一种基于信息论与无监督学习的SWMM模型参数率定方法

本发明涉及城市雨洪模型参数优化技术领域，特别涉及一种基于信息论与无监督学习的SWMM模型参数率定方法。利用历史实际降雨事件和生成的模拟降雨事件组成雨数据集，将降雨事件时间序列导入SWMM模型中，并循环驱动运行，得到模型结果；计算管网各节点所包含的信息量和各节点之间的跨信息熵，形成VOI矩阵和TE矩阵，以所选取节点的总信息量值最大，节点间的跨信息熵值最小和节点数量最小作为优化目标，利用多目标智能优化算法寻找帕累托前沿，并根据研究区域已有监测点情况选择虚拟监测点，构建数据驱动模型，实时反演出虚拟监测点的液位高度。本发明在保证较高精确度的基础上使得模型泛化性更强，避免结果精度虚高。