Analiza wrażliwości i niepewności modelu hydrodynamicznego (SWMM) do prognozowania odpływu wód opadowych ze zlewni zurbanizowanej – studium przypadku

Szeląg, B.; Kiczko, A.; Dąbek, L.

Artykuł - szczegóły

Tytuł artykułu

Analiza wrażliwości i niepewności modelu hydrodynamicznego (SWMM) do prognozowania odpływu wód opadowych ze zlewni zurbanizowanej – studium przypadku

Autorzy

Szeląg B. , Kiczko A. , Dąbek L.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Sensitivity and uncertainty analysis of hydrodynamic model (SWMM) for storm water runoff forecasting in an urban basin – a case study

Języki publikacji

Abstrakty

Modelowanie ilości ścieków oraz napełnień przewodów sieci kanalizacyjnej stanowi istotny element umożliwiający ocenę funkcjonowania systemów odprowadzania wód opadowych z terenu zlewni. Złożoność procesów fizycznych, które są symulowane oraz ograniczona liczba danych dostępnych do kalibracji powoduje dużą niepewność uzyskanych wyników. W artykule przedstawiono przykład zastosowania techniki GSA-GLUE do analizy wrażliwości i probabilistycznej identyfikacji parametrów (szerokość drogi spływu, wysokość retencji terenowej powierzchni uszczelnionych i nieuszczelnionych, udział powierzchni uszczelnionej, współczynnik szorstkości kanałów, spadek podłużny zlewni) w przypadku modelu zlewni zurbanizowanej wykonanego w programie SWMM (storm water management model). Do kalibracji i walidacji modelu zlewni wykorzystano wyniki pomiarów wysokości opadów oraz przepływów ścieków deszczowych wykonanych w latach 2009–2011. Przeprowadzone obliczenia wykazały, że największy wpływ na kształt hydrogramu odpływu wód opadowych ze zlewni zurbanizowanej w opracowanym modelu hydrodynamicznym miały współczynnik szorstkości ścian kanałów oraz wysokość retencji terenów uszczelnionych. Uzyskane wyniki przeprowadzonej symulacji potwierdziły, że zastosowane w pracy metody oceny wrażliwości i identyfikacji parametrów mogą być pomocne przy kalibracji modeli hydrodynamicznych zlewni zurbanizowanych.

Modeling of sewage volume and sewer system filling-ups is an important element that allows performance assessment of a rainfall drainage system from a basin area. The complex nature of physical processes being simulated and limited amount of observation data available for calibration make the model outcomes highly uncertain. The presented case study demonstrates an application of the GSA-GLUE technique (global sensitivity – generalized uncertainty estimation) to the sensitivity analysis and probabilistic identification of parameters (surface runoff width, water capacity of impervious and pervious surfaces, impervious surface fraction, the Manning roughness coefficient of channels and longitudinal basin slope) for the urban catchment model designed with the SWMM software. Measurement data of rainfall intensity and rain water flow from the period of 2009 to 2011 was used for calibration and validation of the basin model. The numerical experiments revealed that the channel roughness coefficient and water capacity measures of impervious surfaces had the highest impact on shape of the calculated hydrograph for storm water runoff in an urban basin. The simulation results confirmed that the sensitivity analysis and parameter identification methods applied might be useful in calibration of urbanized basin hydrodynamic models.

Słowa kluczowe

GSA-GLUE analiza niepewności analiza wrażliwości SWMM ścieki deszczowe

GSA-GLUE sensitivity analysis uncertainty analysis SWMM storm water

Wydawca

Polskie Zrzeszenie Inżynierów i Techników Sanitarnych, Oddział Dolnośląski

Czasopismo

Ochrona Środowiska

Rocznik

2016

Tom

Vol. 38, nr 3

Strony

15--22

Opis fizyczny

Bibliogr. 34 poz., rys., tab., wykr.

Twórcy

autor

Szeląg B.

bszelag@tu.kielce.pl

Politechnika Świętokrzyska, Wydział Inżynierii Środowiska, Geomatyki i Energetyki, al. Tysiąclecia Państwa Polskiego 7, 25-314 Kielce

autor

Kiczko A.

Szkoła Główna Gospodarstwa Wiejskiego, Wydział Budownictwa i Inżynierii Środowiska, ul. Nowoursynowska 159, 02-878 Warszawa

autor

Dąbek L.

Politechnika Świętokrzyska, Wydział Inżynierii Środowiska, Geomatyki i Energetyki, al. Tysiąclecia Państwa Polskiego 7, 25-314 Kielce

Bibliografia

1. B. KAŹMIERCZAK, A. KOTOWSKI, A. DANCEWICZ: Weryfikacja metod wymiarowania kanalizacji deszczowej za pomocą modelu hydrodynamicznego (SWMM) w warunkach wrocławskich (Verification of storm sewerage sizing methods with the hydrodynamic model SWMM 5.0 for the municipality of Wroclaw). Ochrona Środowiska 2012, vol. 34, nr 2, ss. 25–31.
2. M. ZAWILSKI, A. BRZEZIŃSKA: Areal rainfall intensity distribution over an urban area and its effect on a combined sewerage system. Urban Water Journal 2013, Vol. 11, No. 7, pp. 532–542.
3. B. SZELĄG, J. GÓRSKI, Ł. BĄK, K. GÓRSKA: Modelling of stormwater quantity and quality on the example of urbanized catchment in Kielce. Ecological Chemistry and Engineering A 2013, Vol. 20, No. 11, pp. 1305–1316.
4. M. MROWIEC: Efektywne wymiarowanie i dynamiczna regulacja kanalizacyjnych zbiorników retencyjnych. Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2009.
5. M. MROWIEC, R. MALMUR: Comparative analysis of methods for dimensioning of storage reservoirs in sewage systems. Annual Set The Environment Protection 2013, Vol. 15, pp. 272–286.
6. Q.J. WANG: The genetic algorithm and application to calibrating conceptual rainfall runoff models. Water Resources Research 1991, Vol. 27, No. 9, pp. 2467–2471.
7. Z. MICHALEWICZ: Genetic Algorithms + Data Structure = Evolution Programs. Springer, New York 1994.
8. T. FANG, J.E. BALL: Evaluation of spatially variable parameters in a complex system: An application of genetic algorithm. Journal of Hydroinformatics 2007, Vol. 9, No. 3, pp. 163–173.
9. R.Y. RUBINSTEIN, D.P. KROESE: The Cross-Entropy Method. A Unified Approach to Combinatorial Optimization, Monte-Carlo Simulation and Machine Learning. Springer Science + Business Media, New York 2004.
10. K. BEVEN, A. BINLEY: The future of distributed models: Model calibration and uncertainty prediction. Hydrological Processes 1992, Vol. 6, No. 3, pp. 279–298.
11. G. KUCZERA: Improved parameter inference in catchment models: 1. Evaluating parameter uncertainty. Water Resources Research 1983, Vol. 19, No. 5, pp. 1151–1162.
12. R.J. ROMANOWICZ, K. BEVEN: Comments on generalised likelihood uncertainty estimation. Reliability Engineering & System Safety 2006, Vol. 91, No. 10–11, pp. 1315–1321.
13. B.C. BATES, E.P. CAMPBELL: A Markov Chain Monte Carlo scheme for parameter estimation and interference in conceptual rainfall – runoff modeling. Water Resources Research 2001, Vol. 37, No. 4, pp. 937–947.
14. S. THORNDAHL: Stochastic long term modelling of a drainage system with estimation of return period uncertainty. Proc. of 11th International Conference on Urban Drainage, Edinburgh (Scotland, UK) 2008.
15. W. ZHANG, T. LI: The influence of objective function and acceptability threshold on uncertainty assessment of an urban drainage hydraulic model with generalized likelihood uncertainty estimation methodology. Water Resources Management 2015, Vol. 29, No. 6, pp. 2059–2072.
16. M.K. MULETA, J.W. NICKLOW: Sensitivity and uncertainty analysis coupled with automatic calibration for a distributed watershed model. Journal of Hydrology 2005, Vol. 306, No. 1–4, pp. 127–145.
17. A. KICZKO, R.J. ROMANOWICZ, M. OSUCH, E. KA-RAMUZ: Maximising the usefulness of flood risk assessment for the River Vistula in Warsaw. Natural Hazards and Earth System Sciences 2013, Vol. 13, pp. 3443–3455.
18. X. SONG, J. ZHANG, C. ZHAN, Y. XUA, M. YE, C. XU: Global sensitivity analysis in hydrological modeling: Review of concepts, methods, theoretical framework, and applications. Journal of Hydrology 2015, Vol. 523, pp. 739–757.
19. A. BRANDYK, A. KICZKO, G. MAJEWSKI, M. KLENIEWSKA, M. KRUKOWSKI: Uncertainty of Deardorff’s soil moisture model based on continuous TDR measurements for sandy loam soil. Journal of Hydrology and Hydromechanics 2016, Vol. 64, No. 1, pp. 23–29.
20. G. ARCHER, A. SALTELLI, I. M. SOBOL: Sensitivity measures, Anova-like techniques and the use of bootstrap. Journal of Statistical Computation and Simulation 1997, Vol. 58, No. 2, pp. 99–120.
21. M. RATTO, S. TARANTOLA, A. SALTELLI: Sensitivity analysis in model calibration: GSA-GLUE approach. Computer Physics Communications 2001, Vol. 136, No. 3, pp. 212–224.
22. C.B. DOTTO, G. MANNINA, M. KLEIDORFER, L. VEZZARO, M. HENRICHS, D.T. MCCARTHY, I.A. DELETIC: Comparison of different uncertainty techniques in urban stormwater quantity and quality modelling. Water Research 2012, Vol. 46, No. 8, pp. 2545–2558.
23. I. FRAGA, L. CEA, J. PUERTAS, J. SUÁREZ, V. JIMÉNEZ, A. JÁCOME: Global sensitivity and GLUE-based uncertainty analysis of a 2D-1D dual urban drainage model. Journal of Hydrologic Engineering 2016, Vol. 21, No. 2.
24. M. SKOTNICKI, M. SOWIŃSKI: The sensitivity analysis of runoff from urban catchment based on the nonlinear reservoir rainfall – runoff model. Publications of the Institute of Geophysics Polish Academy Science 2006, Monographic Volume E-6 (390), pp. 129–137.
25. F.A. BELING, J.I.B. GARCIA, E.M.C.D. PAIVA, G.A.P. BASTOS, J.B.D. PAIVA: Analysis of the SWMM model parameters for runoff evaluation in periurban basins from southern Brazil. Proc. of 12nd International Conference on Urban Drainage, Porto Alegre (Brazil) 2011, pp. 1–8.
26. C. LI, W. WANG, J. XIONG, P. CHENG: Sensitivity analysis for urban drainage modeling using mutual information. Entropy 2014, Vol. 16, pp. 5738–5752.
27. J. BARCO, K. M. WONG, M. K. STENSTROM: Automatic calibration of the U.S. EPA SWMM model for large urban catchment. Journal of Hydraulic Engineering 2008, Vol. 134, No. 4, pp. 466–474.
28. S. L. DĄBKOWSKI, K. GÓRSKA, J. GÓRSKI, B. SZELĄG: Wstępne wyniki badań ścieków deszczowych w jednym z kanałów w Kielcach. Gaz Woda i Technika Sanitarna 2010, nr 10, ss. 20–24.
29. L.A. ROSSMANN: Stormwater Management Model. User’s Manual. Version 5.0. U.S. EPA, Cincinnati 2004.
30. R.J. ROMANOWICZ, K. BEVEN: Estimation of flood inundation probabilities as conditioned on event inundation maps. Water Resources Research 2003, Vol. 39, No. 3, pp. 4–12.
31. K. BEVEN: How far can we go in distributed hydrological modelling? Hydrology and Earth Systems Sciences 2001, Vol. 5, No. 11, pp. 1–12.
32. A. SALTELLI, S. TARANTOLA, F. CAMPOLONGO: Sensitivity analysis as an ingredient of modelling. Statistical Science 2000, Vol. 15, No. 4, pp. 377–395.
33. W. HUBER, R. DICKINSON: Stormwater Management Model. Version 4, Part A. User´s Manual. U.S. EPA, Cincinnati 1988, EPA/600/3-88/001a.
34. M. ZAWILSKI: Integracja zlewni zurbanizowanej w symulacji spływu ścieków deszczowych. Gaz Woda i Technika Sanitarna 2010, nr 6, ss. 28–32.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-f3fb8f17-0124-4077-b8d9-10397ef3b758