CN116703126B - 一种基于自然排水分区的排水预测方法和系统 - Google Patents

Abstract

本申请涉及一种基于自然排水分区的排水预测方法和系统，排水预测方法包括：基于自然排水分区的分布，将目标区域经过逐级递归划分得到M个子排水分区，自然排水分区中的两个不同的子排水分区之间不存在水量的相互输送；获取用于M个输入文件；利用MPI并行应用程序，根据输入文件的数量来配置多个处理器核心，使得各个输入文件分别与对应的处理器核心实现绑定运算；基于M个输入文件，调用对应的各个处理器核心利用MPI并行应用程序执行SWMM模型的并行排水预测分析，其中，各个处理器核心针对对应输入文件的运算时间小于阈值时间，以得到排水预测结果。因此排水预测方法能够缩短排水预测的运算时间，并且还能够用于实时排水预测分析。

Description

一种基于自然排水分区的排水预测方法和系统

技术领域

本申请涉及排水预测和分析的技术领域，具体地涉及一种基于自然排水分区的排水预测方法和系统。

背景技术

SWMM(storm water management model，雨水管理模型)在世界范围内被广泛用于与雨水径流、合流制管网和污水管网以及其他排水系统相关的规划分析和设计。它可用于评估灰色基础设施雨水控制策略，例如管道和雨水渠等，并且是创建具有成本效益的绿色和灰色混合雨水控制解决方案的有用工具。SWMM旨在帮助支持地方、州和国家雨水管理目标，以减少通过渗透和保留的径流，并帮助减少导致水体受损的排放。SWMM作为成熟的雨水管理模型已被大量商业软件作为排水管网计算的内核进行集成。

当前的SWMM模型主要运行在单机上，为了提高其计算性能及计算效率，SWMM模型使用了OpenMP（Open Multi-Processing）并行处理方法进行计算，最大限度的使用单机的计算资源。以本地计算机共12线程为例，当线程数超过8之后，随着线程数的增加，计算效率基本不变甚至会降低，在计算大规模及超大规模管网模型的排水问题时，耗时较长，计算效率较低。在对计算速度要求较高，尤其是在需要实时计算管网排水能力的情况下，SWMM模型的计算效率根本满足不了要求。

发明内容

提供了本申请以解决现有技术中存在的上述问题。

旨在提供一种基于自然排水分区的排水预测方法和系统，其能够提高SWMM模型的计算效率，缩短计算时间，在计算大规模及超大规模管网模型的排水问题时，仍然能够降低计算耗时，并能够实时计算管网排水能力。

根据本申请的第一方案，提供了一种基于自然排水分区的排水预测方法。该排水预测方法包括如下步骤。基于自然排水分区的分布，将目标区域经过逐级递归划分得到M个子排水分区，所述自然排水分区中的两个不同的子排水分区之间不存在水量的相互输送。获取所述M个子排水分区的基础资料，并基于此得到用于SWMM模型的M个输入文件。利用MPI（Message passing interface）并行应用程序，根据输入文件的数量来配置多个处理器核心，使得各个输入文件分别与对应的处理器核心实现绑定运算。基于所述M个输入文件，调用对应的各个处理器核心利用MPI并行应用程序执行SWMM模型的并行排水预测分析，其中，各个处理器核心针对对应输入文件的运算时间小于阈值时间，以得到排水预测结果。

根据本申请的第二方案，提供一种基于自然排水分区的排水预测系统。该排水预测系统包括接口和处理器。所述接口配置为：接收M个子排水分区的基础资料。所述处理器配置为：执行本申请各个实施例的基于自然排水分区的排水预测方法。

利用根据本申请各个实施例的基于自然排水分区的排水预测方法和系统，首先将目标区域按照逐级递归划分的方式，划分得到M个子排水分区，并分别获取这M个子排水分区的基础资料，分别得到SWMM模型的M个输入文件，这M个子排水分区不存在水量的相互输送，M个子排水分区之间相互独立，这样有利于各个处理器核心能够分别独立运算各个输入文件。利用MPI并行应用程序将M个输入文件分别绑定处理器核心，所以SWMM模型在进行排水预测的过程中能够明显缩短计算的时间，提高计算效率，有利于在目标区域较大可能包含大规模或者超大规模的管网模型情况下，缩短排水预测的时间。可以根据运算时间的要求，来逐级递归划分目标区域，运算时间能够达到数十秒的时间间隔，有利于实时计算管网排水能力。

附图说明

在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。

图1示出根据本申请实施例的基于自然排水分区的排水预测方法的流程图；

图2示出根据本申请实施例的相互独立的M个输入文件的示意图；

图3示出根据本申请实施例的M个输入文件分别与对应的处理器核心绑定的示意图；

图4示出根据本申请另一实施例的基于自然排水分区的排水预测方法的流程图；

图5示出根据本申请实施例的目标区域逐级递归划分的示意图；以及

图6示出根据本申请实施例的基于自然排水分区的排水预测系统的结构图。

具体实施方式

为使本领域技术人员更好的理解本申请的技术方案，下面结合附图和具体实施方式对本申请作详细说明。下面结合附图和具体实施例对本申请的实施例作进一步详细描述，但不作为对本申请的限定。

本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。本申请中使用的“A以上”包含A及比A大的数，使用的“B以下”不包含B而仅包含比B小的数。本申请中结合附图所描述的方法中各个步骤的执行顺序并不作为限定。只要不影响各个步骤之间的逻辑关系，可以将数个步骤整合为单个步骤，可以将单个步骤分解为多个步骤，也可以按照具体需求调换各个步骤的执行次序。

图1示出根据本申请实施例的基于自然排水分区的排水预测方法的流程图。在步骤101，基于自然排水分区的分布，将目标区域经过逐级递归划分得到M个子排水分区，所述自然排水分区中的两个不同的子排水分区之间不存在水量的相互输送。城市的排水系统用于对雨水进行收集、输送和排放。自然排水分区的分布为按照自然地理成分将城市的排水系统划分得到的若干个不同的排水区的分布，两个不同的排水分区之间不存在水量的相互输送。基于自然排水分区的分布，目标区域经过逐级递归划分，使得目标区域内的排水系统划分得到较小的子排水分区，每个子排水分区之间不存在水量的相互输送。可以根据需要进行划分，以得到不同层级的子排水分区，比如可以划分到住宅小区的层级，还可以划分到楼的层级。如果两个子排水分区分别是A楼和B楼，即使A楼和B楼只相隔一条街道，但是由于A楼和B楼具有各自独立的排水管网，水量不交互，所以A楼和B楼可以分别是不同的子排水分区。这样，以便后续通过各个处理器核心分别对各个输入文件进行运算，提高处理速度，以便输出用户感兴趣的子排水分区或排水设施的排水预测结果。

在步骤102，获取所述M个子排水分区的基础资料，并基于此得到用于SWMM模型的M个输入文件。子排水分区的基础资料包括子排水分区内的排水设施的参数。在一些实施例中，子排水分区的基础资料包括M个子排水分区的排水设施的几何参数和物理属性参数，排水设施可以包括检查井、管道、节点（管路的分支点或交汇点）和子汇水区等，以管道为例，几何参数可以包括管道的管道断面尺寸和底高程等，物理属性参数包括粘度、水头和/或水深等。图2示出根据本申请实施例的相互独立的M个输入文件的示意图。在图2所示的示例中，SWMM模型的输入文件可以是以.inp为后缀的文件格式，M个输入文件分别是0.inp、1.inp、2.inp、....和M-1.inp。根据获取到的基础资料按照SWMM输入文件的格式，将基础资料中的基础数据录入到输入文件中。

在步骤103，利用MPI并行应用程序，根据输入文件的数量来配置多个处理器核心，使得各个输入文件分别与对应的处理器核心实现绑定运算。图3示出根据本申请实施例的M个输入文件分别与对应的处理器核心绑定的示意图。图3中以108个输入文件为例，MPI并行应用程序利用27个计算节点的处理器核心进行运算，108个输入文件分别与27个计算节点进行绑定，其中，一个计算节点可以代表一个服务器。具体的，输入文件0.inp、1.inp、2.inp和3.inp可以分别与计算节点1的处理器核心1、处理器核心2、处理器核心3和处理器核心4一一对应进行绑定，输入文件4.inp、5.inp、6.inp和7.inp可以分别与计算节点2的处理器核心1、处理器核心2、处理器核心3和处理器核心4一一对应进行绑定，直到输入文件104.inp、105.inp、106.inp和107.inp可以分别与计算节点27的处理器核心1、处理器核心2、处理器核心3和处理器核心4一一对应进行绑定。这样，在SWMM模型运行时，各个处理器核心分别运算对应的输入文件，各个处理器核心分别运算的时间较短，以缩短排水预测的运算时间。

在一些实施例中，输入文件中的内容可以按照节来进行组织，每节的开头处均可以设有关键词。关键词可以包括如下：[TITLE]-标题、[OPTIONS]-选项信息、[REPORT]-输出信息、[JUNCTIONS]-检查井、[CONDUITS]-管道、[SUBCATCHMENTS]-子汇水区等。关键词可以以大小写混合方式出现。在输入文件中各个节可以以任意顺序出现，并非所有的节必须出现。每节可以包含一行或多行数据，空行可以在文件中任意位置。分号(;)开头表示该行是注释，不是数据，数据项可以出现在行中的任意列。以便SWMM模型对输入文件的识别和运算。

在步骤104，基于所述M个输入文件，调用对应的各个处理器核心利用MPI并行应用程序执行SWMM模型的并行排水预测分析，其中，各个处理器核心针对对应输入文件的运算时间小于阈值时间，以得到排水预测结果。利用MPI并行应用程序执行SWMM模型的并行排水预测分析，相比于单机计算，耗时大大降低，以管道数为例，如果整个区域的管道数为一万根，分为10个区，一个区管道数大概在1000根左右，如果利用单机计算的方式，运算时长约为8-10min，如果利用本申请的排水预测方法，运算时长约为30s。所以，本申请实施例的排水预测方法在大规模或超大规模的区域的排水预测分析中，能够缩短排水预测的运算时间。而且能够以间隔较短的运算时间（比如数十秒的时间间隔）实时输出排水预测结果，有利于实时计算管网排水能力。

目标区域划分的子排水分区的层级程度不同，运算时间也是不同的，可以根据运算时间的需求，来决定划分的子排水分区的层级程度，阈值时间可以根据运算时间的需求来设定。

在一些实施例中，对MPI并行应用程序进行初始化，在编译之后运行时在命令行配置传递参数来指定多个处理器核心的数量并将其传递到MPI并行应用程序中。这样便于使MPI并行应用程序利用与输入文件数量对应的处理器核心的数量进行运算。

在一些实施例中，各个输入文件分别与对应的处理器核心实现绑定运算具体包括：将指定的多个处理器核心的处理进程进行编号，使得所述M个输入文件与各个进程编号一一对应，对于各个时间步：使得各个处理器核心读取对应的进程编号的输入文件，利用该进程编号对应的进程对输入文件进行处理运算，得到排水预测结果。

时间步可以为SWMM模型的模拟计算时间，例如SWMM模型的模拟计算时间为10s，则每隔10s，SWMM模型能够得到排水预测结果。模拟计算时间可以计算的稳定性进行设置。比如0.inp对应的进程编号为rank=0，1.inp对应的进程编号为rank=1等，各个输入文件与进程编号一一对应，SWMM模型运行时，rank=0的进程对应运行输入文件0.inp，rank=1的进程对应运行输入文件1.inp。通过预先的进程编号的绑定过程，各个输入文件能够分别被对应的进程，同时进行运算，使得SWMM模型的运算速度加快，提高运算效率。

在一些实施例中，所述排水预测方法还包括如下步骤：接收用户设置的配置文件。对所述配置文件进行识别得到定制化需求。根据用户的定制化需求，使用swmm动态链接库的接口函数，来得到定制化需求相对应的排水预测结果。用户可以预先通过配置文件输入管道编号和名称等。通过识别配置文件，得到定制化需求的相关参数，利用swmm动态链接库的接口函数根据定制化需求的相关参数，可以在程序计算过程中调取对应的结果。另外，SWMM模型运算得到的结果可以写入到二进制文件中，还可以生成报告输出文件。swmm动态链接库的接口函数也可以根据二进制文件调取对应的结果。这样，通过定制化输出的过程可以将结果的数据处理工作进行前置，以减少用户后续基于二进制文件或输出文件进行繁杂的数据筛选工作。

在一些实施例中，根据用户的定制化需求，使用swmm动态链接库的接口函数，来得到定制化需求相对应的排水预测结果具体包括如下步骤：

所述定制化需求包括第一控制条件，所述第一控制条件包括输出对象和输出参数，所述子排水区包括检查井、管道、节点（管路的分支点或交汇点）和子汇水区，所述输出对象包括目标区域的部分检查井、管道、节点和子汇水区或目标区域的所有检查井、管道、节点和子汇水区。将所述输出对象和输出参数与所述进程编号进行匹配。在具有至少两个输出对象的情况下，将swmm动态链接库的对应不同输出参数的接口函数进行重组，以调出所述定制化需求所包括的所有的输出对象的输出参数的排水预测结果。

关于第一控制条件，定制化需求可以包括同一子排水分区的不同管道或节点的输出参数等，还可以包括不同子排水分区的不同管道或节点的输出参数等，可以根据识别的管道编号或名称来得到对应的进程编号，方便接口函数调取对应进程的运算结果。当输出参数为多个，例如，可能包括管道的A参数和B参数，节点的C参数和D参数等，因此需要调用不同的输出参数的接口函数，这些接口函数可以按照配置文件中的需求的顺序形成组合，输出结果时，可以依次调用各个接口函数，以得到对应的所有的输出对象的输出参数的排水预测结果。这样可以对用户指定的多个输出对象和输出参数，分别对应输出结果，减少用户在二进制输出文件或报告输出文件中进行对应查找的繁杂工作。另外在运算过程中直接调取结果，可以省去写入输出文件的过程，避免浪费存储空间。

在一些实施例中，所述定制化需求包括第二控制条件，所述第二控制条件包括输出时间和/或输出频率，所述输出时间为排水预测过程中的输出结果的时刻，所述输出频率为在排水预测过程中的输出结果的次数，以便所述SWMM模型基于所述输出时间和/或输出频率输出排水预测结果。这样能够得到与用户指定的时刻对应的排水预测结果，以计算一个小时为例，起始时刻和终止时刻分别可以为12:00:00和13:00:00，输出时间可以分别定为12:05:00、12:30:00和12:32:00等可能是比较重要的时刻的排水预测结果，可以不必输出其他用户未指定时间的排水预测结果，比如不必在12:01:00时刻输出排水预测结果。输出时间与起始时刻之间的时间间隔可以看成时间步，以输出时间为12:05:00为例，时间步为5分钟，12:05:00输出的结果是模拟5分钟的排水预测结果，排水预测的运算时间可能为30s，然后可以选择在12:05:00输出结果。输出频率可以为在计算一个小时的过程中输出结果的次数，例如，在12:00:00至13:00:00之间控制输出10次结果，以便充分掌握SWMM模型运算的1个小时内的中间时间点的排水预测情况。如果用户需要实时输出排水预测结果，可以间隔数十秒（比如40s或50s等）确定输出时间，以便用户端看到实时动态的结果。

在一些实施例中，定制化需求还可以包括排水预测结果的格式，比如输出文本格式(.txt)、图表格式(.csv)等等。接口函数调取对应的结果后，可以通过后续的处理模块对数据格式进行处理，以方便用户查看。

图4示出根据本申请另一实施例的基于自然排水分区的排水预测方法的流程图。所述排水预测方法还包括如下步骤：在步骤401，确定时间步以及排水预测的起始时刻和终止时刻。

在步骤402，所述SWMM模型基于所述时间步进行处理运算得到排水预测结果。例如设置在12:00:00开始运行SWMM模型，时间步为10s，则SWMM模型从12:00:00开始每隔十秒钟得到排水预测结果。

基于每个时间步的排水预测结果，在步骤403，判断是否满足所述第一控制条件和第二控制条件。在控制条件包括输出对象、输出参数、输出时间和输出频率的情况下，SWMM模型运算的过程中，如果在达到计时间隔时，判断已经得到了定制化需求中的A管道的B参数，且达到了用户指定的输出时间，还能够满足输出频率的要求的情况下，就可以判定满足第一控制条件和第二控制条件。如果步骤403判断为是，则进行步骤404，输出排水预测结果。

如果步骤403的判断结果为否或者排水预测结果输出之后则进行步骤405，判断当前时刻是否达到终止时刻。如果当前时刻为12:30:00，而终止时刻为13:00:00，则步骤405的判断结果为否，则循环进行下一个模拟运算的过程。如果步骤405的判断结果为是，则进入步骤406，计算结束。此时MPI并行应用程序停止进行计算。这样，在起始时刻至终止时刻的计算过程中，及时地基于用户的定制化需求输出相对应的排水预测结果。

在一些实施例中，排水预测的起始时刻、终止时刻和计时间隔分别可以在输入文件中进行配置。例如可以在关键词为[REPORT]-输出信息的内容中配置。

在一些实施例中，将目标区域经过逐级递归划分得到M个排水分区具体包括如下步骤：基于城市排水分区的分布，将目标区域经过第一级划分得到N₁个一级子排水分区A11、A12、...、A1N。对所述N₁个一级排水分区分别经过第二级划分得到N₂个二级子排水分区A21、A22、...、A2X，直到第N级划分得到N_N个N级子排水分区AN1、AN2、...、ANX，其中所述N₁个一级子排水分区的两个不同的一级子排水分区之间、所述N₂个二级子排水分区的两个不同的二级子排水分区之间和所述N_N个N级子排水分区中的两个不同的N级子排水分区之间不存在水量的相互输送。可以根据运算时间等需求，划分到不同层级的子排水分区，如果划分到越低的层级，则MPI并行应用程序的运算时间就会越少，这样，能够以合适的运算时间得到排水预测结果。

图5示出根据本申请实施例的目标区域逐级递归划分的示意图。以图5所示的划分目标区域的方式为例进行说明：a表示未进行划分的整个的目标区域A，b表示经过第一级划分后的目标区域，其中第一级划分是将目标区域分为四个一级子排水分区（A11、A12、A13、A14）。c表示经过第二级划分后的目标区域，第二级划分是将每个一级子排水分区再分为四个二级子排水分区，得到的二级子排水分区包括A201-A216。d表示经过第三级划分后的目标区域，第三级划分是将每个二级子排水分区再分为四个三级子排水分区，得到的三级子排水分区包括A301-A364。接下来还可以继续对三级子排水分区进行划分。可以理解的是，第一级划分、第二级划分直至第N级划分中，每个层级划分后的子排水分区的数量可以根据该目标区域的排水分区的分布或者根据运算时间需要等进行划分。所以每个层级的划分数量可以是不同的，例如，第一级划分时将目标区域划分成四个一级子排水分区，第二级划分时，将第一个一级子排水分区划分成2个二级子排水分区，第二个一级子排水分区划分成2个二级子排水分区，第三个一级子排水分区划分成3个二级子排水分区，第四个一级子排水分区划分成4个二级子排水分区。这样可以根据不同的子排水分区的情况进行划分，有助于进行排水预测和分析。根据运算时间进行划分，如果运算时间的需求较低，则可以划分的层级越多，得到的自排水分区越小，这样可以提高运算的精细度，例如划分到五级子排水分区。如果运算时间的需求较高，则可以划分的层级越少，得到的自排水分区较大，例如划分到三级子排水分区，可以缩短运算时间。

在一些实施例中，在所述输出对象为检查井的情况下，所述输出参数包括水深、水头和溢流量；在所述输出对象为管道的情况下，所述输出参数包括流量、流速和充满度；在所述输出对象为节点的情况下，所述输出参数包括流量和流速；在所述输出对象为子汇水区的情况下，所述输出参数包括降雨量、蒸发量、下渗量及径流量。输出对象不同的情况下，输出参数也可能是不同的。输出参数有助于体现排水预测结果。

图6示出根据本申请实施例的基于自然排水分区的排水预测系统的结构图。所述排水预测系统600包括接口601和处理器602。所述接口601配置为：接收M个子排水分区的基础资料。所述处理器602配置为：执行如本申请任一实施例所述的排水预测方法。本申请实施例的排水预测系统600可以应用于大规模或超大规模的区域的排水预测分析中，能够缩短排水预测的运算时间，能够以间隔较短的运算时间（比如数十秒的时间间隔）输出一次排水预测结果，有利于实时计算管网排水能力。

本申请中的处理器可以是包括一个以上通用处理设备的处理设备，诸如微处理器、中央处理单元（CPU）、图形处理单元（GPU）等。更具体地，该处理器可以是复杂指令集计算（CISC）微处理器、精简指令集计算（RISC）微处理器、超长指令字（VLIW）微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。该处理器还可以是一个以上专用处理设备，诸如专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、片上系统（SoC）等。处理器可以通信地耦合到存储器并且被配置为执行存储在其上的计算机可执行指令。

此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合（例如，各种实施例交叉的方案）、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由权利要求以及其等同物的全部范围所指示。

以上描述旨在是说明性的而不是限制性的。例如，上述示例（或其一个或更多方案）可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本申请的主题可以少于特定的公开的实施例的全部特征。从而，权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

以上实施例仅为本申请的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.一种基于自然排水分区的排水预测方法，其特征在于，包括：

基于自然排水分区的分布，将目标区域经过逐级递归划分得到M个子排水分区，所述自然排水分区中的两个不同的子排水分区之间不存在水量的相互输送；

获取所述M个子排水分区的基础资料，并基于此得到用于SWMM模型的M个输入文件；

利用MPI并行应用程序，根据输入文件的数量来配置多个处理器核心，使得各个输入文件分别与对应的处理器核心实现绑定运算，具体包括：将指定的多个处理器核心的处理进程进行编号，使得所述M个输入文件与各个进程编号一一对应；

基于所述M个输入文件，调用对应的各个处理器核心利用MPI并行应用程序执行SWMM模型的并行排水预测分析，对于各个时间步：使得各个处理器核心读取对应的进程编号的输入文件，利用该进程编号对应的进程对输入文件进行处理运算，其中，各个处理器核心针对对应输入文件的运算时间小于阈值时间，以得到排水预测结果；

接收用户设置的配置文件；

对所述配置文件进行识别得到定制化需求；

根据用户的定制化需求，使用swmm动态链接库的接口函数，来得到定制化需求相对应的排水预测结果，具体包括：所述定制化需求包括第一控制条件，所述第一控制条件包括输出对象和输出参数，所述子排水分区包括检查井、管道、节点和子汇水区，所述输出对象包括目标区域的部分检查井、管道、节点和子汇水区或目标区域的所有检查井、管道、节点和子汇水区；将所述输出对象和输出参数与所述进程编号进行匹配，使用swmm动态链接库的接口函数，以调出所述定制化需求所包括的输出对象的输出参数的排水预测结果。

2.根据权利要求1所述的排水预测方法，其特征在于，利用MPI并行应用程序，根据输入文件的数量来配置多个处理器核心具体包括：对MPI并行应用程序进行初始化，在编译之后运行时在命令行配置传递参数来指定多个处理器核心的数量并将其传递到MPI并行应用程序中。

3.根据权利要求1所述的排水预测方法，其特征在于，所述排水预测方法进一步包括：在具有至少两个输出对象的情况下，将swmm动态链接库的对应不同输出参数的接口函数进行重组，以调出所述定制化需求所包括的所有的输出对象的输出参数的排水预测结果。

4.根据权利要求1所述的排水预测方法，其特征在于，所述定制化需求包括第二控制条件，所述第二控制条件包括输出时间和/或输出频率，所述输出时间为排水预测过程中的输出结果的时刻，所述输出频率为在排水预测过程中的输出结果的次数，以便所述SWMM模型基于所述输出时间和/或输出频率输出排水预测结果。

5.根据权利要求4所述的排水预测方法，其特征在于，所述排水预测方法还包括：

确定所述时间步以及排水预测的起始时刻和终止时刻；

所述SWMM模型基于所述时间步进行处理运算得到排水预测结果；

基于每个时间步得到的排水预测结果，在满足所述第一控制条件和第二控制条件的情况下，输出所述排水预测结果。

6.根据权利要求1所述的排水预测方法，其特征在于，将目标区域经过逐级递归划分得到M个子排水分区具体包括：

基于城市排水分区的分布，将目标区域经过第一级划分得到N1个一级子排水分区A11、A12、...、A1N；

对所述N1个一级子排水分区分别经过第二级划分得到N2个二级子排水分区A21、A22、...、A2X，直到第N级划分得到NN个N级子排水分区AN1、AN2、...、ANX，其中所述N1个一级子排水分区的两个不同的一级子排水分区之间、所述N2个二级子排水分区的两个不同的二级子排水分区之间和所述NN个N级子排水分区中的两个不同的N级子排水分区之间不存在水量的相互输送。

7.根据权利要求1所述的排水预测方法，其特征在于，所述M个子排水分区的基础资料包括M个子排水分区的排水设施的几何参数和物理属性参数。

8.根据权利要求1所述的排水预测方法，其特征在于，在所述输出对象为检查井的情况下，所述输出参数包括水深、水头和溢流量；在所述输出对象为管道的情况下，所述输出参数包括流量、流速和充满度；在所述输出对象为节点的情况下，所述输出参数包括水深和水头；在所述输出对象为子汇水区的情况下，所述输出参数包括降雨量、蒸发量、下渗量及径流量。

9.一种基于自然排水分区的排水预测系统，其特征在于，包括：

接口，其配置为：接收M个子排水分区的基础资料；

处理器，其配置为：执行根据权利要求1-8中任何一项所述的排水预测方法。