何勝男，陳文學(xué)，劉 燕，穆祥鵬

（1.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100038；2.中國電建集團(tuán)河南省電力勘測設(shè)計院有限公司，河南鄭州 450016）

1 研究背景

根據(jù)中國生態(tài)環(huán)境部2014—2018年中國生態(tài)環(huán)境狀況公報［1-2］，從2014年至2018年水體劣Ⅴ類占比從9%降至6.7%，隨著生態(tài)文明建設(shè)國家戰(zhàn)略的推進(jìn)，大部分的點源污染得到了控制，非點源污染控制成為當(dāng)前水環(huán)境治理的重點和難點。與其他非點源污染相比，城市地表徑流污染是城市水環(huán)境的主要污染源之一［3］，隨著城市化的加速發(fā)展，城市地表徑流污染對水環(huán)境污染的貢獻(xiàn)將不容小覷。

美國早在1975年開始研究地表徑流污染控制［4］，中國始于1992年［5］。歐美等國通過地表徑流污染控制研究，提出了許多管理和控制策略，如美國在1972年首次提出的最佳管理措施（Best Management Practices，BMP）［6］，英國的可持續(xù)城市排水系統(tǒng)（Sustainable Urban Drainage System，SUDS）［7］，澳大利亞的“水敏感性城市設(shè)計”（Water Sensitive Urban Design，WSUD）［8］，美國的“可持續(xù)基礎(chǔ)設(shè)施”（Sustainable Infrastructure，SI），1990年代美國提出的低影響開發(fā)（Low Impact Development，LID）［9-10］，瑞典、德國、荷蘭等國發(fā)展的生態(tài)排水系統(tǒng)（Ecological Drainage System），中國也于2013年提出了海綿城市建設(shè)等。這些方法為非點源污染進(jìn)行治理，尤其是對城市水環(huán)境治理奠定了基礎(chǔ)。但對于中國大多數(shù)建筑密集的老城區(qū)而言，采用LID、SUDS等方法，時間長、造價高，施工難度也較大，修建初期雨水調(diào)蓄池設(shè)施是解決雨水徑流污染既快速、又直接的方法。

目前，初期雨水調(diào)蓄池一般采用經(jīng)驗方法設(shè)計，例如美國的1英寸法、英國的12～15 mm［11］、中國的城市屋面2～3 mm、路面7～8 mm、降雨量4～8 mm［12］等。經(jīng)驗方法僅考慮初期雨水截留量大小，與研究區(qū)域下墊面條件無關(guān)。按照該方法設(shè)計的初期雨水調(diào)蓄池，對于不同的地區(qū)，尤其是對于平原城市，地勢較緩，匯流速度較慢，污染物攜帶峰值量較晚出現(xiàn)，其截污效果可能差異甚大。影響地表徑流污染物累積特性的因素復(fù)雜，主要包括城市的地形、地貌、雨量、雨強(qiáng)、降雨前的干旱天數(shù)、交通量、土地利用性質(zhì)等。因此，為了提高初期雨水調(diào)蓄池的截污效果，初期雨水調(diào)蓄池的設(shè)計，應(yīng)考慮地表徑流污染物的累積特性以及城區(qū)的實際情況，如可征用的土地面積和城市污水處理廠的處理規(guī)模等。因此，初期雨水調(diào)蓄池的設(shè)計本質(zhì)上是約束優(yōu)化問題，即在滿足調(diào)蓄池容積約束條件下，實現(xiàn)截污量最大。

本文以中國平原城市某縣城城區(qū)黑臭水體整治項目為背景，以所有調(diào)蓄池的總截污量最大為目標(biāo)，提出了初期雨水調(diào)蓄池容積的優(yōu)化方法。首先利用SWMM（Storm Water Management Model）模型模擬分析地表徑流污染物累積特性，再利用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練出各調(diào)蓄池不同截污率與對應(yīng)總截污量之間的非線性高精度近似數(shù)學(xué)模型；以調(diào)蓄池總截污量最大為優(yōu)化目標(biāo)，以污水處理廠處理規(guī)模和可用征地為約束條件，采用粒子群優(yōu)化算法優(yōu)化各調(diào)蓄池的截污率；結(jié)合各調(diào)蓄池截污率與徑流量累積量之間的關(guān)系，得出各調(diào)蓄池的設(shè)計容積，并與國內(nèi)常用設(shè)計方法進(jìn)行對比分析。

2 優(yōu)化方法

初期雨水調(diào)蓄池的設(shè)計需要考慮：（1）地表徑流污染物的累積特性。分析研究區(qū)的地表徑流累積特性，為確定合理的截污率提供科學(xué)依據(jù)；（2）可用征地和污水處理廠處理規(guī)模。根據(jù)可用征地面積和污水處理廠的處理規(guī)模，可確定調(diào)蓄池的布局和最大截污量；（3）尋優(yōu)方法的選擇?？紤]排水管網(wǎng)的布置和污水處理廠的分布情況，通常會設(shè)置多個初期雨水調(diào)蓄池。當(dāng)僅設(shè)置一個調(diào)蓄池時，利用多項式擬合可以得到調(diào)蓄池截污率與總截污量之間的函數(shù)關(guān)系，計算函數(shù)的最小值即得到最優(yōu)截污率。但隨著調(diào)蓄池數(shù)量的增加，擬合難度增加，尋優(yōu)計算的難度也相應(yīng)增加。為此，本文利用人工神經(jīng)網(wǎng)絡(luò)方法得到各調(diào)蓄池截污率與總截污量之間的非線性數(shù)學(xué)模型，利用粒子群優(yōu)化算法，以總截污量最大為目標(biāo)進(jìn)行尋優(yōu)。

2.1 污染物累積特性一般采用數(shù)學(xué)模型定量研究調(diào)蓄池對應(yīng)匯水區(qū)的污染物累積特性。常用的城市非點源污染負(fù)荷的模型有SWMM［13］、STORM［14］、DR3M-QUAL［15］、SLAMM［16］、HydroWorks［17］、HSPF［18］、MOUSE［19-20］等。作為一款開源軟件，SWMM 提供4種污染物累積模型和3種沖刷模型，可模擬出水口污染物變化，能考慮單次降雨和長序列降雨，且能與其他軟件較好地銜接，因此，得到了廣泛應(yīng)用［21］。本文將利用SWMM模型分析地表徑流污染物累積特性。

調(diào)蓄池的截污量與地表徑流總污染量之比稱之為調(diào)蓄池的截污率。假定研究區(qū)設(shè)置n個調(diào)蓄池，第i調(diào)蓄池對應(yīng)匯水區(qū)包含Ni個排水口，地表徑流時間為T（含退水時間），t是地表徑流的截流時間。根據(jù)SWMM模型模擬結(jié)果，可以得到第i個調(diào)蓄池對應(yīng)第j個排水口地表徑流過程qi,j(τ)；第i個調(diào)蓄池對應(yīng)第j個排水口地表徑流污染物含量ci,j(τ)；各調(diào)蓄池累計總量為Mi,max，污染物累計總量計算見式（1）；第i個調(diào)蓄池截污率，計算見式（2）；根據(jù)地表徑流過程，計算調(diào)蓄池的容積，見式（3）。

2.2 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）［22］是通過設(shè)置輸入層、隱藏層和輸出層，并結(jié)合激勵函數(shù)，建立輸入和輸出變量之間的非線性關(guān)系，根據(jù)計算值和真實值之間的誤差進(jìn)行優(yōu)化，然后通過反向傳遞，進(jìn)而改變模型方程權(quán)重，如此反復(fù)訓(xùn)練，可以得到一組高精度非線性近似數(shù)學(xué)模型。單層隱藏層人工神經(jīng)網(wǎng)絡(luò)總表達(dá)式見式（4）。激勵函數(shù)采用ReLU 函數(shù)，見式（5）［23］，本文利用人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練調(diào)蓄池截污率與對應(yīng)總截污量之間的非線性數(shù)學(xué)模型：

式中：y為輸出層；x為輸入層；AF為激勵函數(shù)；xi為輸入層變量；wi,j、wj為權(quán)重；bi,j、bj為偏置；i為變量個數(shù)；j為神經(jīng)元個數(shù)。

為了提高人工神經(jīng)網(wǎng)絡(luò)的迭代收斂速度，采用變學(xué)習(xí)率技術(shù)，即指數(shù)衰減學(xué)習(xí)率，計算見式（6），隨著迭代次數(shù)的增加逐步減小學(xué)習(xí)率，保證模型訓(xùn)練后期更加穩(wěn)定［24］。為防止訓(xùn)練時出現(xiàn)過擬合現(xiàn)象，采用L2正則化技術(shù)，即在原損失函數(shù)上加一個懲罰項，見式（7）［25］。

式中：Lr0為學(xué)習(xí)率初始值；n為當(dāng)前訓(xùn)練輪數(shù)； Δn為學(xué)習(xí)率變化間隔（步數(shù)）；Lrd為學(xué)習(xí)率衰減值。

式中：C0為初始損失函數(shù)；w為權(quán)重；λ為正則化參數(shù)。

數(shù)據(jù)樣本的數(shù)量和樣本代表性影響函數(shù)擬合的精度。通常樣本數(shù)量越多，模型預(yù)測精度越高。但是實際樣本數(shù)量應(yīng)根據(jù)變量個數(shù)、采樣點范圍和客觀條件等確定。為提高樣本數(shù)據(jù)的代表性，選擇拉丁超立方抽樣（Latin Hypercube Sampling）方法。拉丁超立方抽樣方法是由三位科學(xué)家McKay、Beckman和Conover提出的分層隨機(jī)抽樣方法［26］，其優(yōu)勢是劃分概率相等的間隔，在該間隔中選取一個樣本點，不需要更多維度的樣本就可以達(dá)到相同的效果［27］。

2.3 粒子群優(yōu)化算法粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）［28］是由Kennedy和Eberhart首先提出的一種全局隨機(jī)搜索算法。它首先初始化一組粒子（可行解），各個粒子根據(jù)自身最優(yōu)解和群體最優(yōu)解來更新個體的速度和位置，直至達(dá)到最大迭代次數(shù)或者滿足預(yù)設(shè)精度為止。為了更好的控制種群在全局范圍內(nèi)和局部的搜索和尋優(yōu)能力，本文采用Shi等提出帶慣性權(quán)重的PSO算法［29］，計算見式（8）和式（9），其中慣性權(quán)重w和學(xué)習(xí)因子c均進(jìn)行線性降低優(yōu)化改進(jìn)，分別見式（10）和式（11）。

式中：v、x為粒子的速度和位置；d=1，2，…，n，n為搜素空間的維數(shù)；i=1，2，…，m，m為種群規(guī)模；t為當(dāng)前進(jìn)化代數(shù)；c1、c2為學(xué)習(xí)因子；w為慣性因子；r1、r2為［0，1］內(nèi)的隨機(jī)數(shù)；pid為粒子歷史最優(yōu)位置；pgd為全局粒子最優(yōu)位置粒子；速度v∈[]-vmax，vmax，其中vmax為粒子的最大速度。

式中：wmax、wmin分別為最大、最小權(quán)重；ci,max、ci,min分別為第i個最大、最小學(xué)習(xí)因子；tmax為迭代次數(shù)；t為當(dāng)前迭代次數(shù)。

2.4 優(yōu)化模型初期雨水調(diào)蓄池的優(yōu)化模型為：

調(diào)蓄池總截污量的計算公式為：

式中：Mi,max為第i個調(diào)蓄池對應(yīng)匯水區(qū)的污染物最大累計量；ζi為第i個調(diào)蓄池對應(yīng)的截污率，其中ζ≤ζi,max。

調(diào)蓄池總?cè)莘e的計算公式為：

粒子群優(yōu)化算法沒有處理約束條件的機(jī)制，本文采用罰函數(shù)法［30］，即將約束函數(shù)與目標(biāo)函數(shù)組合成新的目標(biāo)函數(shù)，將帶有約束條件的優(yōu)化問題轉(zhuǎn)化為無約束的優(yōu)化問題。具體計算公式為：

2.5 調(diào)蓄池優(yōu)化方法初期雨水調(diào)蓄池的優(yōu)化方法如下：（1）建立SWMM 城市徑流污染模型，分析研究區(qū)各調(diào)蓄池對應(yīng)匯水區(qū)的污染物累積特性；（2）根據(jù)當(dāng)?shù)亟?jīng)濟(jì)、占地、對應(yīng)設(shè)備以及污水處理廠處理規(guī)模等客觀條件，確定各調(diào)蓄池實際最大容積Vi,max，將約束條件轉(zhuǎn)化為各調(diào)蓄池實際最大截污率ζi,max；（3）利用拉丁超立方抽樣方法在[]0，ζi,max內(nèi)構(gòu)建數(shù)據(jù)樣本，結(jié)合總截污量模型方程，計算每組截污率組合對應(yīng)的總截污量，最終形成m組各調(diào)蓄池不同截污率和對應(yīng)總截污量的數(shù)據(jù)樣本；（4）利用人工神經(jīng)網(wǎng)絡(luò)模型對數(shù)據(jù)樣本進(jìn)行訓(xùn)練，得到一個高精度非線性的截污率與總截污量之間的數(shù)學(xué)模型；（5）以為優(yōu)化目標(biāo)，采用粒子群優(yōu)化算法計算各調(diào)蓄池的優(yōu)化截污率；（6）根據(jù)優(yōu)化截污率，計算得到各調(diào)蓄池優(yōu)化截污率對應(yīng)的時間，計算各調(diào)蓄池的最適容積。

3 實例

3.1 研究區(qū)概況以中國平原城市某縣城城區(qū)為例，城區(qū)擬設(shè)計9座截污調(diào)蓄池，研究區(qū)的總面積是43.646 km2，地勢平緩，西北高，東南低，地面高程平均海拔26.5～33.5 m，地面自然坡降為1/9000。城區(qū)內(nèi)河流水質(zhì)差，大部分為Ⅴ類水，其主要污染物為化學(xué)需氧量COD（Chemical Oxygen Demand）。

3.2 水質(zhì)模型以SWMM為平臺，對研究區(qū)和排水系統(tǒng)進(jìn)行概化，概化后得到690個子匯水區(qū)，總面積為42.135km2，管道876根，節(jié)點876個，出水口174個。研究區(qū)各要素的概化圖及子匯水區(qū)分區(qū)情況如圖1 所示。各子匯水區(qū)的不透水率和坡度利用地形資料和遙感影像借助ArcGIS 計算得到。Routing Model選擇Dynamic Wave and Allow Ponding，Infiltration Model選擇Horton模型，匯水區(qū)寬度系數(shù)、不透水區(qū)糙率、透水區(qū)糙率、不透水區(qū)洼蓄量、透水區(qū)洼蓄量、最大入滲率、最小入滲率、衰減常數(shù)、晴天時間分別取0.8、0.013、0.17、1、3、76.2、3.81、2、7［31］。

本文選取COD 作為研究區(qū)的降雨徑流污染指標(biāo)。研究區(qū)的土地利用分為路面、屋面和綠地，對應(yīng)各土地的不同污染物累積參數(shù)和沖刷參數(shù)不同，根據(jù)SWMM 手冊［32］和相關(guān)文獻(xiàn)［33-34］得到污染物累積和沖刷所需要的參數(shù)，見表1。

圖1 研究區(qū)概化分布

表1 污染物累積和沖刷參數(shù)

降雨量和雨強(qiáng)的大小直接影響著排口處污染物的累積情況?？紤]到研究區(qū)排水管網(wǎng)的設(shè)計標(biāo)準(zhǔn)是5年一遇，本文以設(shè)計暴雨5年一遇作為初雨調(diào)蓄池的設(shè)計標(biāo)準(zhǔn)。設(shè)計暴雨雨型選擇芝加哥雨型［35］，雨峰系數(shù)取0.4，本文采用當(dāng)?shù)乇┯陱?qiáng)度公式：

式中：q為暴雨強(qiáng)度，L/s·hm2；t為降雨歷時，min；P為暴雨重現(xiàn)期，a。

3.3 污染物特性地表徑流模型模擬時間24 h（包含退水時間），前期干旱時間選擇10 d，計算步長為5 s。模擬出研究區(qū)各排口污染物COD隨時間過程線，根據(jù)各調(diào)蓄池對應(yīng)匯水范圍，計算得到各調(diào)蓄池對應(yīng)匯水區(qū)COD累積過程線，見圖2。

從圖2可見，研究區(qū)地表徑流污染物具有初期累積速度較慢，中期累積速度較快，后期緩慢增加的特征。受子匯水區(qū)面積和下墊面的影響，各調(diào)蓄池對應(yīng)匯水區(qū)污染物累計總量差異較大。因此，在設(shè)計初期雨水調(diào)蓄池時，必須要考慮污染物的累積特性，盡可能地截留較多的污染物，以減輕非點源污染對城市水環(huán)境的影響。

3.3.1 污染物累積總量 結(jié)合SWMM計算結(jié)果，各調(diào)蓄池污染物累計總量為Mi,max，見表2。

表2 各調(diào)蓄池污染物累計總量

圖2 不同匯水區(qū)COD前期累積過程線

3.3.2 各調(diào)蓄池截污率 以調(diào)蓄池ST1 為例，調(diào)蓄池對應(yīng)匯水區(qū)污染物COD 截污率過程線如圖3 所示，不同截污率對應(yīng)的截留徑流量曲線如圖4所示。

3.3.3 截污率與徑流量擬合公式 為了便于計算，對各調(diào)蓄池污率和徑流量的關(guān)系曲線進(jìn)行擬合，研究發(fā)現(xiàn)，采用Gaussian 曲線可以很好地擬合截污率與徑流量之間的關(guān)系，擬合曲線的相關(guān)系數(shù)R2大于0.98。具體計算公式為：

圖3 調(diào)蓄池ST1對應(yīng)匯水區(qū)截污率過程線

圖4 調(diào)蓄池ST1對應(yīng)匯水區(qū)截污率與徑流量關(guān)系曲線

式中：V (ζ)為徑流量；N為擬合函數(shù)的項數(shù)；ai、bi和ci均為系數(shù)。

3.4 優(yōu)化結(jié)果根據(jù)研究區(qū)征地情況，各調(diào)蓄池的建設(shè)最大容積為5萬m3；根據(jù)研究區(qū)污水處理廠的處理規(guī)模，調(diào)蓄池的總?cè)莘e不能超過18萬m3。根據(jù)各調(diào)蓄池匯水區(qū)的污染物累積過程線和對應(yīng)徑流量過程線，計算出9 個調(diào)蓄池的最大截污率ζi,max分別為34.13%、45.68%、62.93%、46.38 %、36.73%、34.64%、75.28%、74.47%和45.77%。

研究區(qū)設(shè)置9個調(diào)蓄池，若在截污率范圍內(nèi)分別取10個采樣點，則數(shù)據(jù)樣本高達(dá)109。樣本數(shù)量迅速增加，計算效率將顯著降低。結(jié)合作者的計算機(jī)硬件條件，本文控制數(shù)據(jù)樣本為600萬。再利用拉丁超立方抽樣方法對各調(diào)蓄池按照截污率在[]0，ζi,max內(nèi)抽樣，生成600萬組各調(diào)蓄池不同截污率數(shù)據(jù)組合，通過式（1）和（15），計算每行不同截污率組合對應(yīng)的總截污量，最終形成600萬行、10列的數(shù)據(jù)樣本組，其中前九列是9個調(diào)蓄池分別對應(yīng)的截污率，第10列是對應(yīng)的總截污量。

借助spyder（python 3.5）平臺，調(diào)用tensorflow 模塊，搭建人工神經(jīng)網(wǎng)絡(luò)模型，數(shù)據(jù)樣本組分為訓(xùn)練組和驗證組，訓(xùn)練組取590萬組，驗證組取10萬組。為加快模型訓(xùn)練的收斂速度，初始學(xué)習(xí)率取0.1，學(xué)習(xí)率衰減率取0.99，改變學(xué)習(xí)率時的步數(shù)取50。輸入層為訓(xùn)練組數(shù)據(jù)的前九列，設(shè)置一層隱藏層，隱藏層神經(jīng)元個數(shù)取40，輸出層為對應(yīng)的計算總截污量，通過與訓(xùn)練組數(shù)據(jù)的第10列進(jìn)行誤差計算，并根據(jù)學(xué)習(xí)率學(xué)習(xí)誤差，通過反向傳遞，更改人工神經(jīng)網(wǎng)絡(luò)中的權(quán)重，并重新按照新的權(quán)重進(jìn)行訓(xùn)練，總模擬步數(shù)為3000，訓(xùn)練各調(diào)蓄池截污率與對應(yīng)總截污量之間的數(shù)學(xué)模型。。

利用已訓(xùn)練出的數(shù)學(xué)模型，通過驗證組數(shù)據(jù)，預(yù)測對應(yīng)的總截污量，與驗證組實際總截污量進(jìn)行對比。采用均方誤差MSE（Mean Square Error）、均方根誤差RMSE（Root Mean Square Error）和平均絕對百分比誤差MAPE（Mean Absolute Percentage Error）評價模型。通過計算MSE=0.0017，RMSE=0.041，MAPE=8.4%，驗證精度高。

為了加強(qiáng)全域的搜索能力，粒子群優(yōu)化過程中，wmax=0.9，wmin=0.4，ci,max=2.5，ci,min=0.5，tmax=4000，種群規(guī)模為30。優(yōu)化調(diào)蓄池的結(jié)果，見表3。

表3 優(yōu)化調(diào)蓄池結(jié)果

從表3可以看出，各調(diào)蓄池容積均小于5萬m3，所有調(diào)蓄池總?cè)莘e為17.98萬m3，滿足總?cè)莘e的約束，并接近18萬m3，充分利用了可用容積，總截污量為44349.14 kg，全域截污率為25.93%。

<1)，且各件產(chǎn)品是否為不合格品相互獨立．

3.5 規(guī)范設(shè)計設(shè)計初期雨水調(diào)蓄池通常根據(jù)《室外排水設(shè)計規(guī)范》（GB 50014-2006）［12］進(jìn)行設(shè)計，計算公式如下：

式中：V為調(diào)蓄池有效容積，m3；D為調(diào)蓄量，按降雨量計，可取4～8 mm，本文取5 mm；F為匯水面積，hm2；ψ是徑流系數(shù)，本文取0.51；β安全系數(shù)，可取1.1～1.5，本文取1.2。

根據(jù)經(jīng)驗設(shè)計方法得到的計算結(jié)果見表4。

表4 設(shè)計調(diào)蓄池結(jié)果

3.6 對比分析本文提出的優(yōu)化方法簡稱為“優(yōu)化法”，規(guī)范設(shè)計方法簡稱為“規(guī)范法”，二者計算結(jié)果比較見圖5。

從圖5中可以看出，（1）通過相關(guān)性分析，“優(yōu)化法”設(shè)計的調(diào)蓄池的截污量和總截污量之間的相關(guān)系數(shù)為0.78，“規(guī)范法”設(shè)計的調(diào)蓄池的截污量和總截污量之間的相關(guān)系數(shù)為0.34。因此，與規(guī)范設(shè)計方法相比，優(yōu)化方法更能體現(xiàn)地表徑流的污染物累積特性。

（2）“規(guī)范法”所需資料少，方便快捷，但該方法對不同匯水區(qū)采用相同的調(diào)蓄量計算公式，沒有考慮不同子匯水區(qū)地表特性和地表徑流污染量的差異。以ST5為例，該調(diào)蓄池對應(yīng)的匯水區(qū)位于老城區(qū)，不透水面積比較大，因此，污染物累積量最大。利用規(guī)范法設(shè)計的調(diào)蓄池，容積僅有0.98萬m3，截污率僅有5.1%，截污效果差，而“優(yōu)化法”得到的調(diào)蓄池容積為4.97萬m3，截污率為36.7%，截污效果優(yōu)于規(guī)范設(shè)計法。

（3）規(guī)范設(shè)計方法僅與子匯水區(qū)的面積有關(guān)，優(yōu)化設(shè)計方法則與子匯水區(qū)面積、污染物累積過程、污染物累積總量及調(diào)蓄池的約束條件有關(guān)，因此，從計算結(jié)果看，盡管會出現(xiàn)部分調(diào)蓄池優(yōu)化結(jié)果的截污量小于規(guī)范方法，但是，從研究區(qū)域的總截污量來看，優(yōu)化方法大于規(guī)范設(shè)計法。

（4）比較表3和表4可見，“規(guī)范法”得到的調(diào)蓄池總?cè)莘e為12.71萬m3，截污總量26 590.06 kg，“優(yōu)化法”得到的調(diào)蓄池總?cè)莘e為17.98萬m3，截污量44 349.14 kg，與規(guī)范方法相比，優(yōu)化方法總?cè)莘e增加了41.5%，但截污量增加了66.79%。因此，相比較而言，采用優(yōu)化方法設(shè)計的調(diào)蓄池提高了土地的利用效率。

圖5 優(yōu)化法與規(guī)范法結(jié)果對比

4 結(jié)論

本文以中國平原城市某縣城城區(qū)黑臭水體整治項目為背景，提出了一種滿足污水處理廠處理規(guī)模和土地利用規(guī)模等約束條件下的初期雨水調(diào)蓄池優(yōu)化設(shè)計方法，研究表明，本文提出的優(yōu)化設(shè)計方法設(shè)計，能在滿足實際占地和污水處理廠處理規(guī)模下實現(xiàn)截污效果最大化，采用本方法設(shè)計的調(diào)蓄池在土地使用率和截污效果方面均優(yōu)于規(guī)范設(shè)計法。該方法科學(xué)、高效和適用范圍廣，可為城市初期雨水調(diào)蓄池設(shè)計提供技術(shù)支撐。