一维水动力模型：有限差分、有限体积及其实现

最近一段时间，我把不少精力放在一维水动力模型上。写这篇文章，主要是想把建模和实现思路整理一下：面对真实河道断面、复杂边界和工程算例时，怎样把一维圣维南方程做成一个稳定、可扩展、可验证的求解器。

一维模型的意义不止于”跑出一条过程线”。往上，它连着河网、水库调度、漫滩分析和一二维耦合；往下，又落到断面数据清洗、水力几何计算、时间推进、守恒误差诊断和性能优化。很多直接影响结果质量的问题，教科书里往往只是带过，真正做起来才发现这些环节能不能彼此咬合才是关键。

问题背景

如果场景只是规则矩形河道，一维模型并不难写；一旦进入工程场景，问题很快就会变成下面几类：

• 河道断面通常来自实测数据，几何形态不规则，不能依赖矩形或梯形断面的解析公式。
• 既要算得稳，又不能把数值耗散做得太重，否则过程线会被抹平。
• 既要考虑洪峰传播、回水和边界响应，又要控制质量守恒误差。
• 模型最后往往不是独立存在，还要给耦合框架、可视化或后续调度模块提供稳定接口。

后面的很多实现工作，基本都围绕一个目标展开：把断面几何、离散格式、边界条件和求解效率组织成一个可持续演进的一维核心。

如果只保留最核心的物理表达，一维非恒定明渠流问题通常可以写成下面这组圣维南方程：

其中 A 是过水面积，Q 是流量，Z 是水位，Sf 是摩阻坡降。到了工程实现阶段，问题很快就会转到另一层：这些量怎样在不规则断面、复杂边界和离散网格上保持一致。

为什么同时做有限差分和有限体积

我一直觉得有限差分法和有限体积法是两条各有侧重的技术路线，关注点不完全一样。

FDM：适合把“稳定的大时间步求解”做扎实

有限差分法这部分，我主要做的是基于 Preissmann 四点隐式格式 的一维非恒定流求解器。它的优点比较明确：

• 时间推进稳定，适合较大的时间步长。
• 对常见的明渠非恒定流过程比较友好。
• 如果目标是河道洪水演进、回水分析这类相对平滑的过程，隐式框架很有吸引力。

这条线里，费工夫的地方主要在每个时间步都要解一个耦合的非线性方程组。相比把离散式写出来，更费精力的是把它落成一个完整的求解流程：

• 以流量 Q 和水位 Z 为主变量组织未知量。
• 用 Newton-Raphson 做非线性迭代。
• 把连续方程和动量方程线性化成块状线性系统。
• 利用块追赶法处理求解器主干，尽量避免把问题直接丢给通用稠密求解。
• 对迭代增量、松弛因子和边界更新做限制，避免数值震荡把迭代带崩。

这部分做下来以后，我对“隐式格式为什么稳”有了更具体的认识。稳定性并不是一个抽象标签，它背后对应的是雅可比、摩阻项、几何导数和边界条件这些环节都要处理得足够一致。

FVM：适合把“守恒、干湿和不连续”做得更可靠

有限体积法这部分，我主要关注它在守恒性和工程扩展性上的优势。对于非恒定明渠流，尤其是在要处理干湿交替、强地形变化，甚至向一二维耦合过渡时，FVM 的框架会更自然。

这里我重点处理的是：

• 以守恒变量组织状态，避免直接在点值层面做离散。
• 用 MUSCL 重构提高空间精度，同时用限制器压住非物理振荡。
• 用 HLL 类近似黎曼求解器计算界面通量。
• 通过静水重构 / 水静力重构处理地形源项，尽量维持静水平衡。
• 对摩阻项做半隐式处理，兼顾稳定性和实现复杂度。
• 在干湿边界、狭窄断面和几何突变位置增加额外保护，避免动量被数值放大。

这部分往下做，很快就会碰到另一类问题。黎曼求解器当然重要，但如果断面几何是不规则的，那么界面两侧的水力量如何投影到统一几何上、源项和通量是否共享同一套几何解释、面表和单元表是否一致，这些都会直接影响结果质量。

从更新形式上看，FVM 更接近“按控制体积守恒”去思考问题。单元更新可以概括成：

这里 U 是守恒变量，F 是界面通量，S 是源项。这个结构比较清楚，所以后面在处理地形源项、干湿边界和一二维耦合接口时，我也更愿意把 FVM 作为主干继续往前推。

水力几何这一层很关键

如果只看方程形式，一维模型像是在解 A、Q、Z。但在不规则天然河道里，这几个量背后连着一整套几何关系：

• A(h) 过水面积
• P(h) 湿周
• B(h) 顶宽
• I1(h) 静水压力积分
• dP/dZ、dA/dZ 这类隐式线性化需要的导数

如果每一步都按断面原始点坐标临时现算，性能和稳定性都会很差。所以后面我把不少精力放在预计算 + 向量化查询上：

• 先把每个实测断面离散成统一水深网格下的水力几何表。
• 对整个河段构建统一查询器，减少单断面循环查询带来的开销。
• 在 FDM 里直接服务于隐式迭代中的批量几何更新。
• 在 FVM 里同时支持单元表和界面表，保证通量和源项使用一致的几何语义。

这看上去像实现细节，但实际上直接决定模型能不能从”原型代码”走到”可长期维护的核心模块”。后面很多数值实验之所以能做得更快、更稳定，很大程度上都依赖这层几何抽象。

两条路线最后怎么汇合

把 FDM 和 FVM 都做过一遍之后，我的理解反而更清楚了：它们表面上是两套离散格式，底下处理的其实是同一类问题——怎样把物理约束、几何约束和数值稳定性统一起来。

我现在更倾向于这样分工：

• 当问题更偏向平稳演进、长时间过程和较大时间步时，FDM 的隐式框架有优势。
• 当问题更强调局部守恒、干湿处理、几何突变和后续耦合扩展时，FVM 更适合作为主干。

两条路线对照着做过之后，再看这个问题时，注意力自然不会只停留在”哪种格式更高级”上。更实际的判断标准是问题本身需要什么：是更大的时间步，还是更严格的守恒；是更平滑的过程线，还是更稳健的界面处理。

实现中的几个关键取舍

最近这一轮一维核心迭代里，我主要盯着这些点：

• 断面插值与平滑：相邻断面几何跳变太大时，会把数值通量和动量更新放大，所以需要在不破坏整体趋势的前提下做适度平滑。
• 界面几何的一致性：界面通量不能只拿单元中心几何硬算，很多情况下需要显式构造面表，保证左右状态投影到同一个界面几何上。
• 稳定性保护：在近干湿、窄断面或局部超临界倾向明显的位置，我会加入更保守的限制策略，比如控制 Froude 数上界，避免错误正反馈。
• 守恒诊断：显式记录入流、出流、库容变化和残差，避免只凭结果图去判断对错。
• 性能演进：Python 原型适合快速验证，但核心求解路径最终还是要考虑 native 化，这样才能兼顾可读性、可验证性和更高的计算效率。

这些点单看都不算新概念，放到同一个求解器里以后，差别就会慢慢出来。

复盘

写到最后，我对这个方向的理解比以前具体了很多。会写圣维南方程只是起点，后面更费工夫的是把方程、断面、边界、守恒和求解效率这些东西接起来，变成一套能稳定运行的方法。

前面做 FDM，让我把隐式求解、线性化和大时间步推进这条线走通了；后面做 FVM，又把守恒、界面通量、干湿处理和后续耦合扩展这条线补齐了。两条路都自己实现过以后，再看一维模型问题时清楚得多——至少能比较快地判断瓶颈到底在几何、在边界、在离散，还是在求解器结构本身。

再往后做，这类积累最终还是会落到数值方法、工程实现和后续扩展这几个层面上。把这几层接起来，一维核心才能继续往前推。