环境模型参数识别与不确定性分析
模型不确定性评估与分析
模型不确定性评估与分析第一章引言1.1 研究背景与意义模型在科学研究和工程实践中起着重要的作用。
然而，由于模型的不确定性，我们在使用模型进行分析和预测时需要考虑到这一点。
因此，对于模型的不确定性进行评估和分析是非常重要的。
1.2 研究目的与方法本文旨在探讨如何评估和分析模型的不确定性。
首先，我们将介绍模型不确定性的概念，并讨论其在科学研究和工程实践中的重要性。
然后，我们将介绍一些常用的评估方法，并探讨它们各自的优缺点。
最后，我们将以一个实际案例来说明如何应用这些方法进行模型不确定性评估与分析。
第二章模型不确定性概述2.1 模型及其应用模型是对真实世界或某个系统进行简化和抽象后得到的描述工具。
它可以帮助我们理解系统行为、预测未来发展趋势以及指导决策制定。
2.2 模型不确定性概念由于现实世界非常复杂且难以完全描述，模型在描述系统时通常会引入一定的不确定性。
模型不确定性是指模型输出的不确定程度，即在给定输入条件下，模型输出可能存在的误差或偏差。
第三章模型不确定性评估方法3.1 参数不确定性评估参数是模型中的重要组成部分，它们直接影响着模型的输出。
参数不确定性评估是通过对参数进行统计分析和敏感度分析来评估参数对模型结果的影响程度。
3.2 输入数据不确定性评估输入数据是进行建模和分析时所必需的信息。
然而，输入数据通常存在一定程度的误差或随机变化。
输入数据不确定性评估可以通过统计方法和敏感度分析来评估输入数据对模型结果的影响。
3.3 结构不确定性评估结构不确定性指的是对系统结构或假设条件所存在的不完全理解或缺乏信息。
结构不确定性评估可以通过灵敏度分析和误差传播方法来进行。
第四章模型不确定性分析方法4.1 蒙特卡洛方法蒙特卡洛方法是一种基于随机抽样和统计推断原理进行数值计算和推断分析的方法。
它可以用于评估模型输出的分布和不确定性范围。
4.2 灵敏度分析方法灵敏度分析是一种评估模型输出对输入参数变化的敏感程度的方法。
eis交流阻抗谱拟合画等效电路的问题
在电化学交流阻抗谱（EIS）分析中，通过拟合实验数据并画等效电路图，可以获得电化学过程的深入理解。
以下是进行这一过程时可能遇到的一些问题以及相应的解决方案：1.选择合适的等效电路模型：首先，需要选择一个适合描述实验系统的等效电路模型。
这可能涉及比较不同模型的拟合效果，并考虑模型的复杂性。
过于复杂的模型可能过度拟合数据，导致对特定实验条件的敏感性；而过于简单的模型可能无法充分捕捉系统的复杂性。
2.参数识别和不确定性：在确定等效电路模型后，需要识别模型中的参数。
这通常涉及使用非线性最小二乘法等优化方法来拟合实验数据。
在这个过程中，可能会出现参数的不确定性和敏感性。
为了解决这个问题，可以尝试不同的优化算法，或者使用更复杂的模型来提高拟合的精度。
3.噪声和实验误差：实验数据往往存在噪声和误差，这可能会影响参数识别的准确性。
为了减少这些影响，可以进行重复实验以获取更可靠的数据。
此外，也可以尝试使用更强大的数据预处理技术，例如去噪或插值，以提高数据的信噪比。
4.模型的适用性：选定的等效电路模型可能不适用于所有实验条件。
例如，模型可能对特定的电解质、温度或压力条件有更好的适用性。
因此，在应用模型之前，需要对模型的适用性进行充分的验证。
5.等效电路图的可视化：最后，需要将拟合的等效电路图可视化，以便更直观地理解电化学过程。
这可能涉及选择合适的绘图工具和格式，例如电路图或者电化学阻抗谱的图形表示。
在解决这些问题时，可能需要参考相关的文献和研究，以获得更多关于等效电路模型、参数识别方法、实验误差处理和可视化技术的信息。
同时，也需要根据具体的实验系统和需求进行灵活的调整。
环境系统不确定性分析的理论与发展
环境系统不确定性分析的理论与发展陈吉宁清华大学环境科学与工程系 100084在过去的三十年间，环境建模理论在表象上呈现了两种发展趋势。
其一是寻求更加友好的模型使用界面, 包括应用空间定位技术与数据库技术等；其二是新的数学理论、控制理论在环境系统的认识中被不断尝试, 包括专家系统、非线性系统理论、神经网络、灰色理论、大系统理论以及冲突理论等。
尽管前者极大地推动了环境模型和数据处理技术的广泛应用，但它并没有带来对环境系统认识的质的变化。
相反，环境模型使用的世俗化却使人们易于忽略模型应用的精髓-结果与内在因果关系的解释，从而带来模型滥用的风险；虽然第二个方面从新的视角去研究环境系统，但目前的研究成果在整体上并没有突破和超越传统的机理模型的认知，这些技术本身的可用性也存在着明显的障碍，因而目前各类环境模型的主体依然是建立在常规自然定律基础上的机理模型，包括复杂的全球气候变化模型、生物圈模型和生态风险模型等。
尽管如此，我们今天对环境模型与环境系统的认识已发生了根本性的变革，事实上，在环境系统分析领域的前沿，一直存在着一种内在的驱动力，在探究模型的本质以及模型与系统之间的内在关系。
这些非常理论化的工作，导致了对环境模型不确定性问题的普遍性和不可回避性的认识，并由此推动了环境建模理论的发展。
从模拟的角度来看，环境系统无疑是个病态系统。
由于环境系统本身所具有的空间多样性、时间动态性以及表征水平上的多重性，导致观测数据和系统认知上的双重局限性，使对它的认识始终存在着显著的不确定性。
尽管在过去的二十年间，环境系统的观测数据在微观和宏观上均得到了极大的丰富，但我们在关键或适合数学描述水平上的观测数据仍远远不足，我们仍缺乏有效的工具去转化大量的表象观测数据（如遥感数据）使其成为认识系统的深层信息。
因为我们一直相信复杂的模型结构将会最终减少模型的误差，基于经典的物理、化学和生物定律建立的环境机理模型因而变得越来越复杂，宏观集成趋于全面而微观描述则趋于细腻。
环境激励下模态参数识别方法研究
模态参数是指结构动力特性的基本参数，是描述结构动力特性的基本概念，包括固有频率、阻尼比、振型等。
结构模态参数的准确识别，是进行结构健康监测及故障诊断的重要基础，直接关系到结构安全，因此，开展结构模态参数识别技术研究具有重要的理论意义与工程实用价值。
近年来，利用环境激励已大量应用于土木工程的结构动力特性测试中。
环境激励测试能够在结构的实际工作状态下进行，更真实地了解结构的动力特性和结构性能。
本文将对各种模态识别方法进行分类汇总、论述，并对环境激励下模态参数识别算法有待进一步研究的问题进行了展望。
1频域识别算法1.1峰值拾取法基于结构的频响函数在其固有频率位置处会出现峰值的特征，可以实现对结构的模态参数识别。
由于环境激励下无法得到结构的频响函数，用功率谱密度函数代替结构的频响函数实现模态参数的识别，功率谱由实测的随机振动信号快速傅立叶变化转化得到。
姜蕾蕾[1]将幂指数窗应用于多种结构中，并与其他五种窗函数对比研究，确定能够有效改善傅立叶变换后频谱的质量,从而提高峰值拾取法的频率和阻尼比识别精度,拓宽峰值拾取法对阻尼比的适用范围。
陈涛[2]将测点传递率函数矩阵的第2阶奇异值倒数的均值为模态指示函数，建立基于多参考测点平均的峰值拾取法，准确识别系统的模态频率及振型。
在实际应用中，该方法只需计算少量的局部极值点，识别速度快，适用性广泛，被大量使用在实测实验中。
但由于峰值拾取法对峰值的选择较为敏感，对于峰值存在干扰或者峰值较小的信号，可能导致参数提取不准确，并且输出结果可能受到峰值选择的主观性影响，存在一定的不确定性。
因此，在使用时需要综合考虑实际需求和信号特征，选择合适的峰值。
1.2频域分解法频域分解法是峰值拾取法的优化算法，基本原理是根据振动响应构建谱函数矩阵，通过奇异值分解，将多自由度系统转换为单自由度体系，依靠峰值法选取特征频率，进而对系统进行识别。
频域分解法在20世纪80年代由Prevosto[3]所提出。
污染场地健康风险评价
20世纪90年代，我国开始了以介绍和应用国外
研究成果为主的环境风险评价研究，但大部分集中 在事前风险评价。 同时，我国环境保护法和环境影响评价法也只对规 划和建设项目开展环境影响评价作出了规定，尚未 涉及污染场地健康风险评价方面的内容。
健康风险评价基础理论
健康风险评价的内容主要包括估算污染物进入人体 的数量、评估剂量与负面健康效应之间的关系。
规章
国 家 石油和 有 毒 有害 物 质污 染应 急 计 划
导则
超 级 基金 风 险 评价导 则
人体健 康评 估手 册 环境评 估手 册
超 级 基金 暴 露 评价手 册
欧盟 1994年成立欧盟污染场地公共论坛； 1996年完成污染场地风险评价协商行动指南，指 南拟解决7大问题。
荷兰 1987年颁布《土壤保护法》； 80年代设立了“国家公众健康与环境保护研究院” 和“土壤保护技术委员会”。
➢人体污染物摄取方式和机制 ➢剂量-反应关系 ➢毒性评估 ➢风险表征
人体污染物摄取方式和机制
人体摄取污染物质的途径主要包括三条： 口、呼吸和皮肤接触。
通常采用不同类型剂量来表示污染物质进入人体 各个阶段的数量
无论通过
何种途径，
污染物质
大气
只有最终 进入到人
呼吸途径
体血液中
才会对人 体健康产
污 染
生影响。
源
因此，原
土壤 水
人
皮肤接触
体 器
官
则上估计
人体污染
食入途径
物摄取量 应以内部
食物链
剂量或吸
收剂量为
依据
污染物暴露途径
污染场地健康风险评价方法
数 据收 集和分析
收 集 和 分析 相 关 场 地 数据 识 别 潜 在污 染 物
水环境模型中不确定性方法研究进展
摘
要： 不确 定性是 自然现 象中普遍存在的 ， 在 水环境 中不确定性 因素众 多， 也使得 不确定性研 究逐 渐成为水环境
模型研 究的热点之一。对不确定性在水环境模 型研 究中的产 生与发展进行 了总结 ， 介绍 了水环境模 型 中常 用的不
确 定性 研 究 方 法及 其 特 点 ， 并 结合 国 内外 的水 环 境 模 型 ， 对 其 不确 定性 研 究 的发 展 趋 势 进 行 了展 望 。
不确定性是 客观事物具有 的一种普 遍属性 ， 广泛存在于 各种 自然现象和社会 现象之 中。水环境 是一 个充满 不确定 性 因素 、 变化复 杂的系 统。首先 ， 作为 污染物 载体 的水流变 化（ 水文过程 ） 由于受气候 、 土壤 、 生物和人类活动的影响 ， 是
一
在水环境领域 中， 最早 的不确定性分 析出现在水生 态领
分析 的起点 Ｉ Ｓ － ６ １ 。２ ０世 纪 ７ ０ —８ Ｏ年代 ， 计算 机技术 促进 了
基 于 随机 模 拟 思 想 和 非 线 性 最 优 化 理 论 的 不 确 定 性 分 析 的
量也是一个随时间 和空间变 化 的不 确定量 ； 最后， 由于水体 中的稀 释 、 扩散、 分解 、 凝聚和沉 淀既遵循 固有 的变 化规律 ， 又存在不确定性 变异 。 。 由于对 水环境 复 杂系统 认识 的
胡 琚 ， 李春 晖 ， 贾俊 香 ， 王 炬 ， 徐礼 强
（ １ ．北京师范大学环境 学院， 水沙科 学教 育部 重点实验 室， 北京
３ ．珠 江 水 利 委 员会 珠 江 水 利 科 学 研 究 院 ， 广 东 广 州
１ ０ ０ ８ ７ ５ ；
２ ．北京师 范大学环境学院， 水环境模拟 国家重点实验室 ， 北京 １ ０ ０ ８ ７ ５ ；
水环境数学模型研究进展
水环境数学模型研究进展一、本文概述水环境数学模型是理解和预测水环境行为、评估水资源利用和环境保护措施效果的重要工具。
随着科技的发展和环境保护的迫切需求，水环境数学模型的研究与应用逐渐受到广泛关注。
本文旨在全面综述水环境数学模型的研究进展，分析各类模型的优缺点，探讨其在水环境管理、水资源保护和生态修复等领域的应用前景。
文章将首先介绍水环境数学模型的基本概念和研究背景，阐述其在水资源科学、环境科学和生态学等领域的重要性。
随后，将重点综述近年来水环境数学模型的研究进展，包括模型的建立方法、模型的验证与优化、模型的应用案例等方面。
通过对各类模型的深入分析和比较，本文旨在揭示水环境数学模型的发展趋势和研究方向，为水环境管理和水资源保护提供科学依据和决策支持。
本文还将关注水环境数学模型在实际应用中所面临的挑战和问题，如模型的复杂性、不确定性、参数估计困难等。
通过分析和讨论这些问题，本文旨在为水环境数学模型的研究和应用提供有益的启示和建议，推动水环境数学模型的发展和完善，为水环境保护和水资源可持续利用贡献力量。
二、水环境数学模型的理论基础水环境数学模型作为理解和预测水环境行为的重要工具，其理论基础涉及多个学科领域，包括流体力学、环境科学、生态学、计算机科学等。
这些理论共同为水环境数学模型的构建和应用提供了支撑。
流体力学是水环境数学模型的理论基础之一。
流体力学中的基本原理，如连续性方程、动量方程和能量方程，为水环境数学模型提供了描述水流运动的基本框架。
这些方程可以用来描述河流、湖泊、海洋等水体的流动和混合过程，进而揭示水体中的污染物扩散和传输机制。
环境科学为水环境数学模型提供了对水体中各种化学和生物过程的深入理解。
这包括水体中的物理、化学和生物反应过程，以及这些过程如何影响水体中的污染物浓度和分布。
环境科学理论的应用使得水环境数学模型能够更准确地模拟和预测水体的环境质量变化。
生态学理论在水环境数学模型中扮演着重要角色。
化学物质环境与健康风险表征技术导则(试行)
附件3化学物质环境与健康风险表征技术导则（试行）中华人民共和国生态环境部二〇二〇年十二月目录1适用范围 (1)2规范性引用文件 (1)3术语和定义 (1)4原则 (2)5程序 (2)6技术要点 (4)化学物质环境与健康风险表征技术导则（试行）为指导化学物质环境与健康风险表征工作，制定本技术导则。
1适用范围本技术导则规定了化学物质环境风险表征和经环境间接暴露导致的健康风险表征的原则、程序和技术要点。
本技术导则适用于化学物质环境与健康风险表征。
2规范性引用文件本技术导则引用了下列文件或其中的条款。
凡是不注日期的引用文件，其有效版本适用于本技术导则。
《化学物质环境风险评估技术方法框架性指南（试行）》（环办固体〔2019〕54号）《新化学物质环境管理登记办法》（生态环境部令第12号）《新化学物质环境管理登记指南》（生态环境部公告2020年第51号）3术语和定义3.1环境风险表征在化学物质环境危害评估及暴露评估基础上，分析判别化学物质对生态环境造成风险的程度。
3.2健康风险表征在化学物质健康危害评估及暴露评估基础上，分析判别化学物质经环境暴露对人体健康造成风险的程度。
3.3环境风险表征比率化学物质环境暴露浓度与预测无效应浓度的比值，用于表征化学物质环境风险水平。
3.4健康风险表征比率人体经环境间接的暴露剂量与安全剂量/虚拟安全剂量的比值，用于表征化学物质健康风险水平。
3.5不确定性由于科学认识不足、评估方法局限和基础数据欠缺等因素，导致化学物质环境与健康风险评估结果与实际情况的偏离程度。
4原则4.1透明性原则环境与健康风险表征应明确表征方法、假设、不确定性以及表征结果的有效性。
4.2清晰性原则环境与健康风险表征过程应简洁、易懂，图表和公式应具有自明性，确保专业及非专业人士能够充分理解。
4.3一致性原则环境与健康风险表征应与化学物质环境管理要求相一致。
4.4合理性原则环境与健康风险表征应基于合理判断、科学方法和假设。
贝叶斯方法在水环境系统不确定性中的应用述评
第３０卷第９期２ ０ １ ２年９月水 电 能 源 科 学Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ ＰｏｗｅｒＶｏｌ．３０Ｎｏ．９Ｓｅｐ．２ ０ １ ２文章编号：１０００－７７０９（２０１２）０９－００４７－０４贝叶斯方法在水环境系统不确定性分析中的应用述评黄 凯，张晓玲（北京林业大学环境科学与工程学院，北京１０００８３）摘要：贝叶斯方法是解决不确定问题的新思路，评述了以贝叶斯公式、贝叶斯统计推断及贝叶斯网络为基础的贝叶斯方法在水质评价、水环境模型参数识别、水环境管理及风险决策方面的应用。
贝叶斯公式可很好地解决水质评价中监测数据、水质级别、水质标准等蕴含的不确定信息。
贝叶斯统计推断耦合水环境模型为模型参数识别提供新方法，其应用难点为贝叶斯后验分布的计算。
介绍了后验分布的离散贝叶斯算法、传统及改进ＭＣＭＣ算法。
贝叶斯网络在水质评价、模型预测、水环境管理及风险决策中可同时考虑多个变量的综合作用，得到影响管理决策各因素的不确定性信息，为水环境的管理决策提供科学依据。
关键词：贝叶斯方法；贝叶斯网络；不确定性；水质评价；参数识别；风险决策中图分类号：Ｘ８２４文献标志码：Ａ收稿日期：２０１２－０１－２３，修回日期：２０１２－０３－１４基金项目：国家水体污染控制与治理科技重大专项资助项目（２００８ＺＸ０７１０２－００１）；北京市自然科学基金资助项目（９１２２０１７）；国家自然科学基金资助项目（５１１０４０２１）作者简介：黄凯（１９８１－），男，讲师，研究方向为水环境管理，Ｅ－ｍａｉｌ：ｈｕａｎｇｋｍａｉｌ＠ｇｍａｉｌ．ｃｏｍ 水环境是一个不断变化、充满不确定性因素的复杂系统。
水环境系统的不确定性表现在：①客观上。
系统自身的水文条件（流速、流态、流量等）和自然环境因素（水温、降雨量等）具有随机性，生活污水及工农业废水等污染源随经济社会发展存在波动性，污染物在水体中的扩散、稀释、分解、沉淀及在物理、化学、生物作用下的降解虽有一定规律性，但又存在不确定性变异；②主观上。
求van Genuchten模型参数的AM-MCMC方法
土 壤(Soils), 2012, 44 (2): 345-350求van Genuchten模型参数的AM-MCMC方法①石晓蕾1， 徐绍辉1*， 廖凯华2（1 青岛大学环境科学系，青岛 266071；2 南京大学水科学系，南京 210093）摘 要：采用基于自适应采样算法的马尔科夫链蒙特卡罗方法（简称AM-MCMC）来估算描述土壤水分特征曲线的van Genuchten模型的参数，并推求出模型参数的后验分布，从而为模型参数的不确定性分析提供依据。
结果表明，对于van Genuchten 模型而言，采用AM-MCMC算法能得到模型参数后验均值和方差的分布，并且能推求出模型参数的置信区间，所以用这种算法来求解van Genuchten方程的参数是行之有效的，为求解van Genuchten模型参数提供了一种新的思路。
关键词： 土壤水分特征曲线；van Genuchten模型；AM-MCMC算法中图分类号： S152土壤水分特征曲线表征了土壤压力水头与水分含量之间的函数关系，是土壤最重要的水力特性之一。
在研究土壤水入渗、蒸发、滞留、土壤侵蚀及溶质运移过程中，土壤水分特征曲线是推求各种水分运动参数的重要工具，因此土壤水分特征曲线一直是土壤物理学家们关注的重点。
由于土壤水分特征曲线的影响因素复杂，至今还没有从理论上建立土壤含水量和土壤基质势之间的关系，通常用经验公式来描述。
van Genuchten提出的描述土壤水分特征曲线方程匹配大部分土壤水分特征曲线的形状，因此得到广泛应用。
然而，因van Genuchten 方程是一个复杂的非线性方程，其中的参数较多，并且参数拟合属于非线性问题，许多学者对土壤水分特征曲线的拟合做过研究。
如最小二乘法[1]、非线性单纯形法[1]、单纯形调优法[2]等。
但用上述这些方法会遇到求解停止或参数为负以及计算效率低等问题。
描述土壤水分特征曲线的模型，在数值求解过程中存在很多不确定因素，如模型参数和模型输入的不确定性、模型本身的不确定性、模型对复杂的实际问题进行简化而产生的不确定性以及观测资料的不确定性等。
环境数据处理与数学模型课程复习笔记
数学模型的定义：根据对研究对象所观察到的现象和实践经验，归结成一套反映其数量关系的数学公式和具体算法，描述研究对象的规律，某个属性随时间、空间、其他属性、其他研究对象某些属性的变化特征数学模型的功能：再现历史（事件驱动的分布式参数非点源模型），预测未来，优化调控模型使用的意义：评价（回顾性评价，预测性评估），预测（社会经济发展/排放预测，环境质量预测），决策（单目标，多目标）数学模型的特征：抽象性：用数学符号表达具体事物的特征和数量关系，对研究对象的本质进行高度抽象。
局限性：对实际事物进行抽象，需要对研究对象作出简化和假设。
这些假设可能会偏离事物原来的特征，或者只反映事物的部分特征。
数学模型的分类：空间维数（零维、一维、二维、三维），变量与时间（稳态、动态（离散/连续）），变量间关系（线性模型、非线性模型），参数性质（集中式、分布式），变量变化规律（确定性模型、随机模型），模型用途（模拟模型、管理模型），研究方法（优化模型、系统动力学模型、神经网络模型、时间序列模型……），模型结构（白箱模型、灰箱模型、黑箱模型）✓白箱模型：通过逻辑演绎法建模，普遍适用，建立在模型变量的变化规律及其理论推理的基础上✓灰箱模型：介于“白”与“黑”之间，具有一定普适性，模型结构通过理论推导建立，参数取值利用实际数据确定✓黑箱模型：通过统计归纳法建模，仅适用于较窄的时空范围以反映事物客观变化的数据为基础，通过统计方法建立特定关系式来描述输入输出关系灰箱模型建立的基本过程：数据收集与处理（观测数据组1）→模型结构确定→模型参数估计→模型验证（观测数据组2）→模型应用✓数据收集与处理：收集反映研究对象特征的各种数据，与研究对象直接相关的数据（环境质量数据、污染源数据），与研究对象间接相关的数据（气象数据、社会经济发展数据）。
数据收集的途径：已有数据（二手）和现场监测数据（一手）。
对收集的数据进行整理分析，找出之间的相互关系（变量与变量、变量与时间、变量与空间，绘制变量的时间过程线、空间分布图等）✓模型结构的确定：环境模型大多属于灰箱模型，突发性污染事故的预测有时采用黑箱模型；既包含机理，又包含经验；质量守恒、能量守恒、经济理论、行为假设、反应类型、反应级数；根据研究对象内各个变量之间的物理、化学或生物过程建立起原则性的定量关系，同时引入一系列取值未知的参数。
环境激励下结构模态参数识别方法的比较与分析
环境激励下结构模态参数识别方法的比较与分析I. 引言A. 研究背景B. 研究意义C. 文章结构II. 相关工作综述A. 结构模态参数的定义B. 结构模态参数识别方法的分类C. 目前研究的主要成果III. 环境激励下的结构模态参数识别方法A. 环境激励的概念B. 振动测试技术C. 结构识别方法及其优点和缺点IV. 比较和分析A. 不同方法的优缺点B. 模拟实验结果对比C. 案例分析V. 结论和展望A. 主要结论B. 展望未来的研究方向VI. 参考文献一、引言在现代工程领域中，结构健康监测逐渐成为一个热门话题。
结构健康监测的目的是为了保障建筑物或其它构造物的稳定性以及功能性的完整性。
一种常用的方法是识别结构模态的参数。
结构模态参数通常被认为是结构健康状况的重要指标，因为它能够表征结构系统的固有特性，并能检测出结构系统中的故障和损伤。
结构模态参数识别方法的准确性和鲁棒性对于实现结构健康监测至关重要。
近年来，随着科学技术的不断发展，识别结构模态参数的方法也在不断的改进中，其中环境激励下的结构模态参数识别方法尤其值得关注。
本论文将System Identification Toolbox等工具作为研究平台，系统评估不同的环境激励下的结构模态参数识别方法，比较它们的优缺点，并且进一步分析改进这些方法的相对优势。
本文结构如下：第二章说明了结构模态参数的定义、分类以及当前的研究方向。
第三章将阐述什么是环境激励以及环境激励下的振动测试技术，同时讨论目前已有的结构识别方法及其特点。
第四章中，我们将系统地比较和分析不同方法的优缺点，并进行模拟实验结果的对比和案例分析。
第五章总结了本文的主要研究成果和未来的研究方向。
最后，第六章列举了本文所引用的参考文献。
为了更好地理解本文，接下来我们将详细阐述背景和思路。
随着我国的快速发展，在建筑、交通、能源等各个领域，人们都开始注重结构健康监测。
对于各种类型的建筑物或工程结构，结构模态参数的识别方法被广泛应用于结构健康监测中。
环境激励下模态参数识别方法研究
自然环境激励
包括风、雨、雪等自然条件，这些激励因素可以改变结构的动态特性，影响模态参数的识别。
交通环境激励
道路交通荷载、车辆行驶速度等交通条件，这些激励因素可以引起结构的振动，影响模态参数的识别。
机械环境激励
如设备运行时的振动、冲击等，这些激励因素可以激发结构的固有频率，影响模态参数的识别。
01
02
模态参数识别在结构健康监测、故障诊断和地震工程中的重要性
提高模态参数识别的准确性和可靠性
研究意义
为结构健康监测、故障诊断和地震工程等领域提供更为有效的工具和方法
拓展模态参数识别方法的应用范围和使用环境
02
模态参数识别方法研究现状
常规模态参数识别方法
要点三
最小二乘法
该方法通过最小化误差的平方和来估计参数，是一种简单且广泛使用的参数识别方法。
03
环境激励导致模态频率变化
环境激励增加模态复杂性
环境激励对模态参数识别的影响具有不确定性
环境激励对模态参数识别的影响分析
04
新环境激励下模态参数识别方法研究
基于模型方法
利用已知系统模型，通过输入输出数据估计模态参数。优点是精度高，缺点是依赖于精确的数学模型，不适用于未知系统。
基于逆问题方法
通过将系统方程转化为逆问题，利用观测数据估计模态参数。优点是适用于未知系统，缺点是计算量大，需要高斯-牛顿法等优化算法求解。
最新模态参数识别方法
强化学习算法
强化学习算法是一种通过试错学习的算法，可以应用于模态参数识别问题中，通过不断试错来逐渐逼近真实参数。
混合方法
混合方法是一种将传统方法与机器学习方法相结合的方法，通过结合不同方法的优点来提高模态参数识别的精度和效率。
SWAT模型的原理、结构及应用研究
SWAT模型的原理、结构及应用研究一、本文概述本文旨在全面探讨SWAT（Soil Water Assessment Tool）模型的原理、结构以及其在各种应用场景下的实践研究。
SWAT模型作为一种强大的水文学工具，已经在全球范围内得到了广泛的应用，特别是在水资源管理、农业灌溉、洪水模拟和生态环境评估等领域。
本文首先对SWAT模型的基本原理进行概述，然后深入解析其模型结构，包括模型的各个主要组成部分以及它们之间的相互作用关系。
接下来，本文将通过具体的案例分析，展示SWAT模型在实际应用中的效果和影响力。
通过对这些案例的研究，我们期望能够揭示SWAT模型的潜在价值和局限性，以便在未来的研究和实践中更好地利用这一工具。
本文还将对SWAT模型的发展趋势和前景进行展望，以期为未来相关领域的研究提供参考和借鉴。
二、SWAT模型的理论基础SWAT模型（Soil Water Assessment Tool）是一种基于物理过程的分布式水文模型，其理论基础主要源于水文学、土壤学、生态学等多个学科。
该模型的核心理论框架基于流域水量平衡原理，通过对流域内不同土地利用类型、土壤类型以及管理措施下的水文过程进行模拟，实现对流域水文循环的全面描述。
SWAT模型基于水量平衡方程，即流域内水分的输入（降雨、灌溉等）等于输出（径流、蒸发、渗漏等）与存储（土壤水、地下水等）之和。
这一原理是流域水文学的基本原理，也是SWAT模型进行模拟的基础。
SWAT模型采用分布式参数化方法，将流域划分为若干个子流域或水文响应单元（HRU），每个HRU具有相同的土地利用类型和土壤类型。
这种划分方式充分考虑了流域内空间异质性对水文过程的影响，提高了模型的模拟精度。
在SWAT模型中，水文过程主要包括产流、汇流、蒸散发和土壤水运动等。
产流过程主要受到降雨、植被覆盖、土壤类型等因素的影响；汇流过程则通过计算河网水流路径和流速，模拟水流在流域内的运移过程；蒸散发过程受到气温、湿度、风速等多种气象因素的影响；土壤水运动则描述了水分在土壤剖面中的运动和存储过程。
地下水数值模拟模型识别和验证方法与标准
地下水数值模拟模型识别和验证方法与标准一、数据收集与整理在进行地下水数值模拟之前，需要收集大量的数据，包括地下水水位、水质、气象、地形地貌、地质构造等信息。
这些数据需要进行整理、筛选、格式化等处理，以便用于模型的建立和验证。
二、模型建立与选择根据收集的数据和问题需求，选择合适的地下水数值模拟模型。
常见的地下水数值模拟模型包括有限差分法、有限元法、边界元法等。
模型建立时需要考虑模型的精度、计算效率、稳定性等因素。
三、模型参数识别模型参数的识别是地下水数值模拟的关键步骤之一。
参数的识别需要基于已知数据和观测数据，通过反演等方法确定。
参数识别的准确性直接影响模型的准确性和可靠性。
四、模型验证与校准模型验证是评估模型精度和可靠性的重要步骤。
通过将模型预测结果与实际观测数据进行比较，可以评估模型的精度和可靠性。
如果模型预测结果与实际观测数据存在较大差异，需要对模型进行校准或修正。
五、模型预测与评估在模型验证和校准的基础上，可以对模型进行预测和评估。
预测内容包括地下水水位、水质、流向等，评估内容包括预测结果的精度和可靠性等。
通过预测和评估，可以对模型进行不断完善和优化。
六、模型不确定性分析地下水数值模拟中的不确定性主要来源于数据的不确定性、模型参数的不确定性、模型结构的不确定性等方面。
需要进行不确定性分析，以了解模型预测结果的可靠性和精度。
七、模型适用性分析在应用地下水数值模拟模型时，需要考虑模型的适用性。
不同地区、不同地质条件下的地下水系统存在差异，需要针对具体问题进行模型的选择和应用。
同时，需要考虑模型的计算效率和稳定性等因素。
八、模型改进与优化在进行地下水数值模拟时，需要对模型进行不断的改进和优化。
改进和优化的方向包括提高模型的精度、降低计算量、提高稳定性等。
同时，需要考虑改进和优化后的模型是否适用于具体问题。
九、模型应用与决策支持地下水数值模拟模型的应用广泛，可以为决策提供科学依据。
例如，在城市规划中，可以通过模拟预测城市发展对地下水的影响，为决策提供支持。
SWAT模型在我国流域水环境模拟应用中的评估验证过程评价
Ｓｕｐｐｏｒｔｅｄ ｂｙ Ｎａｔｉｏｎａｌ Ｍａｊｏｒ Ｐｒｏｇｒａｍ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｗａｔｅｒ Ｐｏｌｌｕｔｉｏｎ Ｃｏｎｔｒｏｌꎬ Ｃｈｉｎａ ( Ｎｏ.２０１７ＺＸ０７３０１００６００２) ꎻ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ
移等水文水质过程
[６]
. ＳＷＡＴ 模型也是我国流域水环
而ꎬ由于该模型是基于美国相关研究开发的ꎬ也出现
应用于我国流域水环境管理决策时ꎬ必须开展完整的
模型评估验证. 但是ꎬ利用 ＳＷＡＴ 模型开展应用研究
的现有文献对模型评估验证的重视程度参差不齐ꎬ并
且通常重点关注模型参数识别、不确定性分析等步
骤ꎬ对模型空间概化、输入数据获取等缺少评估 [９￣１１] ꎬ
促进模型的标准化应用提出建议.
１ ＳＷＡＴ 模型评估验证过程的评价方法
为了评价现有 ＳＷＡＴ 模型应用研究中模型评估
验证过程的质量ꎬ该研究结合 ＳＷＡＴ 模型的建模过
程和模型评估验证的基本步骤ꎬ梳理总结了 ＳＷＡＴ 模
ＤＯＩ: １０ １３１９８∕ｊ ｉｓｓｎ １００１￣６９２９ ２０２０ ０８ １９
Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｅｖａｌｕａｔｉｏｎ Ｐｒｏｃｅｓｓ ｏｆ ＳＷＡＴ Ｍｏｄｅｌ Ａｐｐｌｉｃａｔｉｏｎ ｉｎ Ｃｈｉｎａ
ＲＯＮＧ Ｙｉꎬ ＱＩＮ Ｃｈｅｎｇｘｉｎꎬ ＳＵＮ Ｆｕꎬ ＤＵ Ｐｅｎｇｆｅｉ ∗
第 ３３ 卷 第 １１ 期
环 境 科 学 研 究
２０２０ 年 １１ 月
Ｒｅｓｅａｒｃｈ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ
不确定性方法在水质模型中的研究进展
不确定性方法在水质模型中的研究进展摘要：水质模型的不确定性已经成为存在于整个水质模型构建过程中的系统性研究。
本文系统阐述了水质模型构建过程中不确定性的分类与来源，并针对其不同来源详细评述了不确定性研究的方法和当前的研究进展。
关键词：水质模型；不确定性；研究进展abstract: the uncertainty of the water quality model has become exists in the whole water quality model in the process of building the systematic research. this paper expounds the process of building a water quality model of the uncertainty of classification and sources, and for its different sources described in detail uncertainty research methods and the current research progress.keywords: water quality model; uncertainty; research progress中图分类号： tu991 文献标识码：a 文章编号：水质模型总体上可以分为确定性模型和不确定性模型。
以往国内外水质模型研究主要集中在确定性模型方面，并开发了许多相关的较为成熟的水质模型软件 [1, 2]。
而不确定性水质模型的研究则相对滞后，仍处于探索阶段。
1 不确定性水质模型研究的背景、分类及来源从系统分析的角度看，水环境系统是一个复杂的不确定系统。
首先，作为污染物载体的水文过程由于受到自然或人为等因素的影响，是一个不确定性的随机过程[3]；进入水体的污染物的成分与数量也是随着时间、空间变化的不确定量；由于受到水体中物理、化学、生物等随机因素的影响，水体中的污染物的扩散、分解、沉降等既遵循着一定的变化规律，又存在着不确定性变异[4]。
环境模型参数识别与不确定性分析
Ａｂ ｔ ａ ｔ Ｔｈ ｓ ｐ ｐ ｒ ｅ ａ ｉ ｅ ａ ｅ ｓ ｕ ｙ ｏ ｙ ｒ ｌｇ ｃ ｌｍｏ ｅ ｆ ｒ ｉ ｅ ｔ ｙ ｎ ａ ａ ｔ ｒ ｕ ｃ ｒ ａｎ ｙ ｂ ｓ ｇ ｔ ｒ ｅ ｓ ｒ ｃ ： ｉ ａ ｅ ｘ ｍ ｎ ｄ ａ ｃ ｓ ｔ ｄ ｆ ｈ ｄ ｏ ｏ ｉａ ｄ ｌ ｏ ｄ ｎ ｉ ｉｇ ｐ ｒ ｍｅ ｅ ｎ ｅ ｔ ｉ ｔ ｙ ｕ ｉ ｈ ｅ ｆ ｎ
刘 毅 ， 吉 宁 ， 鹏 飞（ Ｊ 冻 杜 清华大学环境科学与工程系环境模拟与污染控制国家重点联合实验室， 北京
１ ０ ８ Ｅ— ｉ：ｃ ｌｊｈ ｎｌ ｉ ｓｎ ｈ ａ ｅ ｕ．ｎ） ．
摘 要 ： 对 水 文 模 型 实 例 的 参 数 不 确 定 性 分 析 基 础 上 ， 别 采 用 传 统 灵 敏 度 分 析 方 法 、 Ｙ 算 法 、 性 回 归 等 方 在 分 ＨＳ 线
维普资讯
第 ０３卷 第 ６期 ２２ ０２年 ｌ 月 １
环
境
科
学
ＥＮ Ｖ Ｉ ＯＮ Ｍ ＥＮ ＴＡ Ｌ Ｒ ＳＣＩ ＥＮ ＣＥ
Ｖｏ ． １ ２３． ｏ． Ｎ ６ ＮＯ Ｖ．， ００２ ２
环 境 模 型 参 数 识 别 与 不 确 定 性 分 析
由于参 数 不 确 定 性 普 遍 存 在 ， 据 经 验 估 根
因 此 仅 仅 局 限 于 参 数 优 化 算 法 效 率 和 精 度 等 方 计 或 者 观测 值 优化 得 到 的 参 数 并 不 能 保 证 模 型 在 面 的研 究 已 经 不 能 满 足 理 论 与 实 践 的需 要 ． 相 应 用 的精 度 和 预 测 结 果 的 可 靠 性 ． 追 求 更 加 所 对 于 观 测 数 据 和 模 型 参 数 而 言 ， 于 现 有 科 学 高效 和 稳 定 优 化 算 法 的 同 时 ， 得 到 优 化 参 数 基 对 认 知 体 系 构 建 的 模 型 结 构 是 建 模 过 程 中不 确 定 的后 验 分 布 具 有 本 质 上 的不 确 定 性 ； 于 复 杂 甚 性 的 根 本 来 源 【 ． 而 由 于 缺 乏 深 入 研 究 结 构 模 型 来 说 ， 至 无 法 判 断 优 化 结 果 是 否 达 到 了 ３ 然 Ｊ 也 最 参 不 确 定 性 的 理 论 基 础 和 有 效 技 术 手 段 ， 型 结 全 局 最 优 ， 无 法 预 测 “ 优 ” 数 对 于 模 型 预 模 构 往 往 只 能 通 过 识 别 参 数 后 验 统 计 分 布 规 律 间
水文模拟中的流域水文参数识别研究
水文模拟中的流域水文参数识别研究随着气候变化和人类活动的影响，流域水文过程变得越来越不稳定，越来越复杂。
要精确模拟和预测流域水文过程，需要准确地估计和识别流域水文参数。
因此，本文将探讨水文模拟中的流域水文参数识别研究。
一、什么是流域水文模拟？流域水文模拟是根据流域中降雨、径流、蒸散发等水文过程和影响因素建立的运动方程，对流域内水文过程进行数值模拟的过程。
经过模拟，可以得到不同时刻和不同地点的径流量、地下水水位和含水层等水文信息。
以此来指导水资源开发、调度、管理，以及环境保护等方面的决策。
二、流域水文参数流域水文模拟的精度受到流域水文参数的精度和准确度的制约。
通常，流域水文模拟中的参数可分为以下两类：（1）动态参数：如雨量、蒸散发等，这些参数可以通过测量和观测获得。
（2）静态参数：如土地利用情况、土质、地形等，这些参数在短时间内不会发生显著变化，因此可以看作是恒定的。
其中，静态参数反映了自然环境的特征，动态参数反映了自然环境的变化，两者相互联合起来才能准确地模拟流域水文过程。
三、流域水文参数识别的研究内容1、参数敏感性分析参数敏感性分析是评价流域水文模型参数敏感性的方法。
通过对水文模型的一些参数进行迭代计算，来评估参数间的相互作用及其对输出结果的影响程度。
这有助于确定哪些参数对水文模型的结果最为重要，避免因模型参数不准确或缺失而导致数值模拟的误差。
2、参数优化参数优化的目标是找到最适合水文模型的参数值，以最大限度地减小与实际观测值之间的误差。
通过数据驱动的方法，结合现代优化算法，可以有效地提高流域水文模拟的精度和可靠性。
3、不确定性分析不确定性分析是评价水文模型结果的不确定性程度的方法。
不确定性分析通常包括随机模拟和灵敏度分析。
通过考虑参数的不确定性、不同数据源的误差、以及模型结构的简化等方面的信息，评估模型预测结果的可靠性。
四、流域水文参数识别技术1、基于遗传算法的参数优化遗传算法（GA）是一种自然界中的优化算法，可以在大规模搜索空间中发现对数值模拟结果最有利的参数组合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
值的灵敏度数值（ｄ＝！１０％）具有较大差异，其 如前所述，由于优化算法自身结构设计决
如前所述，优化方法不能解释模型结构复结果强烈依赖于优化算法的选择
裹２水文模型●散优化与局部晁敏廑计算（６＝±１０％ｌ
ｒｅｌａｔｅｄ
ｔｏ
ｋｄ删ｔｌｖｌＩｌｅＳ
坚！苎！
灵ｔ度（＋／一）
Ｏ Ｏ ０
ｔｈｅ ｏｐｔＩｍＲｅｄ
Ｆ曙１
匿Ｗ縻 蛰ｙ豳
ｉ＿． ｏ． Ｌ∞—． 。 —． Ｌ
１００ ｏｆ
０
一匿二囊！誊一
ｌＯ ｍ
¨下ｊｆＪＰ¨千ｊＰｌ＿］ 一 叶ｊＰｌ仁２０
国ｗ一蓑三剽！ｒ淘潮一 羽
１轴 肚
ｚ００
圈ｌ
ｃＲｓ算法楼拟的参数分布
“ｍｎｂｕｔｌｏｎ
ｏｐｔｌｍｉ刊ｐａｒ拥ｅｔ…ｅｓｕｌｔｅｄ
ｈｏｍ ＣＲＳ ａ１９０＾ｔｈｍ
万 方数据
中圈分类号：ｘｌｌ
文献标识码：Ａ立章编号：０２５０ ３３０ｌ（２００２）０６
０５ ０００６
Ｐａｒａｍｅｔｅｒｓ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ Ｕｎｃｅｒｔａｉｎｔｖ Ａｎａｌｖｓｉｓ
ｆｏｒ Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｍ０ｄｅｌ
Ｌｉｕ
Ｙ；，Ｃｈｅｎ Ｊｉｎｉｎｇ，Ｄｕ Ｐｅｎｇｆｅｉ（Ｅｎｖｉｒｏｎｍｅｌｌｔａｌ ｓｌｍｕｌａｔｉｏｎ ａｎｄ Ｐｂｌｌｕｔｌｏｎ ｃｏｎｔｒｏｌ ｓｔａｔｅ Ｋｅｙ Ｊｏｉｎｔ Ｌａｂｏｒａｔｏｒｙ，
ａ
ｈｙｄｒｏｌｏｇｉｃａｌⅡ州ｅｌ
பைடு நூலகம்
ｆｏｒ ｉｄｅｎｔｌｆｙｉｎｇ ｐａｒａｍｅｔｅｒｕｎｃ盯ｔａｍ‘ｙ ｂｙ
ｕ画ｎｇ
ｔｈｒｅ。
ａｎａｌ”ｌｓ ｍｅｔＩ＇ｏｄｓ：ＨＳＹ ａ１日。ｒｉｔｈｍ，１ｍｅａｒ ｒｅｇｒｅｓｓｌｏｎａＩ ｍｅｔｈｏｄ ａｎｄ ｃｏｕｐＩｉ“ｇ ａｎａｌｙｓｉｓ ｍｅｔｈ（）ｄ．Ｔｈｅ ｒ幅ｕｌｔｓ ｓｈｏｗｅｄ ｔｈｔ ｏｐｔｉｍａｌ ａｌｇｏ—ｔｈｒｎ５ ｃａｎｎｏｔ百ｖｅ ａ Ｓ０ｕｎｄ ｅ“ｐｌａｎａｔｌ。ｎ ｆｏｒ ｃｏｍｐＩｅｘｉｔｙ ｏｆ ｎｌｏｄｅＩ ｓｔ ｒｕｃｔｕｒｅ ａｎｄ ｌｄｅｎｔｉｆｙ；ｎｇ ｍｏｄｅｌ
ｚｉｏｎａｌ
型【引：
一＝卢ｏ＋∑且Ａ
（１）
（１）式中，成为对应于参数ｐ。的线性回归模型 系数，表征ｒ参数ｐ：对模型响应ｙ的贡献率 （权重），即为基于线性回归方法得到的参数Ａ 的绝对灵敏度．由于模型参数量纲不同，通常采 用（２）式计算参数相对灵敏度且“），其中ａ。和 “分别表示参数样本和模型输出的方差：
入了几何学中“重心”的概念，即考虑了新点产 生的随机性，又在一定程度上保证了搜索的整 体性复合形混合演化算法（ｓｃＥ—ｕＡ）是将生 物自然演化过程引入副数值计算中，模拟了生 物进化的过程，提高ｒ计算效率和全局搜索整 体最优的能力模拟退火算法（ＳＡ）则假设优化 问题的解及其目标函数分别与固体物质的微观 状态及其能量所对应，采用随机方法模拟固体 稳定“退火”的过程．退火单纯形算法（Ａｓ）综合 了下山单纯形方法和模拟退火法２种优化算 法，更加充分地利用了单纯形的形变信息，从而 提高丁计算效率和算法稳定性． 随着环境模型的不断开发和广泛应用，环 境模型的种类和数量日益丰富，模型本身所表 现出的结构特征也日趋复杂本研究仅以一个 两箱式水文模型为例”Ｊ，表ｌ给出了模型中１１ 个参数的先验取值范围及其物理意义．
随着环境模型结构复杂性的急尉增长，模 型参数在高维空间表现出了复杂的相关性结构 并直接导致了优化后验参数的识别问题－１０
Ｊ
行了比较研究．
１
环境模型参数不确定性与识别 由于参数不确定性普遍存在，根据经验估
因此仅仅局限于参数优化算法效率和精度等方 面的研究已经不能满足理论与实践的需要，相 对于观测数据和模型参数而言，基于现有科学 认知体系构建的模型结构是建模过程中不确定 性的根本来源【３ Ｊ．然而由于缺乏深入研究结构 不确定性的理论基础和有效技术手段，模型结 构往往只能通过识别参数后验统计分布规律间 接地得到验证． 参数不确定性依赖于模型结构，并直接导 致了灵敏度问鼯【４１模型参数不确定性包括参 数可识别性和参数灵敏度２个基本方面．参数 不确定性分析提供了后验地识别模型结构的可 行途径【５，“．本文以一个经典的水文箱式模型 为实例，从优化参数的不确定性和参数识别问 题出发，对复杂模型的参数灵敏度分析方法进
０叭００ ０ ０４９４
Ｏ ０ ０ １８
０１００ ０９８８ ０００８ ８６９７
２２１２／０．１ ０／０
５”
０加
０ ３ ０ ２４３Ｉ／０．２０２８ ６０６４／一４．２１２８ ２２５０／一０．０２９７ ０加 ０ ００２Ｉ／０．００２２ ０．０２４２／一Ｏ ０６４５ ０ ２３８８／０．２００５
１５（１／ｈ）
ｐａｒａｍｅｔｅｒｓｖｉａｕｎｃｅｒｔａｉｎ‘ｙ
ａｍｌｙ画ｓ ｍｅｔｈｏｄｓ ｐｒ皓ｅｎＬｅｄ
ａｎ
ｅｆｆｅｃｔｉｖｅ ａｈｅｒｎａｔｉｖｅ“）ｕｎｄｅｒ吼ａｎｄ ｍｏｄｅｌ ｓｙｓｔｅｍ
Ｋｅｙｗｏｒｄｓ：ｐａｒａｍｅｔｅｒ ｏｐｔｌｍｉｚａｔｉｏｎ；ｕｎｃｅｎａｉｎｏｙ；ｍｏｄｅｌ ｓｔｒｕｃｌｕｒｅ；ｐａｒａｍｃｔｃｒ ｉｄｃｎｔｉｆｉｃａｔｉｏｎ；ｓｅｎ蓟ｔｌｖｌ‘ｙ；ＨＳＹ ａｌｇｏｎｔｈｍ
最优值
０ ２１３６ ０ ０４３４
是敏度（＋／
０ ０ ０ ２８３４／Ｏ ７３６６／０ ２７７８ ４１０５
６０４４巾０６５５
５９４２／一０．５３３ｔ １６２６／０ ２９６５
★２（１／ｈ） 女３【ｌ／｝１）
Ｉ‘【Ｉ／ｈ）
０叭１４ ０．０１００ Ｏ １９ ３ ００１０ １２０８ ７６８６
０．２１４６／０．１６８６ Ｏ／０ １１９４／一０ ２５５４
７ ３３５１ １９９ ７１９２ ｌ
０ ０４６１／一０ ０４０５ Ｏ １６５７／０．１７７３
１５９ ３２０８
１．９６６ｌ
９３７７
９３３２
定了最佳参数估计值并得到具有特定收敛特征本序列，计算每个样本对应的模型响应，然后进 的参数样本，因此基于“最佳”估计参数值的灵行线性回归（ＬＲ），建立如下形式的线性模 敏度分析不能完整地描述模型参数的空间分布 形态；另一方面更为本质的是，由模型结构复杂 性导致的参数相关性要求在灵敏度分析过程中 必须考虑参数之间的相互影响，而不是仅靠变 动某一个参数得到模型响应．考虑到模型参数 之间的高度相关性，现代环境系统研究在不确 定性分析思想框架下提出了更为有效的参数灵 敏度分析方法，即区域灵敏度分析方法（Ｒｅ—
＾Ｉ（ｍｍ】 ＾２（ｍｍ） ＾３【ｍｍ）
Ｏ．００１０ １９ ４６２７ ３ ５５４７
０．００１０ １８ ２ １１３６ ６７１８ ５１４１ ６３０４ １３ｑ７ ０６３７
０
１６她／０
１８２８ １１２２ ０９１９
０１７９／３ ４００３
４ ０１５４／３ ０ ０６７４／０
０．１５６７／一０ ０５４２ ０／Ｄ ０（１０１２／０ Ｏ Ｏ ｌ ００２０
盖君拳箭铲
ＥＮ羔ｏＮ盘Ｍ、蔑％。氪ｃＦ
Ｖ０１．２３．Ｎｏ
６ Ｎｏｖ．２００２
环境模型参数识别与不确定性分析
刘毅，陈占宁，杜鹏飞（清华大学环境科学与工程系环境模拟与污染控制国家重点联含实验室，北京
１０００８４，ＥⅢＩ：ｊｃｈｅｎｌ＠ｍａｌｌ
ｔｓｍｇｈｕａ
ｅｄｕ
ｃｎ）
摘要：在对水文模型宴例的参数不确定性分析基础卜，分别采用传统灵敏度分析方法、ＨｓＹ算法、线性回归等方 法耐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犁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 关■词：参数优化；不确定性；模型结构；参数识别；灵敏度；ＨｓＹ算法
进行比较分析“１控制随机搜索算法（ＣＲＳ）引
接优化算法得到的优化参数结果可知，在目标 函数值无硅著性差异的条件下（ｍａｘ
８＜
ｌ＇８％），“最佳”估计参数之间具有较大差异（见 表２）．由于本文采用的水文模型输入数据序列 非常完整，可以忽略其不确定性，并且几种优化 算法也是当前最为稳定和可靠的全局搜索算 法”Ｊ，因此上述优化结果直接证实了优化算法 不能为深人研究复杂环境模型提供有效途径． 进一步研究表明，不同算法寻优进程中的 参数收敛轨迹也具有较大差异￣８１以ＣＲＳ算法 运用于水文模型为例，图１是５００个最佳优化 参数样本点分布图，其中菱形符号代表最佳的 １０个参数值分布（采样总数一＝２００００），虚线对 应于最佳目标函数值． 可以由图直观地看到最佳１０组参数对应 的目标函数值没有显著区别，但这１０组参数值
２．８５６０ １３３０ ６８０ ９２５６ ０２７９
９３０ ９９３０ ６０３ ９３７０ ７ １８３ ２４６６ ６４７８
９２７ ７３０６ ５４５．０９６３ ７ ６４５８ １７１ ９３６２
０巾
０ ０００７／Ｏ．００１３
＾．（ｍｍ） ＨＩ（ｍｍ） Ｈ２【ｍｍ） 目标函数值
９７７ ７
００８２／Ｏ ０８７５ １１５２／一０ ２４９６
环
境
科
学
２３眷
这种优化结果通常称为优化参数的等效性或可数的识别问题参数识别很重要的一个方面就 置换性…１…优化参数可置换性的产生是由于是研究参数变化所引起的模型响应，即参数灵 模型参数在高维空间具有的复杂相关性，是模敏度问题”。９研究参数灵敏件有助于深入理 型结构复杂性和参数不确定性的集中体现这解并改进模型结构的稳定性 种与优化算法结构设计、新点产生器、空间搜索 传统参数灵敏度分析方法是在某个参数最 方法和接受／舍弃判定准则等高度相关的后验佳估计值附近给定一个人１＝干扰，并计算参数 参数空间分布上的差异性，是导致优化算法不在这一很小范围内产生波动所导致模型输出的 能解释模型结构及其所产生的参数不确定性的变化率，即扰动分析方法从表２的计算结果中 主要原因 可以得出基于４种直接优化算法最佳参数估计 ２环境模型的参数灵敏度 杂性与参数不确定性，由此产生了对于模型参