观测误差对非线性环境模型参数识别的影响

采用SCE-UA方法和RSA方法，比较了在不同的观测误差条件下，优化方法和不确定性分析方法对于非线性模型参数识别的影响。分析表明，RSA方法是在具有观测误差的数据条件下进行参数识别的一种有效手段。同时，通过比较分析，发现RSA方法预测的浓度平均值和概率最大值与“真实值”并不完全一致。因此，在使用RSA方法时，应该充分考虑预测区间，以降低决策风险。     

似然度函数对GLUE方法的影响

GLUE方法是不确定性条件下参数识别的重要方法,似然度函数的选择是GLUE方法的关键. 为克服观测误差和模型结构误差对研究结果的影响,利用合成的数据序列,以污染物衰减模型为基础,分析了似然度函数对参数识别和模型预测结果的影响. 从识别结果来看,由于似然度函数的变化改变了参数似然度之间的对比,因此对参数识别及灵敏度分析的结果都产生了影响,甚至能够改变参数全局灵敏度的相对排序. 从预测结果来看,似然度函数的变化影响了模型预测的分布,但即使预测结果的模糊性在减少,精度并没有相应地提高. 因此,似然度函数的恰当选择对分析结果具有重要的影响,应结合研究问题的具体特点和对模拟结果的要求,采用概率论等相关方法选择出尽可能体现参数真实重要性的函数.      

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

基于GLUE法的多指标水质模型参数率定方法

目前对水质模型进行参数率定通常利用计算机算法来实现,但由于水质模型日趋复杂的非线性结构往往会导致"异参同效"现象,无法通过单个似然度判断参数的取值是否能够取得真值.为避免这一情况,本文提出了一套基于GLUE法的多目标模型参数率定方法,并以WASP水质模型的应用为例,通过Sobol方法确定模型的敏感参数,并利用DO、CBOD、氨氮、硝态氮4项指标的似然函数对参数同时进行率定.结果表明,该方法既可以有效地避免因追求"过拟合"而造成模型参数取值不当,也可以减小模型参数的不确定性,为具有"异参同效"现象的复杂模型的参数率定工作提供了一个更为可靠的方法.     

SWMM 模型在城市不透水区地表径流模拟中的参数识别与验证

为了研究城市不透水下垫面的降雨径流过程和污染负荷,以屋面为例,选择径流管理模型SWMM,采用独立场次实测数据,应用基于不确定性分析的HSY算法和Monte Carlo采样方法对模型中的水文水力和水质参数进行识别和验证.结果表明,地表不透水区径流模型中主要包含6个关键参数,分别为不透水区初损填洼深度(S-imperv)、不透水区曼宁系数(N-imperv),指数累积方程中的最大可能累积值(max buildup)、累积常数(rate constant),指数冲刷方程中的冲刷系数(coefficient)和冲刷指数 (exponent).水文水力参数的识别可以最小二乘法偏差作为目标函数,水质参数的识别可以场次污染负荷和污染物峰值浓度作为目标函数.参数识别结果为N-imperv0.012～0.025, S-imperv 0～0.7, max buildup 15～30, rate constant0.2～0.8, coefficient0.01～ 0.05, exponent1.0～1.2.参数的区域灵敏度由大到小排序为 coefficient、S-imperv、N-imperv、max buildup、exponent、rate constant.识别后的参数可以通过模型验证,但是在模拟一些雨型特殊的降雨径流污染物浓度曲线时,仍然存在一定的困难.     

环境模型参数优化方法的比较

模型参数优化是通过极小化目标函数使得模型输出和实际观测数据之间达到最佳的拟合程度.由于环境模型本身的复杂性,常规优化算法难以达到参数空间上的全局最优.近年来,随着计算机运算效率的快速提高,直接优化方法得到了进一步开发与广泛应用.本文比较了CRS、SCEUA、SA和Annealing-Simplex等4种算法应用于环境模型参数优化的结果和计算效率.     

改进的RSA方法在参数全局灵敏度分析中的应用

灵敏度分析是模型参数识别的重要方法. 参照一维情形,采用统计分布特征值,对传统意义上的参数灵敏度分析进行了扩展,将参数灵敏度定义从一维扩展到多维,为在多维情形下分析参数的灵敏度提供思路. RSA方法是全局灵敏度分析的重要方法,但其对参数的二元划分具有一定的局限性,因此对其进行一定的改进:①将RSA方法对参数集的二元划分扩展为多元划分.②分析对象不局限于对模型参数值的分布,也包括模型目标函数的分布,即研究在函数各取值区间,参数的分布是否具有明显的变化;研究在参数各取值区间,函数的响应是否具有明显的变化. 以n2的Rosenbrock函数作测试函数,对改进的RSA方法进行了检验. 以模型参数为基础的分析结果和以模型目标函数为基础的分析结果均表明,模型的2个参数的全局灵敏度都非常高,二者的分析结论一致.      

城市降雨径流模拟的参数不确定性分析

以厦门城市小流域为例,基于蒙特卡洛随机采样和区域灵敏度分析(RSA)方法,从参数的可识别性和灵敏度分析2个方面来分析城市降雨径流SWMM模型参数的不确定性.结果表明,水文水力模块中汇水单元不透水区贮水深度(Dstore-Imperv)、汇水单元透水区贮水深度(Dstore-Perv)和CN特征曲线(Curve Number)这3个参数可识别性较好,区域灵敏度高;水文水力模块的区域灵敏度的排序为:Dstore-ImpervCNDstore-Perv汇水单元透水区曼宁糙率(N-Perv)传导系数(Conductivity)管道曼宁糙率(Con-Mann)汇水单元不透水区曼宁糙率(N-Imperv).水质模块冲刷函数中地表冲刷系数(Coefficient)和地表径流幂指数(Exponent)这2个参数以及累积函数中的地表最大可累积的污染物量(Max.Buildup)的识别性较高,区域灵敏度较大.而从区域灵敏度的排序来看,3种用地类型的地表累积速率(Rate Constant)参数K-S距离最小,Max.Buildup、Coefficient和Exponent参数的K-S距离相对较大.     

基于径向基函数模型的优化方法在地下水污染源识别中的应用

采用一种基于径向基函数的替代模型代替地下水溶质运移模型,将其作为约束条件嵌入污染源识别的优化模型中,通过遗传算法对优化模型进行求解.最后通过一个假想例子评估优化模型的性能.研究表明：污染源泄漏量识别结果的平均绝对误差为1.00g/s,误差较小,计算时间为51min,耗时较少,因此,基于径向基函数模型的优化方法有效地避免了优化模型求解过程中多次调用模拟模型造成的巨大计算负荷,获得了较为准确的计算结果,是一种有效的地下水污染源识别方法,能够用来求解地下水污染源泄漏量.     

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MCMC法的水质模型参数不确定性研究

参数识别是数学模型应用的前提.鉴于常用贝叶斯离散化方法在搜索复杂模型参数后验分布时的计算限制的原因,本文引入了MCMC采样法.为考察MCMC法对参数后验分布的搜索性能和效率,进行了2个案例研究.结果表明,MCMC法对参数后验分布的搜索,无论是搜索性能还是搜索效率,均表现出了独特的优越性.同时,Gelman收敛判别准则计算表明,MCMC采样序列均能稳定收敛到参数的后验分布上.可见,MCMC法适用于复杂环境模型的参数识别和不确定分析研究.     

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.     

水质模型参数优化的遗传算法实现及控制参数分析

参数识别是数学模型应用的前提.遗传算法是一种通用的全局优化算法,结构简单.一个实际应用问题能否利用遗传算法解决,关键在于遗传算法的设计和控制参数的选取.本文结合水质模型参数优化的特点,提出采用正交试验设计的方法来考察遗传算法不同控制参数对参数优化性能的影响,结果显示,正交法较好地识别了关键影响因素,并提出可能的最优方案.表明遗传算法能较好地应用于复杂多参数水质模型的参数识别研究.     

水质模型参数识别与验证的探讨

参数识别与模型验证是水质模型应用的两个重要步骤。在对模型参数的本质含义进行辨析的基础上,对模型参数的时变性、集成性和可识别性进行了分析。采用科学哲学的方法,对水质模型验证的必要性和不足进行了讨论,指出虽然模型验证必不可少,但也不能证实模型本身就是实际物理和生化过程的反映,因此应充分地意识到“经过验证的”模型在预测中的风险。