代理模型辅助的灰-绿设施优化：面向降雨变异性与管道淤积条件下的城市暴雨内涝缓解

《Journal of Water Process Engineering》：Surrogate-assisted gray–green optimization for urban pluvial flood mitigation under rainfall variability and pipe siltation

　　

- CResU-Net能够准确预测多种降雨和排水情景下的空间洪水场。
- 基准模型对比与消融分析验证了代理模型设计的合理性。
- 管道淤积改变了排水系统的响应特征，并加剧了城市内涝风险。
- 降雨时序格局调控着淹没演进过程与地表流连通性。
- Borg MOEA算法识别出具有自适应性的低影响开发—疏浚组合方案，用于城市防洪减灾。

引言

在气候变化与快速城市化的共同作用下，城市暴雨内涝已成为日益严峻的全球性挑战。短时强降雨事件的增强，叠加不透水表面的持续扩张，显著增加了城市内涝的发生频率与严重程度[1], [2]。与河流型洪水不同，城市暴雨内涝具有起涨迅速、空间异质性强以及排水网络内部水动力–水文过程交互复杂等特点，这使其准确预测与精细化管理尤为困难[3]。这些特征使得城市洪涝风险不仅强烈依赖于降雨量级，还取决于降雨的时序组织、排水系统的水力状况以及减缓设施的实际效能。因此，一个稳健的洪水管理框架需要联合表征这些相互作用的调控因素，而非孤立评估。

以往关于城市暴雨内涝的研究广泛采用了SWMM、MIKE Urban和InfoWorks ICM等物理机制型水动力与水文模型，以模拟降雨–径流转化过程与地表淹没过程。这些模型已被广泛用于评估各类降雨事件和城市流域配置下的洪水深度、淹没范围以及排水网络响应。这些研究为多城市条件下的洪水预测与排水系统分析奠定了坚实基础。然而，洪水风险评估仍常常仅基于有限的一组理想化设计雨型展开，而实际短时暴雨在峰值位置、强度分布及多峰结构上可能存在显著差异。此类时序差异会改变径流产生时刻、排水系统负荷、地表流连通性以及降雨输入与系统响应之间的同步关系。因此，总降雨量或名义重现期相近的暴雨可能引发截然不同的淹没过程。忽视降雨时序变异性可能掩盖洪水演进中的重要差异，并导致对排水系统性能及减缓效果的评估出现偏差。

除降雨特征外，城市排水系统的性能还强烈受到管道淤积等内部功能退化过程的影响[4]。以往关于城市排水系统与雨洪管理的研究通常假设理想水力条件、恒定管道过流能力，这在基于SWMM及优化方法的排水设计框架中尤为常见[5], [6], [7], [8]。然而在实际运行系统中，泥沙沉积会逐步减小雨水管道有效过流断面，改变局部输水能力，并在整个管网中重新分配水力负荷。其响应结果并不必然表现为局部溢流压力的单调增加：管网某一部分的过流受限可能改变上游积水、下游负荷以及节点溢流的空间分布。因此，管道淤积应被视为一种网络尺度的水力退化过程，而不仅是局部管道过流能力的下降。尽管该问题具有重要实践意义，降雨时序结构与排水管网退化对城市洪水演进过程的耦合作用仍表征不足。

大量研究致力于通过灰色–绿色基础设施规划减轻城市内涝。低影响开发（LID）措施，如透水铺装、绿色屋顶和生物滞留系统，可在径流进入排水网络前削减并推迟其入渗[9], [10], [11]。因此，多目标优化算法被与水文或水动力模型耦合，以揭示防洪减灾、基础设施投资及其他规划目标之间的权衡关系[12], [13], [14], [15]。然而，单项灰色与绿色干预措施的有效性取决于主导的洪涝生成机制。源头控制措施主要调节径流产生与汇流，而排水设施整治则恢复输水能力。因此，其相对效益可随降雨时序结构、降雨量级以及排水管网状况而变。基于单一降雨模式或理想排水状态进行优化，可能产生在设定情景下高效但在其他强迫条件或退化管网条件下效果较差的干预组合。另一个局限在于计算成本。将高保真1D2D水动力模型直接嵌入进化优化中，需要数千至数百万次重复模型评估，这极大限制了多情景分析与高维基础设施规划的实施。

更广泛而言，数据驱动建模的最新进展已展现出灵活计算方法在表征复杂非线性关系方面的强大能力。高斯过程回归为非线性逼近与不确定性感知预测提供了有效框架[16], [17]，而神经网络模型则为学习复杂输入–输出映射提供了强表征能力[18]。图形化方法，如有向无环图方法，为刻画交互变量之间的依赖结构与方向性关系提供了互补手段[19]，而集成与复合建模策略可通过整合多个模型的互补信息、降低对单一模型局限的敏感性来提升预测稳健性。这些方法进展共同凸显了数据驱动方法在表征复杂系统方面的广阔潜力，并为基于代理的建模提供了通用基础。数据驱动代理建模已成为缓解高保真洪水模拟反复运行所带来的计算负担的一种有前景的途径。包括传统卷积神经网络、多层感知机、随机森林以及降阶建模方法在内的一系列代理技术已被用于以显著更低的计算成本近似水动力模型响应[20], [21]。近期，生成式与物理引导架构被开发出来，以再现空间分布淹没场并提升不同水文条件下的预测稳健性[22], [23], [24]。然而，当此类代理被嵌入基础设施优化时，仍面临重要挑战。许多传统代理应用主要聚焦于标量或低维洪水指标，而空间淹没预测往往需要对响应场进行展平或在回归前进行降维。这些处理方式可能削弱对城市淹没过程所具有的近邻依赖性、空间连续性与水力连通性的显式表征。降阶方法可大幅降低输出维度，但其重构精度可能取决于保留模态数量，对于局部高水深区域与复杂淹没边界尤为如此。同样，纯粹数据驱动的代理在训练样本稀疏覆盖相关强迫与系统状态空间时，可能产生物理上不合理的空间响应，这促使人们将物理约束与结构先验引入代理模型开发。更广泛而言，代理可靠性强烈依赖于训练过程中所涵盖的水文气象强迫、排水条件与干预配置范围。这些问题对于灰色–绿色基础设施优化尤为重要，因为代理模型不仅要提供快速预测，还必须在统一优化框架中保持空间一致的洪水响应，同时兼顾降雨变异性、排水管网退化及高维干预配置。

为应对上述需求，本研究开发了一个整合框架，将多情景水动力模拟、基于CResU-Net的快速洪水预测以及基于Borg MOEA的灰色–绿色基础设施优化耦合在一起。CResU-Net作为高保真水动力模型的空间代理，采用具有跳跃连接与残差块的卷积编码器–解码器结构，以捕捉空间依赖关系、保留局部淹没特征并促进特征稳定传播。降雨模式与情景信息作为条件输入被纳入，使代理模型能够在区分不同降雨时序结构与重现期下洪水响应的同时，考虑低影响开发配置与管道淤积条件的变化。为增强预测淹没场的物理合理性，模型训练中引入了非负输出约束与无效单元掩码。此外，采用空间感知损失函数以改善预测场的空间一致性。通过CResU-Net与代表性代理模型（包括MLP、RF和CNN）的对比，进一步评估其预测性能；同时开展消融实验，检验关键模型组件与物理约束（包括损失计算中的水深非负性强制与无效单元掩码）的作用。随后将训练好的代理嵌入Borg MOEA，从而在不重复运行计算密集型水动力模型的情况下，实现灰色–绿色基础设施组合的高效大规模探索。基于该框架，本研究的主要方法创新可归纳为三个方面。

（1）引入耦合降雨–排水退化视角，揭示降雨时序结构与管道淤积如何共同影响城市洪水演进。研究并非将降雨强迫与排水能力独立看待，而是阐明在非理想排水条件下二者对径流累积、空间淹没扩展、排水系统响应及洪水传播的联合作用。

（2）开发CResU-Net作为高保真水动力模型的空间显式代理，用于多情景洪水预测。通过整合卷积空间特征提取、残差学习、条件情景信息及物理约束，模型能够捕捉不同降雨模式、重现期、低影响开发配置及管道淤积条件下的淹没响应。其性能与代表性代理方法（包括MLP、RF和CNN）进行了系统评估，并辅以消融实验检验关键组件与物理约束的贡献。

（3）将CResU-Net代理嵌入Borg MOEA，建立联合考虑源头控制措施与排水整治的灰色–绿色组合优化框架。该框架识别了透水铺装、雨水花园、绿色屋顶与管道疏浚之间的成本–淹没权衡关系，并揭示了主导防洪减灾机制如何随降雨强度与排水退化条件而变化，为降雨自适应基础设施投资与分阶段洪水韧性规划提供了依据。

本文其余部分组织如下：第2节介绍研究方法；第3节描述研究区与数据来源；第4节呈现结果与讨论；第5节总结主要结论与未来展望。

研究框架节选

本研究通过短历时降雨事件下的城市洪水形成、演进与减灾研究，构建了一个整合框架，将多情景水动力模拟、降雨模式表征、排水系统退化建模、基于代理的快速预测以及灰色–绿色基础设施系统的多目标优化相结合。整体框架旨在显式捕捉降雨时序结构与……

研究区

研究区位于中国河南省郑州高新区（113°31′10″E–113°32′15″E，34°48′10″N–34°49′50″N），面积约为2.226 km2。主要由水域、道路、建筑、绿地及其他用地类型组成，面积分别为0.034 km2、0.245 km2、0.257 km2、1.34 km2和0.35 km2。研究区雨水排水系统使用SWMM与InfoWorks软件进行概化，共包含408条管道、408个节点和1个……

耦合水文–水动力洪水模型可靠性评估

水文与水力参数依据2025年8月7日观测暴雨事件进行率定，率定参数值汇总于附表S3。率定后模型较好地再现了地表水深与管道流量的时序变化及峰值响应（图S3），纳什–萨塔克利特效率系数（NSE）为0.921–0.954，峰值相对误差为5.6%～12.5%。率定参数集随后被固定，并在此后应用过程中……

结论

本研究构建了一个代理辅助的灰色–绿色优化框架，用于城市暴雨内涝减灾，整合了降雨时序变异性、排水系统退化、高保真水动力模拟、基于深度学习的水深空间预测以及多目标基础设施规划。与仅在理想化排水条件下评估减缓措施不同，所提出的框架显式考虑了降雨结构、管道淤积的耦合作用……

作者贡献声明

Jie Li：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件，项目管理，方法，正式分析，概念化。Danyang Di：撰写——审阅与编辑，监督，资源，项目管理，资金获取，概念化。Hao Jia：可视化，验证，调查，数据整理，正式分析。Jianfei Wanyan：可视化，软件，数据整理，验证。Junsong Xu：验证，软件，调查。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系可能影响本文所述工作的报道。

致谢

本工作部分由河南省自然科学基金（项目编号：252300421086）资助，部分由中国国家自然科学基金（项目编号：42477172）资助，部分由河南省高校科技创新人才计划（项目编号：24HASTIT026）资助，部分由中国科学技术协会青年支持计划（项目编号：CHINCOLD-QNRC0010）资助，部分由……重点项目资助。

Jie Li | Danyang Di | Hao Jia | Jianfei Wanyan | Junsong Xu