排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
集合卡尔曼滤波（EnKF）是一种灵活有效的序贯数据同化方法,解决参数优化问题具有优势：一是可以显式地考虑多源不确定性,从而避免对参数的过度调整来弥补其他来源的误差而产生次优参数;二是实时处理最新更新的观测数据,从而不需要存储和同时处理所有历史数据;三是使用集合和蒙特卡罗方法来表征和预报相关误差统计量,不需要封闭解逼近,易于实施。论文借助一维土壤湿度模型,通过观测系统模拟试验的方式,评估EnKF对水力学函数参数的优化效果。结果表明,敏感参数更易得到最优估值,优化效果不受初始猜测及观测误差设置等的影响。和直观想法相反,增加同化频率可能会使估值结果不稳定。 相似文献
2.
为了解复杂地形-气象场条件下二噁英类污染物环境影响,选取我国西南某代表性山地,利用CALPUFF预测区域垃圾焚烧、医废与危废项目二噁英类污染物的环境影响,并通过土壤实测数据进行模型分析验证.结果显示：复杂地形-气象场条件下,同一区域不同空间下的风向与风速将会出现明显差异,CALMET气象模块可结合相关资料,模拟计算出可信较高的复杂气象场文件;模型预测显示,在复杂地形-气象场条件下,项目排放的二噁英在土壤中的沉降位置、方向与全年主导风向不完全一致.研究区域土壤沉降量为0.86×10-3~9.84×10-1ngTEQ/m2;模型模拟医废与垃圾焚烧、危废项目沉降数据与监测数据相关性R分别为0.854,0.287,说明CALPUFF模式在复杂地形-气象场条件下模拟周边土壤二噁英空间分布有一定可信度. 相似文献
1