关于利用PYSWMM实现SWMM中LID多孔路面参数敏感性分析的问询

一、参数循环修改的可行性与实现方式 #

完全可以通过编程实现参数循环修改，最适合新手的方案是用Python+pyswmm（SWMM的官方Python接口），无需手动反复调整模型参数。核心思路是：加载模型→循环遍历目标参数的所有测试值→每次修改参数后运行模拟→提取结果。

关键步骤代码示例 #

先安装依赖：
pip install pyswmm pandas

编写核心代码（注释标注新手需修改的部分）：

import pyswmm
import pandas as pd

# 替换为你的SWMM模型文件路径
model_inp = "your_model.inp"

# 定义要分析的LID参数及测试取值范围
# 示例：多孔路面的渗透系数（k），可替换为porosity（孔隙率）、storage_depth（蓄水层厚度）等
target_param = "k"
test_values = [0.05, 0.1, 0.3, 0.5, 1.0]  # 根据研究需求调整取值

# 初始化结果存储表格
result_df = pd.DataFrame(columns=[
    "参数取值", "总径流量(m³)", "LID总渗流量(m³)", "径流峰值(m³/s)"
])

# 循环执行模拟
for val in test_values:
    with pyswmm.Simulation(model_inp) as sim:
        # 替换为你的LID设施名称（需与inp文件中一致）
        lid_facility = sim.lid_controls["Porous_Pavement_01"]
        # 修改目标参数
        setattr(lid_facility, target_param, val)
        
        # 运行模拟
        sim.execute()
        
        # 提取结果（替换为你的出水口节点名称）
        outlet_node = sim.nodes["Outlet_01"]
        total_runoff = outlet_node.total_inflow
        peak_runoff = max(outlet_node.flow_series)
        total_infil = lid_facility.total_infiltration
        
        # 存入结果表格
        result_df.loc[len(result_df)] = [val, total_runoff, total_infil, peak_runoff]

# 保存结果到CSV表格
result_df.to_csv("LID敏感性分析结果.csv", index=False)

二、降水过程数据的同步获取 #

通过pyswmm可直接提取模型中的降雨时间序列数据，无需额外处理：

# 提取降水过程数据
with pyswmm.Simulation(model_inp) as sim:
    # 替换为你的雨量计名称（需与inp文件中一致）
    rain_gauge = sim.rainfall_gauges["Rain_Gauge_01"]
    # 整理为DataFrame并保存
    rain_data = pd.DataFrame({
        "时间戳": rain_gauge.timestamps,
        "降雨量(mm/h)": rain_gauge.values
    })
    rain_data.to_csv("降水过程数据.csv", index=False)

新手注意事项 #

• 确保inp文件中的LID设施、出水口、雨量计名称与代码中完全一致（大小写敏感）
• pyswmm版本建议与SWMM桌面版版本匹配，避免兼容性问题
• 测试参数取值时，建议先从小范围、少数量开始，验证代码逻辑正确后再扩大范围

内容的提问来源于stack exchange，提问作者André Eduardo Pereira pedroso