境的预测能力较好,误差范围为[-1.26%,-0.22%],对于仅扩建灰色排水设施的情境的预测性能略差,误差范围为[5.56%,14.95%]。5)以保证预测精度为前提,以提高加速运算稳定性为目标,应用粗糙集理论设计了情境模拟分析的动态加速算法,提出了“显著性因子（Sig）”这一参数,实现了加速过程中机器学习严谨程度的动态控制和预测结果的概率输出。当学习严谨程度降低时(Sigmin由0.5降至0.25)时,运算时间削减量由16.45%提升至82.47%、全局均方根误差（RMSE）由6.63升至17.52。通过改变输入数据的时序,测试了该方法的运算时间削减量和全局均方根误差（RMSE）变化,其相对标准差分别为0.73%和1.82%,证明加速过程具有较高的稳定性。该方法对于仅扩建灰色设施的情境的预测能力较好,误差范围为[0.00%,0.05%];对于绿色排水设施效能的预测性能略差,但整体误差较为稳定,误差（RMSE）范围为[16.29,19.18]。研究成果为提升海绵城市规划与建设路径的长期适应性提供了一种有效的技术手段和决策平台。