《BUILDING AND ENVIRONMENT》：Rain Garden Reimagined: A Computational Approach to Urban Water Retention and Infiltration
编辑推荐：
Burszta-Adamiak Ewa | Biniak-Pieróg Ma?gorzata | Chrobak Grzegorz
波兰弗罗茨瓦夫环境与生命科学大学环境工程与大地测量学院环境工程研究所，Grunwaldzki Square 24，50-363 弗罗茨瓦夫
摘要
Burszta-Adamiak Ewa | Biniak-Pieróg Ma?gorzata | Chrobak Grzegorz
波兰弗罗茨瓦夫环境与生命科学大学环境工程与大地测量学院环境工程研究所，Grunwaldzki Square 24，50-363 弗罗茨瓦夫
摘要
雨水花园作为一种基于自然的解决方案，正在城市中得到越来越多的应用。尽管雨水花园的使用率在增加，但人们对它们的蓄水和渗透能力仍需了解更多。近年来，许多研究人员尝试使用现有的工具和规模来测试其水文性能。虽然构建了许多基于物理的模型来模拟雨水花园的性能，但其中一些模型使用的数据有限，无法准确建立环境指标与雨水花园性能之间的关系。本研究的目的是开发机器学习模型，以预测在波兰弗罗茨瓦夫进行的实地实验中，不同降雨量和环境条件下，地面雨水花园是否能够蓄水（二分类：是/否）。模型输入数据包括降雨量和持续时间、雨水花园中的基质湿度、水分保持时间及其水平，以及空气的温度和湿度条件。为了解决现有模型的局限性，提出了先进的机器学习技术来提高对雨水花园性能的预测和分析能力。本研究重点使用了逻辑回归（Logistic Regression）、决策树（Decision Trees）、支持向量机（Support Vector Machines, SVM）和人工神经网络（Artificial Neural Networks, ANN）。研究发现，雨水花园的蓄水能力与总降雨量、降雨强度和持续时间密切相关。下午1点和早上7点的饱和度亏缺具有中等预测价值。在分析的模型中，人工神经网络和逻辑回归模型的准确率最高（99.0%），其次是决策树（98.5%），支持向量机的性能略低（94.1%）。
章节摘录
引言
城市化进程不断加快，不透水表面的密度和面积不断增加，加上气候变化的影响，使得城市更容易遭受洪水和水资源短缺的威胁。在现有的基于自然的解决方案中，雨水花园越来越多地被安装在城市地区，用于收集来自屋顶或其他封闭表面的雨水径流[1,2]。从技术上讲，雨水花园是各种形状、大小和技术的浅层植被洼地。
研究地点
该雨水花园建于2019年，位于波兰弗罗茨瓦夫的一所高中内。它旨在收集并渗透来自附近一座面积为73.0平方米建筑屋顶的径流。雨水花园呈椭圆形（豆形），总面积为7.6平方米，中心部分的最大深度为0.3米（图1）。表层深度为0.05米，由直径10-25毫米的碎石组成，这一层的设计目的是减少……
结果
本研究采用了四种不同的预测建模技术来评估雨水花园的水文性能：逻辑回归（Logistic Regression）、决策树（Decision Trees）、支持向量机（Support Vector Machines, SVM）和人工神经网络（Artificial Neural Networks, ANN）。每种模型都因其捕捉数据中复杂关系的独特能力而被选中，并使用专门为该目的设计的数据集进行了开发、训练和验证。这使得……
讨论
雨水花园减少径流的主要方式是通过植被层和深层土壤的蓄水和渗透。在测量期间，雨水花园在不同降雨条件下的水文性能表现良好。绝大多数（81%）的径流直接被花园吸收，即通过渗透进入地下，而无需先在生物滞留池中储存（无储存）。蓄水现象主要发生在强降雨期间。
未来挑战与发展方向
在未来的研究中，克服挑战并规划发展方向需要评估根据温带气候设计指南设计的雨水花园是否具有足够的储水和渗透能力，以应对气候变化预测的极端降雨事件。根据Hosseinzadehtalaei等人的研究[41]，在欧洲，50年和100年一遇的次日极端降水事件的频率将在极端情况下增加三倍。
结论
- 1.
蓄水过程受到降水特征的显著影响。当平均降雨强度超过6毫米/小时、最大降雨强度超过60毫米/小时、降雨持续时间超过900分钟、总降雨量超过15毫米时，蓄水现象才会发生。
- 2.
任何时间点的饱和度亏缺几乎都与非蓄水结果相关，这可能是由于蒸发蒸腾作用增强和基质条件较干燥所致。同样，低温和高温也主要影响……
CRediT作者贡献声明
EBA：概念化、数据管理、形式分析、调查、方法论、监督、初稿撰写、审阅与编辑。MBP：概念化、数据管理、形式分析、调查、方法论、监督、初稿撰写、审阅与编辑。GCH：概念化、形式分析、方法论、软件开发、验证、可视化、初稿撰写。
写作过程中生成式AI和AI辅助技术的声明
在准备本稿时，作者使用了Google Gemini 3.5来提高手稿的可读性和语言表达。所有由AI生成的建议都经过了作者的审阅、修改和批准，作者对工作的准确性和完整性负全责。
数据可用性
作者无权分享原始数据。
处理后的数据集（RapidMiner过程文件.rmp）、R和Python分析脚本、高分辨率图表以及额外的验证结果可应要求提供。
CRediT作者贡献声明
Burszta-Adamiak Ewa：审阅与编辑、初稿撰写、监督、方法论、调查、形式分析、数据管理、概念化。Biniak-Pieróg Ma?gorzata：审阅与编辑、初稿撰写、监督、方法论、调查、形式分析、数据管理、概念化。Chrobak Grzegorz：初稿撰写、可视化、验证、软件开发、方法论、形式分析、概念化。
