5 Ο Πανελλήνιο Συνέδριο Αγρονόμων και Τοπογράφων Μηχανικών 4 & 5 Οκτωβρίου 07, Αθήνα Βαθμονόμηση και Επαλήθευση του Λογισμικού SWMM σε μια Λεκάνη του Παντορροϊκού Συστήματος Αποχέτευσης της Αθήνας Κούρτης Ι.Μ., Κοψιαύτης Γ., Μπέλλος Β.,, Τσιχριντζής Β.Α. Κέντρο Εκτίμησης Φυσικών Κινδύνων και Προληπτικού Σχεδιασμού & Εργαστήριο Εγγειοβελτιωτικών Έργων και Διαχείρισης Υδατικών Πόρων, Σχολή Αγρονόμων και Τοπογράφων Μηχανικών, Ε.Μ.Π. CHM, UK
Εισαγωγή Περιοχή Μελέτης Μεθοδολογική Προσέγγιση Αποτελέσματα Συμπεράσματα
Οι πλημμύρες αποτελούν από τις πλέον συχνές και καταστροφικές φυσικές καταστροφές (Bellos and Tsakiris 05). Σύμφωνα με τους Kron et al. (0) οι ζημιές στην Ευρώπη, κατά την περίοδο 980-00, λόγω ακραίων καιρικών φαινομένων είναι της τάξης 5-35 δισεκατομμύρια US$.
Έκταση.45 km 457 φρεάτια και 460 αγωγοί Βροχογράφος στην Γεωγραφική Υπηρεσία Στρατού και όργανα μέτρησης παροχής σε αγωγούς του δικτύου (Antonaropoulos and Associates 006)
(Πηγή: Rossman 00 )
Σταθερές Παράμετροι Παράμετροι Βαθμονόμησης α/α Παράμετρος Εύρος α/α Παράμετρος Εύρος N-Imperv (s/m /3 ) 0.05 N-Perv (s/m /3 ) 0.0 3 Dstore-Imperv (mm).54 % Impervious 4~9 4 Dstore-Perv (mm) 6.5 5 Slope-sub (%) 0.0~0. 6 CN 40~94 7 Manning-conduits (s/m /3 ) 0.0~0.07 Width (m) 30~3 Η περιοχή κατηγοριοποιήθηκε σε 4 κλάσεις με βάση το αδιαπέρατο μέρος: 0-0 %, 0-40 %, 40-70 % and >70 %. Αντίστοιχα για τη μεταβολή του πλάτους της κάθε υπολεκάνης επιλέχθηκε να μεταβάλλεται με βάση την εξίσωση(rossman 00): A W = L
Για την διαδικασία της βαθμονόμησης η επικοινωνία μεταξύ του γενετικού αλγορίθμου (Genetic Algorithm) και του λογισμικού SWMM πραγματοποιήθηκε μέσω του λογισμικού Matlab (Goldberg 989). Ο συντελεστής Nash-Sutcliffe χρησιμοποιήθηκε ως η αντικειμενική συνάρτηση (Nash and Sutcliffe 970): n ( Oi Si) i= E = n ( O O) i= Tα αποτελέσματα αξιολογήθηκαν περαιτέρω χρησιμοποιώντας κριτήρια απόδοσης όπως (Muleta et al. 0; Tsihrintzis and Hamid 998): i n RMSE = ( Q S ) n i = n i i n i = MAE = S O i i r n ( Oi O)( Pi P) = n n ( Oi O) ( Pi P) i= i= i= d = n i= n i= ( O P) i ( P O + O O) i i i NOF = RMSE O
Conduits /Results Βαθμονόμηση Επαλήθευση RMSE E MAE r d NOF % Vol. RMSE E MAE r d NOF % Vol. 640 0.006 0.355 0.057 0.647 0.850 0.045-35.0 - - - - - - - 33 0.04 0.933 0.06 0.936 0.983 0.39 +.7 - - - - - - - 344 0.66 0.855 0.086 0.858 0.958 0.433 -.63 0.7 0.934 0.03 0.967 0.986 0.47 +3.9
Παροχή (m 3 /s) 0,8 0,6 0,4 0, Αγωγός 640 0 3:0:00 4:0:00 5:0:00 6:0:00 7:0:00 8:0:00 9:0:00 Time (h:min:s) Rain Flow measured Flow Simulated 0 3 4 5 6 7 8 9 0 Βροχή (mm)
Παροχή (m 3 /s) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 Αγωγός 33 RAIN Flow Measured Flow Simulated 3:0:00 4:0:00 5:0:00 6:0:00 7:0:00 8:0:00 9:0:00 Χρόνος (h:min:s) 0 3 4 5 6 7 8 9 0 Βροχή (mm)
Παροχή (m 3 /s) 3,5 3,5,5 0,5 0 Αγωγός 344 RAIN Flow Measured Flow Simulated 3:0:00 4:0:00 5:0:00 6:0:00 7:0:00 8:0:00 9:0:00 Χρόνος (h:min:s) 0 3 4 5 6 7 8 9 0 Βροχή (mm)
Παροχή (m 3 /s) Αγωγός 344 0 9 Rain 8 Flow Measured 7 Flow Simulated 6 5 4 3 0 8:0:00 9:0:00 0:0:00 :0:00 :0:00 3:0:00 Χρόνος (h:min:s) 0 5 0 5 0 5 Βροχή (mm)
Οι τιμές των παραμέτρων οι οποίες προέκυψαν από τη βελτιστοποίηση κατέδειξαν ότι τα αποτελέσματα είναι λογικά και μέσα στα αναμενόμενα όρια. Αρχικές παράμετροι οι οποίες θα μπορούσαν δυνητικά να χρησιμοποιηθούν για την μοντελοποίηση των υπόλοιπων ζωνών του παντορροϊκού συστήματος των Αθηνών. Πιθανή χρήση για ανάπτυξη και αξιολόγηση μέτρων αντιμετώπισης πλημμυρικών φαινομένων (π.χ., αύξηση διαμέτρου αγωγών, δεξαμενές κατακράτησης, πράσινες στέγες, διαπερατά πεζοδρόμια-δρόμοι κ.α.). Πλεονέκτημα έναντι της Ορθολογικής Μεθόδου η οποία χρησιμοποιείται σήμερα για το σχεδιασμό δικτύων αποχέτευσης (Π.Δ. 696/74). Το λογισμικό SWMM αποτελεί ένα χρήσιμο και σχετικά εύκολο εργαλείο για τον σύγχρονο Αγρονόμο και Τοπογράφο Μηχανικό.
Antonaropoulos, P. and Associates, (006). Technical Report: Demonstration of a European Knowledge Management Framework for a Procedure on Waste-Water Asset Management (Contract Nr. IPS-00-45) Application of the Hydroplan Methodology in the Pilot Area of Athens, EYDAP S.A, (in Greek). Bellos V. and Tsakiris G., (05). Comparing various methods of building representation for D flood modelling in built-up areas, Water Resources Management, 9(): 379-397. Goldberg D.E., (989). Genetic Algorithm in Search optimization & Machine Learning, Addison-Wesley. Kron W., Steuer M., Löw P., Wirtz A., (0). How to deal properly with a natural catastrophe database analysis of flood losses, Natural Hazards and Earth System Sciences, (3): 535 550. Muleta M.K., McMillan J., Amenu G.G., Burian S.J., (0). Bayesian approach for uncertainty analysis of an urban storm water model and its application to a heavily urbanized watershed, Journal of Hydrologic Engineering, 8(0): 360-37. Nash, J.E., Sutcliffe, J.V., (970). River flow forecasting through conceptual models part I A discussion of principles. Journal of Hydrology, 0(3): 8-90. Pistrika A., Tsakiris G., Nalbantis I., (04). Flood depth-damage functions for built environment, Environmental Processes, (4): 553-57. Rossman L.A., (00). Storm Water Management Model, User's Manual, Version 5.0., Cincinnati, OH: National Risk Management Research Laboratory, Office of Research and Development, US Environmental Protection Agency: 76. Tsihrintzis V.A., Hamid R., (998). Runoff quality prediction from small urban catchments using SWMM, Hydrological Processes, (): 3-39.