| 574 | 2 | 1179 |
| 下载次数 | 被引频次 | 阅读次数 |
全球气候变化背景下，城市极端暴雨致涝风险日益加剧，如何在超大特大城市中实现极端暴雨致涝过程的高效精准预测，已成为防灾减灾与提升城市韧性的核心科学问题和工程需求。为解决传统水动力模型计算效率低、实时性差的问题，提出一种融合物理机理模型与人工智能（AI）算法的双驱动高效模拟预测方法。集成产流计算、二维水动力汇流及管网-地表耦合机制，构建高精度雨洪过程数值模型；通过非均匀网格优化和多GPU并行计算融合，实现超大特大城市极端暴雨致涝过程高效高精度模拟；以物理模型生成训练数据驱动AI预测模型的模式，实现超大特大城市极端暴雨致涝过程的快速预测。以陕西省西安市为例，基于融合物理机理与AI算法的双驱动预测模型较传统水动力模型提速约287倍，相对误差低于10%，实现了极端暴雨主城区积水风险分级快速预测。该方法为超大特大城市暴雨内涝快速预警与科学应对提供了高效技术支撑。
Abstract：Under the background of global climate change, the risk of extreme rainfall-induced flooding in cities is increasingly intensifying. How to achieve efficient and accurate prediction of such flooding processes in ultra-large cities has become a core scientific issue and engineering demand for disaster prevention, mitigation, and enhancing urban resilience. To address the problems of low computational efficiency and poor real-time performance of traditional hydrodynamic models, a dual-driven highefficiency simulation and prediction method that integrates physical mechanism models with artificial intelligence(AI) algorithms is proposed. By incorporating runoff generation calculations, twodimensional hydrodynamic routing, and the coupled mechanism of pipe networks and surface flow, a high-precision numerical model of rainfall-flood processes is constructed. Through non-uniform grid optimization and multi-GPU parallel computing, efficient and accurate simulation of extreme rainfallinduced flooding in ultra-large cities is achieved. Using training data generated by the physical model to drive the AI prediction model enables rapid forecasting of flooding processes. Taking Xi'an City in Shaanxi Province as an example, the dual-driven prediction model based on the integration of physical mechanisms and AI algorithms achieves a computational speed about 287 times faster than traditional hydrodynamic models, with relative error below 10%, and realizes rapid classification of waterlogging risks in the main urban area under extreme rainfall. This method provides efficient technical support for rapid early warning and scientific response to urban waterlogging caused by extreme rainfall in ultralarge cities.
[1]周添红，唐佐槐，褚俊英，等.极端暴雨条件下城市内涝模拟研究进展与展望[J].人民长江，2025,56(5):14-22+30.
[2]徐宗学，叶陈雷.城市暴雨洪涝模拟：原理、模型与展望[J].水利学报，2021,52(4):381-392.
[3]MING X,LIANG Q,XIA X,et al.Real-time flood forecasting based on a high-performance 2-D hydrodynamic model and numerical weather predictions[J].Water resources research,2020,56(7):e2019WR025583.
[4]侯精明，张兆安，马利平，等.基于GPU加速技术的非结构流域雨洪数值模型[J].水科学进展，2021,32(4):567-576.
[5]黄国如，陈志威，曾博威.城市洪涝模型及CPU-GPU异构并行计算技术研究进展[J].水利学报，2023,54(6):654-665.
[6]张大伟，冯新政，林文青，等.国内外不同GPU用于洪水模拟时加速性能对比分析[J].中国水利水电科学研究院学报(中英文)，2024,22(5):530-538.
[7]LIN L,TANG C Q,LIANG Q H,et al.Rapid urban flood risk mapping for data-scarce environments using social sensing and region-stable deep neural network[J].Journal of Hydrology,2023,617(PA）.
[8]林凯荣，欧阳佳娜，马旭民，等.基于深度学习方法的城市内涝模拟研究[J/OL].水资源保护，1-14(2024-12-24)[2025-08-16].https://link.cnki.net/urlid/32.1356.TV.20241224.0923.016.
[9]潘鑫鑫，侯精明，乔娟，等.基于数值模型和GA-BP神经网络的城市内涝快速预测方法[J/OL].应用基础与工程科学学报，1-16(2025-06-16)[2025-08-16].https://link.cnki.net/urlid/11.3242.TB.20250626.1448.002.
[10]陈小兰，喻海军，杨滨，等.城市雨洪模型在排水系统升级改造中的应用[J].水电能源科学，2021,39(10):135-139.
[11]胡伟贤，何文华，黄国如，等.城市雨洪模拟技术研究进展[J].水科学进展，2010,21(1):137-144.
[12]刘成帅，孙悦，胡彩虹，等.考虑产流模式空间分布的流域-城市复合系统洪水预报模型[J].水科学进展，2023,34(4):530-540.
[13]刘成帅，许营营，孙悦，等.产流模式空间分布对城市雨洪过程模拟的影响[J].水资源保护，2024,40(2):28-34+116.
[14]丁启，王宗志，刘克琳，等.基于水文模型的山东半岛典型流域产流模式探讨[J].水文，2024,44(3):67-73.
[15]付宇鹏，梁忠民，李彬权，等.SCS产流模型在渭河流域的修订研究[J].人民黄河，2021,43(5):24-29.
[16]郭芳琴.蓄满产流模型在辽东山区的应用研究[J].水土保持应用技术，2024(3):7-9.
[17]王文亮，尹佳伟，田晓霞，等.城市小流域暴雨体积径流系数推求与应用[J/OL].水资源保护，1-11(2025-06-25)[2025-08-16].https://link.cnki.net/urlid/32.1356.TV.20250625.1038.002.
[18]金鑫，郝振纯，张金良.水文模型研究进展及发展方向[J].水土保持研究，2006(4):197-199+202.
[19]林凯荣，郭生练，张文华.基于霍顿下渗能力曲线的流量过程线连续分割方法研究[J].水文，2008(1):10-14.
[20]任伯帜，邓仁建.城市地表雨水汇流特性及计算方法分析[J].中国给水排水，2006(14):39-42.
[21]司伟，黄思琦，瞿思敏，等.基于马斯京根连续演算误差修正方法的新安江模型流域洪水预报研究[J/OL].水资源保护，1-11(2025-05-20)[2025-08-16].https://link.cnki.net/urlid/32.1356.tv.20250519.1629.021.
[22]崔志美，黄维，黄志都，等.基于元胞自动机的降雨-径流模型对城市淹没过程的模拟[J].水电能源科学，2024,42(10):16-19+43.
[23]侯精明，李桂伊，李国栋，等.高效高精度水动力模型在洪水演进中的应用研究[J].水力发电学报，2018,37(2):96-107.
[24]任汉承，刘舒，谢每超，等.基于精细化水动力模型的城市内涝特征分析及风险评估[J].水利水电技术(中英文)，2022,53(4):24-40.
[25]叶陈雷，徐宗学.水工程调度与低影响开发协同作用下典型城市片区洪涝过程模拟--以福州市为例[J].水利学报，2022,53(7):833-844.
[26]张大伟，向立云，姜晓明，等.基于Godunov格式的排水管网水流数值模拟[J].水科学进展，2021,32(6):911-921.
[27]VASCONCELOS J G,WRIGHT S J,ROE P L.Improved Simulation of Flow Regime Transition in Sewers:The Two-Component Pressure Approach[J].Journal of Hydraulic Engineering,2006,132(6):553-562.
[28]耿艳芬.城市雨洪的水动力耦合模型研究[D].大连：大连理工大学，2006.
[29]张大伟，权锦，马建明，等.应用Godunov格式模拟复杂河网明渠水流运动[J].应用基础与工程科学学报，2015,23(6):1088-1096.
[30]刘荣华，魏加华，朱德军，等.基于JPWSPC的河网一维水动力学模拟并行计算研究[J].应用基础与工程科学学报，2015,23(2):213-224.
[31]吕佳豪，侯精明，李东来，等.城市排水管网排口水位变化对城市洪涝过程的影响[J].给水排水，2023,59(5):140-149.
[32]程建中，黄永俊，许冰清.基于地-管-河耦合模型的南宁市城区洪涝灾害模拟及淹没影响研究[J].人民珠江，2024,45(11):24-33.
[33]吕佳豪，侯精明，史超，等.支流洪水组合对干流区域的致灾影响模拟分析[J].应用基础与工程科学学报，2024,32(2):394-409.
[34]董柏良，夏军强，王小杰，等.地表径流与地下管流耦合的城市暴雨洪涝动力学模型[J].水资源保护，2024,40(6):95-103+172.
[35]李绍铭，金辉，李鹏.基于MIKE FLOOD耦合模型的城市暴雨洪涝模拟[J/OL].南水北调与水利科技（中英文），1-13(2024-11-21)[2025-08-16].https://link.cnki.net/urlid/13.1430.TV.20241121.1336.004.
[36]李智，张倩，兰双双.基于SWMM和LISFLOOD-FP的城市内涝耦合模型研究[J].水电能源科学，2024,42(2):202-206.
[37]LI D L,HOU J M,ZHANG Y W,et al.Influence of Time Step Synchronization on Urban RainfallRunoff Simulation in a Hybrid CPU/GPU 1D-2DCoupled Model[J].Water Resources Management,2022,36(10):3417-3433.
[38]CHEN A S,EVANS B,DJORDJEVICS,et al.Acoarse-grid approach to representing building blockage effects in 2D urban flood modelling[J].Journal of Hydrology,2012(426):1-16.
[39]?ZGEN I,LIANG D F,HINKELMANN R.Shallow water equations with depth-dependent anisotropic porosity for subgrid-scale topography[J].Applied mathematical modelling,2016,40(17-18):7447-7473.
[40]HOU J M,WANG R,JING H X,et al.An efficient dynamic uniform Cartesian grid system for inundation modeling[J].Water Science and Engineering,2017,10(4):267-274.
[41]王俊珲.基于非均匀网格的洪涝过程数值模型研究[D].西安：西安理工大学，2022.
[42]周建中，张华杰，毕胜，等.自适应网格在复杂地形浅水方程求解中的应用[J].水科学进展，2013,24(6):861-868.
[43]ZHANG L L,LIANG Q H,WANG Y L,et al.Arobust coupled model for solute transport driven by severe flow conditions[J].Journal of HydroEnvironment Research,2015,9(1):49-60.
[44]杨露.基于GPU并行计算技术的生态水力学高效高分辨率数值模拟研究[D].西安：西安理工大学，2023.
[45]侯精明，王润，李国栋，等.基于动力波法的高效高分辨率城市雨洪过程数值模型[J].水力发电学报，2018,37(3):40-49.
[46]侯精明，王俊珲，同玉，等.基于非均匀网格的高效高精度洪涝过程模拟[J].工程科学与技术，2021,53(4):53-62.
[47]XIA X L,LIANG Q H,MING X D.A full-scale fluvial flood modelling framework based on a highperformance integrated hydrodynamic modelling system(Hi PIMS)[J].Advances in Water Resources,2019(132):103392.
[48]韩浩，侯精明，金钊.新型流域雨洪过程模拟方法研究[J].西北水电，2022(5):41-46.
[49]DONG B L,HUANG B S,TAN C,et al.City-scale high-resolution flood nowcasting based on high-performance hydrodynamic modelling[J].International journal of disaster risk reduction:IJDRR,2025(125):105584.
[50]南统超，施睿，于春水.基于国产CPU/GPU平台的水动力模型异构并行计算[J].水利学报，2025,56(6):771-779.
[51]王俊，刘昊宇，江恩慧，等.基于机器学习的城市内涝模拟研究进展与展望[J].市政技术，2025,43(6):181-189+197.
[52]刘荣华，王雪梅，刘晓婉，等.暴雨山洪模拟与预警模型研究进展与展望[J].中国防汛抗旱，2025,35(6):1-10.
[53]张建云，谢康，刘艳丽，等.融合物理机制的机器学习水文模型研究进展[J/OL].人民长江，1-17(2025-05-26)[2025-08-16].https://link.cnki.net/urlid/42.1202.TV.20250526.1418.004.
[54]雍斌，张建云，王国庆.黄河源区水文预报的关键科学问题[J].水科学进展，2023,34(2):159-171.
[55]邱超，王威.基于云计算架构的水文大数据云平台建设[J].人民长江，2018,49(5):31-35.
[56]林林.水利云平台若干技术问题研究[D].北京：中国水利水电科学研究院，2016.
[57]LIAO Y,WANG Z,CHEN X,et al.Fast simulation and prediction of urban pluvial floods using a deep convolutional neural network model[J].Journal of Hydrology,2023(624):129945.
[58]TAO J,GU Y,YIN X,et al.Coupling SWAT and Transformer Models for Enhanced Monthly Streamflow Prediction[J].Sustainability,2024,16(19):8699.
[59]CHEN G,HOU J,LIU Y,et al.Urban inundation rapid prediction method based on multi-machine learning algorithm and rain pattern analysis[J].Journal of Hydrology,2024(633):131059.
[60]DAZZI S.Physics-Informed Neural Networks for the Augmented System of Shallow Water Equations With Topography[J].Water Resources Research,2024,60(10):036589.
基本信息:
中图分类号:TU992
引用信息:
[1]侯精明,王添,李东来,等.超大特大城市极端暴雨致涝过程高效模拟预测方法研究[J].中国水利,2025,No.1020(18):19-28.
基金信息:
国家重点研发计划项目（2024YFC3012403）; 国家自然科学基金项目（52409104）
2025-10-16
2025-10-16
2025-10-16