一种改进的不确定性水质模型参数率定方法

为了能够使得水质模型的参数率定更符合实际情况,减少水质模型当中常出现的异参同效的现象,提出一种能够结合实验与算法共同对模型参数进行识别的方法,即通过设置约束条件,将单纯的"与实测值进行对比"的一般率定过程转化为"能够对模型内部过程进行一定程度控制"的率定过程.以WASP模型在北运河的某河段中进行的水质模拟结果表明,通过引入约束条件可以从更为系统的角度有效地去除部分不符合污染物转化规律的参数组合,使得最终水质模型能够更为准确地反映实际的水质变化过程,同时也减少了模型的不确定性与模型参数率定的"异参同效"现象;在模型的非线性结构与约束条件的作用下,相同子模块中原本独立的参数会呈现一定的相关性;随着对区域的水质变化过程研究的深入,当引入新增约束条件或是降低容错比例时,约束条件的作用将会进一步增强.     

半干旱半湿润地区HSPF模型水文模拟及参数不确定性研究

本研究选取半干旱半湿润地区北京妫水河流域2005—2007年和2008年月径流数据为率定期和验证期,建立HSPF水文模型进行径流模拟,结合人工率定和PEST自动率定程序进行参数优选,并通过GLUE方法分析模型参数不确定性.通过Monte-Carlo随机采样得到30000组参数组合,分析参数与似然值散点图,把参数分为敏感参数(LZSN、AGWRC)、区间敏感参数(BASETP)和不敏感参数(AGWETP、INFILT、CEPSC、DEEPFR、UZSN、INTFW、IRC).针对比较敏感的参数LZSN、AGWRC和BASETP分析其相关性,发现LZSN和AGWRC相关性较强.模型存在大量"异参同效"现象,表明影响结果的是参数组合而不是单一参数.进一步计算90%置信度下的不确定性范围,发现不确定性范围与径流大小密切相关,径流愈大其不确定性范围愈大,反之亦然.本文对参数不确定的分析研究可为HSPF模型在区域尺度水文预测等提供参考和依据.     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

基于全局敏感性分析方法的WASP模型不确定性分析

为了定量讨论WASP(The water quality analysis simulation program,水质分析模拟程序)模型中各参数对模拟结果的影响及其不确定性,本文在Simulink环境下对模型进行重组,利用Sobol方法,对影响DO、CBOD、NH3-N、NO3--N等4项输出的各参数敏感性进行了研究,重点讨论了输入条件如时空变化对参数敏感性的影响.结果表明:Sobol全局敏感性分析方法能够有效地筛选出WASP模型中对DO、CBOD、NH3-N、NO3-变化模拟较为敏感的参数,在实现模型参数“本土化”中具有较大的应用潜力;对比总敏感性与一阶敏感性指数之间的差异, WASP模型当中的若干参数(如GP1、PNH3、anc等)耦合性较强,不宜使用一次一个变量法对这些变量进行敏感性分析;在参数敏感性变化方面,即使对于同一条河流,WASP的参数敏感性指数会因边界条件的时空变化而发生改变.敏感性受空间变化的影响不大,但受时间(季节)变化的影响显著;输入变量随时间的变化,会引起模型不确定性在各季节上的较大的差异;WASP模型当中存在明显的“异参同效”作用,仅靠传统方法进行全局寻优率定,并不能体现水体各组分之间相互转化的过程,还需要结合实验对关键参数进行率定.     

滇池大清河河口二维水环境模型研究与应用

以滇池大清河河口为对象,根据其水动力特征,建立了二维水环境模型.其中水动力模块采用交替方向迭代法进行数值求解,水质模块中参数的取值通过2006年和2007年现场原位实验和实验室模拟实验获得,并利用2007年的实际监测数据对模型进行率定和验证.运用率定的模型,模拟了生态修复工程实施后大清河人湖控制断面的水质变化情况,以期为治理方案的优化和效果评价提供参考.     

基于Matlab软件自动化求取参数的HEC-RAS模型构建

水质模型是水环境模拟的重要工具,近年来越来越多的应用于水环境预测与管理中,但平原河网水质模拟一直是个难点.本研究采用HEC-RAS模型开展湖州市长兴城区平原河网水动力和水质模拟.模型的水质模块率定采用Matlab软件自动化求取参数,代替常规试错法求参率定,减少了人工干预,提高了模型率定效率.HEC-RAS模型在平原河网地区水动力模拟结果较好,水质模拟结果基本符合要求,证明了HEC-RAS模型在平原河网应用的可行性,但模型的精度通常受水系概化、水文状况、污染源信息等因素影响,对于信息比较充分的短时段水质模拟其精度相对较好.     

稀疏数据下复杂流域的水质模拟:以赣江为例

以赣江流域为例,对稀疏数据条件下复杂流域水质模型的建立和参数识别进行了探讨．采用了结构相对比较简单的CSTR模型,将其参数划分为水文参数和水质参数,并分别进行识别．水文参数采用回归方法进行识别,对水文参数的扰动实验表明,水质对于水文参数在可能的取值范围内的变化不敏感,因此在随后的水质参数的识别中,将其固定在回归方法求出的最优值上．水质参数的确定则采用了模型方法和资料方法相结合的手段,综合考虑了赣江流域可获得的数据信息、文献资料中对于参数的经验取值和模拟者在大量数学建模中的经验,最终根据河流的不同类型确定了赣江流域的水质参数,并对模型进行了验证。     

大型浅水湖泊磷模型参数不确定性及敏感性分析

以太湖作为大型浅水湖泊的代表,以EFDC模型为基础建立关于磷的沉积成岩模型,运用拉丁超立方抽样方法、普适似然不确定性分析方法和区域敏感性分析方法,对成岩模块中与磷迁移转化有关的16个参数进行敏感性分析.结果表明,太湖全湖区磷酸盐和总磷的时间空间分布都极不均匀,成岩模块参数的不确定性在磷酸盐和总磷的模拟方面都存在强烈影响.以上覆水磷酸盐为输出目标,"沉积物-水"界面遭受的风浪扰动在水深相对更浅的湖区更为直接,湖湾区水的流通性较差,利于沉积物中溶解态磷释放.以上覆水总磷为输出目标,湖心区颗粒态磷和溶解态有机磷的质量浓度受成岩模块参数不确定性的影响较大.敏感参数主要是动力特性与和氧相关的两类参数.对于大型浅水湖泊,底泥沉积成岩模块敏感参数的重要性不弱于水动力、水质模块,针对不同水质、底泥分布的水域,模拟磷元素时应注重敏感参数的取值率定.     

多时间尺度HSPF模型参数不确定性研究

模型参数的不确定性是水文模型应用研究领域的重点与难点.本研究以密云水库东北部的潮河流域为例,构建了潮河流域HSPF水文模型,并采用1998~2010年逐月地表径流量数据对模型参数进行校准与验证,并结合GLUE算法分析了模型参数的敏感性和不确定性.结果表明:(1)经过参数调整,HSPF模型径流模拟取得了较好的效果,率定期和验证期的纳什系数分别为0.84和0.55;(2)可将影响HSPF模型的参数分为3类,即全局敏感性参数(LZSN、INFILT、IRC和AGWRC)、局部敏感性参数(UZSN)和不敏感参数(DEEPFR、BASETP、AGWEPT、INTFW和CEPSC);(3)不同敏感性参数间存在复杂的相关关系,参数组合(LZSN与INFILT)、(INFILT与UZSN)和(UZSN与AGWRC)间均呈极显著负相关关系;(LZSN与UZSN)和(UZSN与AGWRC)呈极显著正相关;(4)HSPF模型参数存在大量复杂的"异参同效"现象,证实影响模拟结果优劣的是参数组合而非某一参数值;(5)模型不确定性发现,模型预测的不确定性范围与降雨量密切相关,即降雨量越大,模型预报的不确定性就越大,反之亦然;(6)不同时间尺度下HSPF模型的模拟效果总体较好,但是也存在一定差异性,年尺度、季节尺度和月尺度下不确定性范围分别包含了81.80%、78.70%和80.56%的观测值,即年尺度效果略优于月尺度和季节尺度;该研究结果可为HSPF模型在相似区域应用与参数本土化提供科学参考和借鉴.     

系统识别与参数估计方法在河流水质模型中的应用

一、引 言 在建立河流水质数学模型的过程中,模型结构一旦决定之后,剩下来的最重要工作就是确定模型中的未知参数(或参变函数).一般情况下,这些参数既不能通过实验得到,也没有现成的公式可以计算,只能根据实际河流水质监测数据进行估计.     

Uncertainty analyses on the calculation of water environmental capacity by an innovative holistic method and its application to the Dongjiang River

The estimation and allocation of water environmental capacity （WEC） are essential to water quality management and social-economic interests. However, there is inevitable uncertainty in the capacity estimation due to model conceptualization, data collection and parameter calibration. An innovative holistic approach was developed, which took both independence and relevance between parameters into account to analyze the uncertainties in WEC calculation and estimate the margin of safety. The Doniang River was taken as the case to demonstrate the method, focusing on the chemical oxygen demand and NH-N that were the two major water quality problems in the river. The results showed that the proposed holistic approach is very promising and applicable compared to traditional methods of uncertainty analysis.     

Bayesian calibration of the nitrous oxide emission module of an agro-ecosystem model

Nitrous oxide (N₂O) is the main biogenic greenhouse gas contributing to the global warming potential (GWP) of agro-ecosystems. Evaluating the impact of agriculture on climate therefore requires a capacity to predict N₂O emissions in relation to environmental conditions and crop management. Biophysical models simulating the dynamics of carbon and nitrogen in agro-ecosystems have a unique potential to explore these relationships, but are fraught with high uncertainties in their parameters due to their variations over time and space. Here, we used a Bayesian approach to calibrate the parameters of the N₂O submodel of the agro-ecosystem model CERES-EGC. The submodel simulates N₂O emissions from the nitrification and denitrification processes, which are modelled as the product of a potential rate with three dimensionless factors related to soil water content, nitrogen content and temperature. These equations involve a total set of 15 parameters, four of which are site-specific and should be measured on site, while the other 11 are considered global, i.e. invariant over time and space. We first gathered prior information on the model parameters based on the literature review, and assigned them uniform probability distributions. A Bayesian method based on the Metropolis–Hastings algorithm was subsequently developed to update the parameter distributions against a database of seven different field-sites in France. Three parallel Markov chains were run to ensure a convergence of the algorithm. This site-specific calibration significantly reduced the spread in parameter distribution, and the uncertainty in the N₂O simulations. The model’s root mean square error (RMSE) was also abated by 73% across the field sites compared to the prior parameterization. The Bayesian calibration was subsequently applied simultaneously to all data sets, to obtain better global estimates for the parameters initially deemed universal. This made it possible to reduce the RMSE by 33% on average, compared to the uncalibrated model. These global parameter values may be used to obtain more realistic estimates of N₂O emissions from arable soils at regional or continental scales.     

Biotic Ligand Model的简化模型及预测性能评价

通过检索4物种(Fathead minnow、D.magna、D.pulex、Rainbow trout)在地表水中实测的铜半致死浓度(Observed_LC50),及Biotic Ligand Model(BLM)预测其半致死浓度(Predicted_LC50),得到4物种的预测精度依次为0.075、0.52、0.96、0.29,模型对Fathead minnow与Rainbow trout的预测性能较差.在此基础上,分析显示预测误差值与LA50呈指数关系,表明LA50值并非常数值.通过对BLM的LA50的校正,Fathead minnow与Rainbow trout的预测精度升为0.59、0.42.通过分析LA50与硬度的关系,发现BLM在软水环境中预测效果较差.另外,随机均匀生成500组水质参数组,通过BLM预测,筛选出4项敏感参数为DOC、pH、HCO-3浓度及温度,并建立相应物种的LC50与其的多元线性关系,大大简化了生物配位模型.     

南昌市浅层地下水水质评价及监测指标优化

地下水环境监测过程中保证地下水水质评价代表性的同时尽量优化监测指标数量,对地下水环境管理具有重要的意义.选取南昌市地区2014年和2019年浅层地下水监测数据,运用统计分析、 Piper三线图和熵权水质指数(EWQI)分析水化学特征及水质变化,并耦合逐步多元线性回归分析构建基于水质评价的关键指标优化方法,评估此方法应用的可行性.结果表明,南昌市地下水2014年和2019年水化学类型主要为HCO₃-Ca型;pH值、 NO^-₃、 I^-、 Fe和Mn等5项超标指标是水质变化的主要影响因子;2019年水质状况总体上高于2014年,基本为“中等”水质,二者EWQI平均值分别为53.72和82.34;基于关键指标优化方法构建的最优模型EWQI_min-4能够较好地代表实际的EWQI,关键指标包括Mn、 NO^-₃、 TH、 Fe、 pH值和I^-,其决定系数(R²)和百分比误差(PE)值分别为0.865和10...     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R~2达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R~2达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

基于偏最小二乘模型的河流水质对土地利用的响应

流域土地利用类型变化是影响河流水质的重要因素之一.为探究子流域尺度土地利用与河流水质之间的相互关系,本文基于太子河流域遥感影像和水质数据,采用偏最小二乘模型(partial least squares,PLS),分析不同土地利用类型对流域水质的影响程度.选取7个不同子流域土地利用类型面积百分比作为自变量X,总氮(TN)、硝酸根离子(NO_3~-)、氯离子(Cl-)与硫酸根离子(SO_4~(2-))这4个水质参数浓度值作为因变量Y,构建了土地利用类型与河流水质数据的偏最小二乘模型,并使用其余子流域数据对构建的模型进行验证.结果表明,太子河流域不同子流域土地利用类型与河流水质指标TN与NO_3~-之间线性关系显著,决定系数R~20.62.其中,耕地面积变化对水体中TN浓度变化影响明显,居民及工矿建设用地面积变化则对水体中NO_3~-浓度变化影响强烈.但对于Cl-和SO_4~(2-)来说,土地利用类型对其浓度大小有一定影响,但并不是最主要的影响因素.虽然太子河流域未利用地面积百分比极小(1.13%),但是未利用地面积变化对水质参数有较显著影响(影响系数0.24).     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

基于模型研究质量评价的SWAT模型参数取值特征分析

SWAT模型是目前我国应用最为广泛的流域水环境模型之一.由于该模型拥有分布式参数并且基于美国环境特征建立,确定合理的和符合我国流域环境特征的参数取值是模型应用中的关键工作.有研究通过总结现有报告的参数取值,为模型本地化应用提供参数取值参考,但这些研究忽略了其中SWAT模型研究质量之间的差异,也未考虑参数取值的非均匀性以及极端值的影响,因而研究结果的实用性不佳.建立了综合考虑模型建立、参数率定和验证、模拟效果的SWAT模型研究质量评价指标体系,对中国知网收录的2015~2017年发表的428篇SWAT模型研究文献开展定量评价并筛选高可信度文献.基于高可信度文献报告的SWAT模型参数取值,分析了15个涉及水文、泥沙和水质过程模拟的参数取值特征,包括参数取值分布特征及其在不同地理区域间的差异,以及参数率定值与默认值的偏差等.研究表明,在筛选得到的129篇高可信度文献中,SWAT模型应用整体上更加规范,且具有较好的区域代表性;15个模型参数在我国流域的取值分布具有正偏态、负偏态等不同特征,其中4个参数在我国不同地理区域的取值分布存在显著差异,12个参数在我国流域的取值明显偏离默认值.基于模型参数取值特征,以置信区间的形式给出了SWAT模型在我国本地化应用的参数取值建议,并针对不同数据条件下的模型应用提出了参数取值建议.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.