综合考虑空间布局和参数配置的绿色-灰色基础设施多目标优化

《Journal of Hydro-environment Research》：Multi-objective optimization of green-grey infrastructure with comprehensive consideration of spatial layout and parameter configuration

快速城市化与气候变化加剧雨季地表径流和峰值流量，导致城市内涝。本研究构建SWMM与NSGA-II耦合的多目标优化框架，同步优化绿色基础设施（GR、PP、BR）的空间布局（水平维度）与结构参数（垂直维度）。通过参数敏感性分析确定关键设计参数：GR的斜坡高度、PP的透水层渗透率与厚度、BR的斜坡高度与土壤孔隙率。优化四场景（Green/Green_P/Green_Grey/Green_Grey_P）表明，Green_Grey_P场景实现最大径流体积削减率68.13%和峰值流量削减率67.82%。研究表明空间与参数协同优化至关重要，绿色设施贡献83.71%的径流控制，灰色设施贡献54.89%的峰值削减。采用成本效益比（C/E）和TOPSIS方法确定最优配置方案。摘要结束。

　　

王尔松|龚永伟|张迪克|童云|王梦歌

教育部城市雨水系统与水环境重点实验室，北京建筑大学，北京100044，中国

摘要

快速的城市化和气候变化加剧了雨季的地表径流和峰值流量，导致城市内涝问题日益严重。作为一种系统性的缓解措施，绿色-灰色基础设施受到了越来越多的关注。然而，绿色和灰色基础设施之间的协同作用尚未得到充分研究，特别是在空间布局（水平维度）和结构参数（垂直维度）方面。本研究开发了一个多目标优化框架，将雨水管理系统（SWMM）与非支配排序遗传算法II（NSGA-II）相结合。通过分析，确定了对径流敏感度较高的关键设计参数作为决策变量，包括绿色屋顶（GR）的土堤高度、透水铺装（PP）的铺装层渗透性和土壤层厚度及孔隙率，以及生物滞留设施（BR）的土堤高度、土壤层厚度、孔隙率和导电性。优化了四种绿色-灰色基础设施方案（Green、Green_P、Green_Grey、Green_Grey_P）。根据这四种方案的帕累托前沿，2年一遇的径流量平均减少率从49.09%增加到68.13%，峰值流量平均减少率从44.18%增加到67.82%。其中Green_Grey_P方案表现最佳。本研究强调了同时优化空间布局和关键参数的重要性，以及绿色-灰色基础设施的协同组合效果。对于最佳布局，绿色基础设施的比例顺序为：PP > GR > BR。在最佳参数中，铺装层渗透性的提升最为显著，优化后的平均值为457.94毫米/小时。在协同效应方面，绿色基础设施对径流量控制的贡献率高于灰色基础设施，为83.71%；而灰色基础设施对峰值流量减少的贡献率为54.89%。最终，通过成本效益（C/E）比率和TOPSIS方法确定了最优配置。该框架为绿色和灰色基础设施的多目标优化提供了全面的技术参考。

引言

快速的城市化进程显著影响了城市径流的水文过程，导致径流量增加、峰值流量升高、非点源污染加剧以及城市内涝事件的频繁发生（Yin等人，2021年）。传统的雨水管理主要依赖于灰色基础设施，侧重于通过管道网络快速排水和在管道终端的集中式径流处理（Gong等人，2024年；Huang和Lee，2023年；Liu等人，2025c年）。相比之下，绿色基础设施通过促进径流的就地生态储存、渗透和净化，在改善城市水文过程中发挥着关键作用（Fu等人，2023年；Tang等人，2023年；Feng等人，2025年）。绿色和灰色基础设施并非相互排斥，它们的协同整合能够带来显著的经济、环境和生态效益（Chen等人，2024年；Liu等人，2021年；Liu等人，2025b年；Ye等人，2025年；You等人，2025年）。然而，在规划和设计绿色和灰色基础设施时，全面平衡多个管理目标和设施配置变量仍然是一个挑战，尤其是绿色基础设施的空间布局、规模以及经常被忽视的设计参数。因此，需要一个综合考虑多目标和多变量的综合优化评估系统来协调这两类基础设施。

手动列举基础设施配置远远不足以解决多个目标之间的权衡问题并得出最优配置方案（Qin等人，2013年；Chui等人，2016年；Mei等人，2018年；Li等人，2019年）。相比之下，将水文模型与智能优化算法相结合的方法已被广泛用于解决多目标优化问题（Leng等人，2021年；Liu等人，2021年；Liu等人，2025b年；Lopes和da Silva，2021年；Yang等人，2023年；Zhang等人，2024年；Zhu等人，2023年）。美国环境保护署（USEPA）开发的雨水管理系统（SWMM）被广泛用于模拟实施绿色和灰色基础设施后的径流量和水质（Zeng等人，2021年；Rossman和Simon，2022年）。此外，SWMM的开源架构提供了编程灵活性和跨平台兼容性，便于与其他智能算法集成。智能算法（如遗传算法、粒子群优化和模拟退火算法）的应用使得高效快速地识别潜在的最优解集成为可能（Eckart等人，2018年；Huang等人，2018年；Zhu等人，2019年；Lopes和da Silva，2021年；Li等人，2022年；Jiang等人，2024年）。

尽管关于多目标智能优化方法的研究越来越多，但对决策变量（特别是绿色基础设施的设计参数）的全面性关注仍然不足。在设施尺度上，Brunetti等人（2016年）将粒子群优化（PSO）算法与机械模型（HYDRUS-1D）结合，用于确定透水铺装的非饱和水力特性；Brunetti等人（2017年）将PSO算法与机械模型（HYDRUS-2D）结合，用于估算雨水过滤装置的过滤层的土壤水力参数。在项目尺度上，Chui等人（2016年）通过评估不同LID措施在水文性能和成本效益方面的表现，确定了最佳LID设计方案；Lopes和da Silva（2021年）优化了低影响开发（LID）单元的面积及其土壤层和储存层的厚度；Yang等人（2023年）在进行SWMM模型智能优化之前，通过实验确定了特定地点的设施参数。

绿色基础设施的设计参数（如储存深度、土壤厚度和渗透率）对径流控制性能有显著影响（Chui等人，2016年；Liu等人，2025a年；Qin等人，2022年）。然而，绿色基础设施包含多种类型（绿色屋顶、透水铺装、生物滞留设施、雨水花园和植被洼地），其设计参数因结构层（表层、土壤层、储存层和排水层）的不同而有所差异。将所有这些参数都作为决策变量会显著降低优化算法的运行效率。因此，识别对水文效应有显著影响的关键绿色基础设施参数至关重要。参数敏感性分析方法（如Morris方法和Sobol方法）非常适合实现这一目标（Huang等人，2020年；Zhuang等人，2023年）。通过纳入这些关键设计参数，可以构建一个“水平-垂直”优化框架：水平维度涵盖设施的空间布局和规模，垂直维度关注其结构参数。

在对绿色-灰色基础设施的布局和参数进行多目标优化后，会生成一组帕累托解，为决策者提供多种设计选择。然而，在实际应用中，通常只需要一个或少数几个最优设计。因此，对帕累托解进行成本效益分析对于指导决策者基于偏好做出选择（如优先考虑更好的径流控制性能或更低的投资成本）至关重要（Li等人，2022年；Tang等人，2022年；Zhu等人，2023年；Zhang等人，2024年）。基于与理想解相似度的偏好排序技术（TOPSIS）是一种广泛用于排序问题中选择最优解的方法，该方法通过计算每个选项与理想解（最佳）和反理想解（最差）之间的欧几里得距离来工作（Hwang等人，1993年；Song和Chung，2017年；Luan等人，2019年；Tang等人，2022年）。

总体而言，关于同时优化绿色和灰色基础设施的位置、规模和参数的水文效应知之甚少。本研究将SWMM与非支配排序遗传算法II（NSGA-II）相结合，提出了一个“水平-垂直”优化框架，用于同时优化绿色和灰色基础设施的位置、规模和参数。本研究的目标是：（1）识别绿色基础设施的关键设计参数；（2）建立绿色-灰色基础设施的最优解集；（3）分析成本效益并筛选最优配置方案。

优化框架概述

优化框架描述

图1展示了绿色-灰色基础设施多目标优化的整体框架。第一步是建立研究区域的SWMM模型，并使用监测数据对其进行校准和验证。第二步使用改进的Morris方法对绿色基础设施参数进行敏感性分析，以识别对径流量和峰值流量敏感度较高的关键设计参数。第三步结合NSGA-II算法和SWMM来获得

SWMM模型校准和验证

图5比较了两次降雨事件下的监测流量和模拟流量。模型校准和验证的NSE分别为0.67和0.85，R2分别为0.73和0.85。这表明SWMM模型能够很好地模拟研究区域的径流情况，具有可接受的模型预测精度。表2总结了SWMM模型的校准后的水文和水力参数。

绿色屋顶（GR）

图6展示了敏感性分析的结果，考察了

结论

本研究开发了一个结合SWMM和NSGA-II的多目标优化框架，将空间布局（水平维度）和结构参数（垂直维度）纳入决策变量。基于该框架，优化了四种绿色-灰色基础设施方案，以最大化径流量控制和峰值流量减少，同时最小化投资成本。主要结论如下：

(1)

显著影响

作者贡献声明

王尔松：撰写——原始草稿、方法论、数据分析。龚永伟：撰写——审阅与编辑、方法论。张迪克：数据分析。童云：数据分析。王梦歌：数据分析。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究工作。

致谢

本研究得到了国家自然科学基金（项目编号：52270085）和北京市高水平创新团队建设与支持项目（项目编号：BPHR20220108）的资助。