水力模型软件：WaterGEMS二次开发_（6）.模型校核与验证.docx

PAGE1

PAGE1

模型校核与验证

在水力模型软件的开发过程中，模型的校核与验证是非常重要的一步。校核和验证的目的是确保模型的准确性、可靠性和适用性。通过这一过程，我们可以发现模型中的潜在问题，验证模型的假设，并确保模型能够准确地模拟现实系统的水力行为。本节将详细介绍模型校核与验证的原理和内容，并通过具体的操作示例来说明如何进行校核与验证。

1.模型校核的原理

模型校核是指通过与已知数据或实际测量数据进行比较，以验证模型的准确性。校核过程通常包括以下几个步骤：

收集实际数据：获取系统的实际运行数据，包括流量、水压、水质等。

模拟数据：使用模型生成的模拟数据。

数据对比：将模拟数据与实际数据进行对比，分析差异。

调整模型参数：根据对比结果，调整模型参数，以减少误差。

重复校核：重复上述步骤，直至模型误差在可接受范围内。

2.模型验证的原理

模型验证是指通过不同的方法和技术，确保模型的假设、理论和方法在实际应用中是合理的。验证过程通常包括以下几个步骤：

模型假设的合理性：检查模型的假设是否符合实际情况。

模型适用性：确保模型适用于所研究的系统和问题。

敏感性分析：分析模型对不同参数变化的敏感性，以确定哪些参数对模型结果影响最大。

独立数据验证：使用独立于校核数据的另一组数据进行验证，确保模型的泛化能力。

3.数据收集

数据收集是模型校核与验证的基础。收集的数据应包括但不限于以下几类：

流量数据：管道系统中的流量测量值。

水压数据：管道系统中的水压测量值。

水质数据：水质参数，如pH值、浊度、氯含量等。

水力设备数据：泵、阀门、水塔等设备的运行数据。

气象数据：降雨、温度等对水力系统有影响的气象数据。

3.1数据收集工具

在WaterGEMS中，可以使用以下工具收集实际数据：

DataBrowser：用于查看和编辑模型中的数据。

ScenarioManager：用于管理不同场景的数据。

DataImport/Export：用于导入和导出外部数据。

3.2数据收集示例

假设我们需要收集一个城市供水系统的实际流量数据。可以使用以下Python脚本从外部数据源导入流量数据：

#导入必要的库

importpandasaspd

frompyodbcimportconnect

#连接数据库

conn=connect(DRIVER={SQLServer};SERVER=server_name;DATABASE=database_name;UID=user;PWD=password)

#读取流量数据

query=

SELECT

timestamp,

node_id,

flow_rate

FROM

flow_data

WHERE

timestampBETWEEN2023-01-0100:00:00AND2023-01-0123:59:59

#执行查询并获取数据

flow_data=pd.read_sql(query,conn)

#关闭数据库连接

conn.close()

#打印前5行数据

print(flow_data.head())

4.数据对比

数据对比是校核过程的核心步骤。通过将模拟数据与实际数据进行对比，可以发现模型中的误差并进行调整。

4.1数据对比方法

常见的数据对比方法包括：

绝对误差：计算模拟值与实际值的差值。

相对误差：计算模拟值与实际值的相对差值。

均方误差：计算模拟值与实际值的均方误差。

相关系数：分析模拟值与实际值的相关性。

4.2数据对比示例

假设我们已经收集了实际流量数据，并使用WaterGEMS生成了模拟流量数据。可以使用以下Python脚本来进行数据对比：

#导入必要的库

importpandasaspd

importnumpyasnp

importmatplotlib.pyplotasplt

#读取实际流量数据

actual_flow_data=pd.read_csv(actual_flow_data.csv)

#读取模拟流量数据

simulated_flow_data=pd.read_csv(simulated_flow_data.csv)

#合并数据

merged_data=pd.merge(actual_flow_data,simulated_flow_data,on=[timestamp,node_id])

#计算绝对误差

merged_data[absolute_error]=np.abs(merged_dat