i排版
PCSWMM
We're dedicated to the global development of healthier communities and ecosystems by providing and advocating for best water management practices and software.
错误来源
输 入 的 时 间 序 列
输入到模型中的时间序列可以是基于收集和处理数据的方法错误，及数据与研究区的相关性错误导致的错误来源。模型的输入数据可以包括SWMM5 降雨、入流、基流、污染物和温度数据。在评估数据的有效性时，应考虑时间序列的数据收集方法是否可靠。
输 入 的 属 性 或 参 数
输入属性和参数的不确定性，如汇水区宽度或土壤水文特性，可以导致模型结果的错误。通常基于工程图纸和报告进行模型参数化。用于收集数据的方法、原始设计、参数估计和参数的手动输入都可能是导致错误的来源，应加以考虑。
地 理 信 息 系 统
PCSWMM 的GIS 组件，考虑了模型实体的空间位置，包括面积、长度和实体间彼此的贴近。GIS 引擎需要一个坐标系来定义SWMM5 图层的空间属性。如果选择了不正确的投影来表示系统坐标系，或者实体没有定位在正确的位置，则可能导致出现错误。
模 型 复 杂 度
SWMM 项目无法捕捉到充满复杂的真实世界系统的建模。该项目可能不能正确的代表复杂的含水层系统，生态系统影响，不规则的人类活动，气候变化，以及其他各种现实世界的问题。这些复杂情况在模型中进行了简化，必会导致模型误差，考虑到这一点很重要。
错误分析工具
PCSWMM 提供了很多工具，可以量化SWMM5 项目的错误。下面我们对这夏工具进行一个简单的介绍。
时 间 序 列 统 计
在图表面包下的目标函数工具可以用来比较实测时间序列和计算时间序列统计值，帮助用户了解不合理的模型结果并指出错误。
时 间 序 列 错 误
时间序列之间的错误可以通过图表面板下的错误函数进行量化。几个不同的错误函数可以用来量化模型结果的错误。
事 件 统 计
使用图表面板下的事件分析工具可以查看、比较、导出感兴趣的时间统计。
重 现 期 和 超 限 频 率
使用图表面板下的持续时间超标图工具可以用来为所选时间序列和事件确定超限频率和重现期。
校 准 图
图表面板下的散点绘图工具可以用来创建校准图，以查看整个响应函数或事件统计下实测时间序列和计算时间序列的相关性。
时 间 序 列 审 计
图表面包下的审计时间序列工具可以用来审计时间序列，以发现数据间隙、数据不一致，即实测时间序列中的错误来源，并在选择校准事件时排除、忽略掉这些可以数据。
连 续 性 误 差
在状态面板中访问的状态报告总结了整个结果。径流连续性误差，地下水和水质连续性误差，流量路由连续性误差和节点洪水评估。
灵 敏 度 及 校 准
PCSWMM 中的SRTC 工具用来优化SWMM5 项目属性及参数，通过灵敏度分析和无线电调谐校准。
摘 要 统 计
在地图面板中使用摘要/比较工具生成摘要报告，报告用于比较不同方案的模型输入和结果。
离 群 值 （超 限 值）
地图面板下的属性分布和属性验证工具可以用来查看模型中属性值的分布，或识别超出指定范围之外的值。这可以确保模型参数已正确输入或正确计算，而不是输入数据导致的错误。
以上为今日分享内容，欢迎专家和同仁指正！
PCSWMM
◆
CHI 龙网科技
◆
