以潮白河为研究区域,探讨了与模型参数及模型模拟性能有关的多参数灵敏度及不确定性分析方法(Multi-Parameter Sensitivity and Uncertainty Analysis,MPSUA)。基于MonteCarlo模拟的多参数灵敏度分析,可以评价模型中多个参数的相对重要...以潮白河为研究区域,探讨了与模型参数及模型模拟性能有关的多参数灵敏度及不确定性分析方法(Multi-Parameter Sensitivity and Uncertainty Analysis,MPSUA)。基于MonteCarlo模拟的多参数灵敏度分析,可以评价模型中多个参数的相对重要性。GLUE不确定性分析则能对模型性能进行量化评估。实例研究表明,通过MPSUA方法,可以减少优化参数的个数。而且,在没有对模型进行参数优化之前,基于MPSUA就可以确定模型的模拟精度。例如同样的模型在潮河可以获得比在白河更高的模拟精度。这种同一模型在不同流域所体现的差异性,一方面是源于模型结构本身的不完善,另一方面则与用于建模的数据误差有关。SCE-UA参数优化结果与MPSUA结果几乎一致,说明本文的参数灵敏度与模型总体性能评估方法比较合理。展开更多
文摘以潮白河为研究区域,探讨了与模型参数及模型模拟性能有关的多参数灵敏度及不确定性分析方法(Multi-Parameter Sensitivity and Uncertainty Analysis,MPSUA)。基于MonteCarlo模拟的多参数灵敏度分析,可以评价模型中多个参数的相对重要性。GLUE不确定性分析则能对模型性能进行量化评估。实例研究表明,通过MPSUA方法,可以减少优化参数的个数。而且,在没有对模型进行参数优化之前,基于MPSUA就可以确定模型的模拟精度。例如同样的模型在潮河可以获得比在白河更高的模拟精度。这种同一模型在不同流域所体现的差异性,一方面是源于模型结构本身的不完善,另一方面则与用于建模的数据误差有关。SCE-UA参数优化结果与MPSUA结果几乎一致,说明本文的参数灵敏度与模型总体性能评估方法比较合理。