Bayes_Opt-SWMM: A Gaussian process-based Bayesian optimization tool for real-time flood modeling with SWMM

替代模型 雨水管理模型 马尔科夫蒙特卡洛 计算机科学 数学优化 贝叶斯推理 大洪水 高斯过程 不确定度量化 贝叶斯优化 贝叶斯定理 贝叶斯概率 高斯分布 机器学习 人工智能 数学 雨水 地表径流 物理 量子力学 生态学 哲学 神学 生物
作者
Ahad Hasan Tanim,Corinne Smith-Lewis,Austin Downey,Jasim Imran,Erfan Goharian
出处
期刊:Environmental Modelling and Software [Elsevier]
卷期号:179: 106122-106122 被引量:1
标识
DOI:10.1016/j.envsoft.2024.106122
摘要

Real-time flood model plays a pivotal role in averting urban flood damage, particularly when there is minimal lead time for preparatory measures. However, urban flood modeling in real-time often contends with inherent uncertainties arising from input data uncertainty and parameter ambiguities. This study introduces a real-time calibration (RTC) tool called Bayes_Opt-SWMM , specifically tailored for real-time urban flood modeling and uncertainty optimization. This tool leverages the Gaussian process-based Bayesian optimization algorithm and interfaces seamlessly with the Stormwater Management Model (SWMM). It integrates real-time model forcing data and flood monitoring collected through sensors and gauges which are strategically placed within critical locations of urban drainage systems. Our approach hinges on the Surrogate Model based Uncertainty Optimization (SMUO) concept, providing an avenue for enhancing real-time flood modeling. Bayes_Opt-SWMM runs the optimization process using a surrogate model called Gaussian Process emulator with two inference methods: (1) the Gaussian Process (GP) model and (2) Markov Chain Monte Carlo (MCMC) algorithm in GP model (GP_MCMC). Furthermore, three acquisition functions, namely Expected Improvement (EI), Maximum Probability of Improvement (MPI), and Lower Confidence Bound (LCB), facilitate optimal parameter fitting within the surrogate models. The efficiency of GP-based surrogate models in learning SWMM model parameters, leads to an improved uncertainty quantification and accelerated real-time flood modeling in urban areas. Overall, Bayes_Opt-SWMM emerges as a cost-effective and valuable tool for real-time flood modeling and monitoring, with significant potential for managing intelligent storm water systems in urban environments.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
yanxueyi完成签到 ,获得积分10
1秒前
lvvyy126发布了新的文献求助10
3秒前
SHUIw完成签到 ,获得积分10
4秒前
阿包完成签到 ,获得积分10
6秒前
果汁完成签到 ,获得积分10
8秒前
11秒前
11秒前
小海豚完成签到 ,获得积分10
17秒前
徐悦完成签到,获得积分10
19秒前
阿星捌完成签到 ,获得积分10
21秒前
跳跃的访琴完成签到 ,获得积分10
23秒前
岳凯完成签到 ,获得积分10
24秒前
卤肉发布了新的文献求助10
24秒前
muncy完成签到 ,获得积分10
24秒前
饱满的大碗完成签到 ,获得积分10
32秒前
FrancisCho完成签到,获得积分10
35秒前
奋斗人雄完成签到,获得积分10
37秒前
沙子完成签到 ,获得积分0
39秒前
圈圈完成签到,获得积分10
39秒前
wwl完成签到,获得积分10
40秒前
40秒前
高大的莞完成签到 ,获得积分10
42秒前
科研通AI2S应助卤肉采纳,获得20
43秒前
Hello应助CH采纳,获得10
44秒前
香蕉觅云应助科研通管家采纳,获得10
45秒前
FashionBoy应助科研通管家采纳,获得10
45秒前
Zero应助科研通管家采纳,获得10
45秒前
Hello应助科研通管家采纳,获得10
45秒前
SH完成签到,获得积分10
45秒前
科研通AI2S应助科研通管家采纳,获得10
45秒前
英勇的鹤完成签到,获得积分10
46秒前
琪琪完成签到 ,获得积分10
47秒前
刺猬完成签到,获得积分10
48秒前
48秒前
lvvyy126发布了新的文献求助10
49秒前
苹果路人完成签到,获得积分10
51秒前
单薄遥完成签到 ,获得积分10
51秒前
淡然水绿完成签到,获得积分10
54秒前
王科研完成签到,获得积分10
54秒前
christ66666完成签到,获得积分10
55秒前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
"Sixth plenary session of the Eighth Central Committee of the Communist Party of China" 400
Introduction to Modern Controls, with illustrations in MATLAB and Python 310
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3056640
求助须知:如何正确求助?哪些是违规求助? 2713111
关于积分的说明 7434733
捐赠科研通 2358205
什么是DOI,文献DOI怎么找? 1249340
科研通“疑难数据库(出版商)”最低求助积分说明 607030
版权声明 596250