基于EnKF-MCRP模型的生态用地扩张模拟研究

以生态脆弱区典型县域磴口县为研究区,基于2002、2007、2012、2015年4期遥感影像解译数据,将数据同化技术引入生态源地的变化模拟中,考虑生态障碍和生态阻力构建En KF-MCRP模型,进行磴口县生态用地的变化模拟。结果表明,引入数据同化技术的En KF-CA/Markov模型的模拟总精度达到82.4%,数据同化能够减少误差的积累。根据扩展能力磴口县生态源地共分为5个等级,其中3、4、5级生态源地的空间布局形成东北-西南、西北-西南的沙漠化防护格局。引入生态源地变化的En KF-MCRP模型的生态用地扩张模拟精度最高,生态用地面积与空间布局最接近实际情况,方差达到0.4。此研究可为当前以及未来的生态用地规划和管理提供科学根据。

单一模型EnKF法更新油藏模型的探讨

近年来,人们开始利用集合卡尔曼滤波(EnKF)进行自动历史拟合,更新油藏模型。实验证明EnKF方法是一种有效的方法。EnKF方法要求一组初始实现,但是在实际应用中往往只有一个油藏或地质模型,这使得直接利用EnKF进行历史拟合,更新油藏模型比较困难。为此,提出了一种由一个模型派生出多个模型来满足EnKF基本要求的随机导航点方法,并试验在尽量少的模型条件下,利用EnKF更新油藏模型。模型实验表明,利用随机点抽样派生出多个模型,再利用EnKF可以实现单一模型更新,最终取得的模型与参考模型具有较好的一致性。

基于EnKF法的径流数据同化对SWAT模型参数优化效果评估

基于集合卡尔曼滤波(EnKF)法,在合理量化模型模拟和径流观测误差、有效处理模型参数演变及过拟合问题的基础上,以淮河上游淮滨水文站以上流域为研究区,构建了基于径流数据同化的SWAT分布式水文模型参数优化方案,就站点实测径流数据同化对模型参数的优化效果进行了评估。结果显示,数据同化过程中,被更新的模型参数集合逐渐收敛并趋于稳定,基于稳定后的参数获得的模拟径流与实测径流过程接近,流域出口径流模拟的纳什效率系数可达0.88,说明基于EnKF法的径流数据同化对SWAT模型参数具有一定的优化估计能力,且采用数据同化方式进行模型参数率定具有一定的可行性。

基于SODA方法的HyMOD模型不确定性分析

为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1)具备较高的参数搜索效率和寻优能力;(2)明确考虑包括输入、输出、参数以及模型结构在内的重要不确定性来源。SODA方法在渭河流域的实例应用结果表明:与SCEM-UA方法相比,SODA方法不仅显著提高了预报精度,而且推求出了性质更为优良的预报区间。SODA方法的成功应用,有助于模型概念的改进及对水文系统功能的理解。

水文模型不确定性研究方法耦合分析

为了探索解决在提高区间覆盖率的同时降低预测区间平均带宽的问题,将dual EnKF方法与GLUE方法2种水文模型不确定性研究方法进行了耦合分析,得到了dual E-G方法。以新安江模型为例,采用3个评价指标(覆盖率、平均带宽和平均不对称性)评价了dual E-G方法在3个流域(甲河流域、天河流域、灞河流域)的预测区间性质,并与GLUE方法进行了对比。结果表明:dual E-G方法可以同时改善3种不确定性指标。该成果可为水文模型预报、洪水决策风险分析等方面的深入研究提供有益参考。

基于Lorenz-63模型的状态与参数同时估计方法对比研究

模型状态同化精度受多种方面因素的影响,针对状态同化中模型参数的不确定性问题,状态与参数同时估计为此提供了一种较好的解决方案,即在进行状态同化的过程中得到合理的参数估计值。在Lorenz-63模型的基础上构建状态与参数同时估计框架,比较分析增广集合卡尔曼滤波(AEnKF,Augmented Ensemble Kalman Filter)、双重集合卡尔曼滤波(DEnKF,Dual Ensemble Kalman Filter)和同时优化与同化方法(SODA,Simultaneous Optimization and Data Assimilation)在集合数、观测误差和观测数不同时的参数和状态估计结果差异,由此探讨3种方法的优劣及适用性。研究结果表明:3种方法都能较好地估计模型的状态和参数,AEnKF的误差在集合数不大于20时最大,随着集合数增加降低的速率最小;3种方法的RMSE值随观测误差的增大而增大,但算法间差异不大;观测数变为1时3种方法的结果都变差,其中AEnKF最明显。