随着“海绵城市”建设工作的如火如荼,继而引发社会各界对雨水问题的高度重视迅速推进我国对雨水径流污染监测及评估工作的开展,但我们不得不面对的一个现实就是,由于之前对该问题的重视和研究程度不够,很多地区的雨水径流监测手段十分落后、设备不到位以及监测数据十分匮乏,近年引进国外的设备存在着成本高、维修难,需要不断购买其配套模块等一系列问题。故而,研究雨水径流污染计测方法、设备和有效评估污染物负荷就显日益重要。本文以雨水径流为研究对象,重点研究雨水径流流量计量方法和装置、以及雨水径流污染物总量的评估方法。首先,针对地表径流流量研发出基于动量变化率测定来流冲击力从而计量雨水口流量的流量计(即“一种雨水口流量测量装置”,已申请国家发明专利201610001374.4),具体是通过力传感装置和称重变送器将下落水流冲击力转化为电压信号,最终换算成流量,实验结果表明其获得的流量精度较高,适应雨水口的流量变化,是一种计量雨水口流量的有效方法。然后考虑雨水排流方式及过程,对几种较为常用堰槽的流量计算方法、设备特征及其适用范围进行对比分析,并剖析雨水明渠流量测量中存在的问题和要点,对雨水明渠流量测量设备选型进行探讨,在此基础上,设计出针对雨水明渠流量计量的简化巴歇尔槽装置,实验率定装置的水力参数并拟合出自由出流条件下的流量公式,其精度较好,R2在0.990以上、Er值基本在5%以内,通过弗劳德模型律验证1:2比尺缩小模型符合相似准则,用于雨水明渠流量测量有效。其次,对“十二五”国家“水体污染控制与治理”科技重大专项课题(水体污染与治理——城市道路与开放空间低影响开发雨水系统研究与示范工程)(2010ZX07320—002))中深圳市光明新区示范工程项目中部分区域进行了监测,得出不同下垫面的雨水径流流量以及相关污染物浓度,进而分析了监测数据污染物指标与降雨特征的pearson相关系数,并使用主成分分析法分析各个指标对污染物总量的贡献率,确定了污染物负荷的主成分影响因子,结果表明可选用汇流面积(m2)、绿地率、降雨历时(min)和降雨间隔时间(min)四项影响因子构成变量输入。最后,基于BP人工神经网络(Artificial Neural Network)构建雨水径流污染物总量评估方法模型。具体方法是以监测区域2014~2015年20场次降雨作为样本数据,以4项主影响因子作为输入量,污染物(以SS计)作为输出量,构建三层BP神经网络模型,通过SPSS和MATLAB工具计算相应年份的雨水径流污染负荷,并使用Schueler法对计算结果就行验证。虽然BP神经网络应用已经较为广泛,但是前人的研究中尚未使用BP神经网络模型来评估污染物总量,该方法用于估算雨水径流污染物总量比较新颖,具有一定的参考意义。