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.     

模型参数与边界条件对滇池水质变化的全局敏感性分析

借助湖泊系统模拟可定量地追踪滇池水质的变化过程,而模型输入水质参数和边界条件对机理模型的结果有显著的影响.然而,目前研究主要关注参数或边界条件对模拟结果的敏感性影响,缺乏兼顾模型内部方程参数与外部输入边界条件对结果的影响,并对比分析其相对大小.以滇池为例,通过对其构建的IWIND水质模型中的90个水体参数、83个底泥参数、6个气象边界条件、51个河流输入边界条件进行联合采样,计算叶绿素a、总氮、总磷、氨氮以及溶解氧5种指标的对数纳什系数（现状为基线）,并进行Sobol全局敏感性分析,获得滇池的敏感性参数和边界条件.结果表明：通过比较两大类输入数据的全局敏感性,气象边界条件敏感性最大,其次是水体参数、底泥参数,河流输入边界条件敏感性最小.其中气象敏感边界条件是风速、气压、气温、相对湿度、辐射且风速敏感性最大,水体敏感水质参数主要是藻类代谢及生长过程、碳循环碳矿化过程、氧循环复氧过程与温度相关的参数（KTG2d、TRc;KTMNL;KTR）,惰性颗粒态有机物沉降速率（WSrp）.底泥敏感参数主要是第二层泥沙浓度（rM2）、底泥中有机碳降解过程中温度相关系数（ThKC1）、惰性颗粒态有机碳转...     

某飞机系统故障率敏感性分析研究

目的 解决某飞机系统针对不同服役阶段和使用环境的故障率敏感性分析问题,发现影响系统故障率的重要因素。方法 结合Sobol方法和Kriging模型,发展一种适用于某飞机系统的故障率敏感性分析方法。该方法通过收集该飞机系统在不同使用年限和使用环境下的故障率数据,并将其作为训练样本训练Kriging模型成为满足系统故障率预测要求的黑箱函数,然后利用训练好的Kriging模型预测敏感性分析所需的样本故障率。结果 利用该方法对某飞机子系统进行了故障率敏感性分析,给出了影响系统故障率的各变量的主效应及全效应指标,发现平均温度和平均湿度为影响该系统故障率的重要因素。结论 该方法可以更加高效地计算故障率影响变量的敏感性指标,并给出相对重要度排序,可为飞机系统的故障预防、故障诊断和故障维修提供依据。