HydroAmal：基于模拟-优化耦合的守恒水库洪水调控框架及其在季风区极端降雨事件中的应用

针对缺乏专用防洪库容的守恒水库在季风期集中降雨引发的洪水管理难题，研究人员开发了耦合水文模型HEC-HMS与优化算法AMALGAM的HydroAmal框架。通过优化阶梯式出流过程线，实现了洪水衰减率(FAR)提升至0.574，极端事件下有效创造防洪缓冲空间。该研究为季风区水库的洪蓄矛盾提供了创新解决方案。

　　

在季风气候主导的南亚地区，守恒水库（conservation reservoir）面临严峻挑战：这些以供水为主要功能的水利设施通常未设专用防洪库容，却需要承接短时间内集中降落的高强度降雨。以印度Chembarambakkam水库为例，全年80%的降雨量集中在季风期少数几次暴雨事件中，传统调度方式常导致下游洪灾与水库弃水的双重困境。如何在不牺牲蓄水功能的前提下实现洪水调控，成为水资源管理领域的"哥德巴赫猜想"。

针对这一难题，由印度理工学院马德拉斯分校团队开发的HydroAmal框架给出了创新答案。这项发表在《Environmental Modelling & Software》的研究，通过耦合水文模拟与多目标优化技术，构建了兼顾防洪与蓄水的智能决策系统。研究人员首先基于1978-2015年的降雨数据，采用耿贝尔分布（Gumbel distribution）推导出深度-历时-频率曲线（DDF），生成42种不同重现期的设计暴雨。随后运用HEC-HMS（Hydrologic Engineering Centre-Hydrologic Modelling System）进行入库流量模拟，经2005年事件验证显示模型性能良好（PBIAS=-8.045%，RMSE=20.015 m³/s）。

关键技术方法包括：1）基于DDF曲线的设计暴雨生成；2）HEC-HMS水文模型参数率定；3）采用AMALGAM多目标进化算法优化15阶出流过程线；4）引入洪水衰减率（FAR）作为核心评价指标。研究数据来源于Chembarambakkam水库实际运行记录及当地自记雨量站观测资料。

研究结果揭示：

1. 洪水衰减效能：对2015年事件（Event-3）的优化使FAR从实际调度的0.064提升至0.479，峰值流量削减近50%。
2. 蓄水优化机制：通过战略性的汛前预泄（strategic drawdown），系统在极端事件前24小时即创造有效防洪库容，实现末端蓄水量最大化。
3. 模型耦合优势：HEC-HMS与AMALGAM的协同作用，解决了传统方法中水文模拟与调度决策脱节的问题。

结论部分强调，HydroAmal框架的创新性体现在三个方面：首次将阶梯式出流优化应用于守恒水库；开发了可量化评估的FAR指标；验证了短期预泄策略在季风区的可行性。该研究为全球类似气候区的水库管理提供了可复制的技术范式，其MATLAB开源代码（GitHub平台可获取）更推动了成果的实践转化。正如通讯作者Balaji Narasimhan指出，这种"鱼与熊掌兼得"的解决方案，或将重塑热带地区水灾害风险管理的基本逻辑。