【水文模型】07 《流域水文模型参数不确定性量化理论方法与应用》宋晓猛 阅读笔记
2021/9/27-10/13，阅读《流域水文模型参数不确定性量化理论方法与应用》宋晓猛，笔记如下。
第1章 绪论
深入浅出地讲解了模型不确定性的研究进展。
第2章 分布式水文模型理论与方法
分布式水文模型的主要特点是与DEM结合，以GIS和RS集成，揭示流域水循环规律。模型验证阶段可以采用纳什效率系数、水量平衡系数、误差百分比、均方根误差等不同的评判指标，关注效果的拟合程度、高（低）峰值的差异、模拟整体的误差评判等，根据模型应用需要选择。
第3章 代理模型技术理论与方法
在理论上创新要求有很高的数理基础，而在方法上创新可能较为简单，主要是结合交叉学科改进原有方法，提高模拟精度，减少计算消耗。试验设计方法采用拉丁超立方抽样和Sobol序列抽样都较好，近似方法选择多元自适应回归样条（MARS）较好，可以克服神经网络的长时间训练样本过程。
第4章 参数识别与敏感性分析方法
第5章 参数不确定性分析方法
第6章 参数优化分析方法
介绍了作者结合代理模型和智能搜索优化算法进行参数优化的例子。模型的非线性和参数不可识别性造成“异参同效”；目标函数的选择比较困难，单一目标不能满足应用要求，多目标权重的的选择成为问题。水文模型的参数优化问题还与模型结构、资料质量等有关。
第7章 淮河流域分布式水文模拟系统
这里的分布式指利用DEM提取子流域，再对部分很小的子流域进行合并，最容易实现的是合并到它流入的那个子流域。
第8章 分布式时变增益模型参数不确定性研究
如何分析参数筛选的不确定性信息，全局敏感性分析的一阶、二阶和总敏感度，参数优选。还看不太懂。
第9章 新安江模型参数不确定性研究
对参数定性筛选、代理模型到参数定量敏感性评估再到参数不确定性分析和参数优化估计整个水文模型的不确定性研究过程有了大致的了解。但对部分图表的含义理解不清。
下一步计划
尝试利用Dakota实现新安江模型的参数不确定性研究。
【水文模型】07 《流域水文模型参数不确定性量化理论方法与应用》宋晓猛 阅读笔记相关推荐
- 《基于深度学习模型的非接触式面部视频记录技术用于心房颤动的检测》阅读笔记
目录 一.论文摘要 二.论文十问 Q1: 论文试图解决什么问题? Q
- 【水文模型】05 参数不确定性分析方法
摘录自<流域水文模型参数不确定性量化理论方法与应用>第5章. 概述 #mermaid-svg-EhUXzi8dmphIEQsb .label{font-family:'trebuchet ...
- 【水文模型】04 参数识别与敏感性分析方法
摘录自<流域水文模型参数不确定性量化理论方法与应用>第4章. 概述 敏感性分析最常遇到的问题: 计算消耗问题:采用代理模型技术(对于复杂模型而言)或筛选方法(对于多维参数而言) 输入参数的 ...
- 非确定性算法_使用最坏情况提高基于MPC的避障算法对参数不确定性的鲁棒性
编者按:避障问题是AGV行驶过程中的一个重点,尤其是在未知和非结构化的环境中,没有关于环境的先验知识以及准确的车辆模型参数,难以充分发挥车辆的性能.作者在以前工作中,提出了在未知和非结构化环境中基于非 ...
- 【水文模型】10 新安江模型C++实现
模型简介 新安江模型是河海大学水文院赵人俊教授于上世纪80年代提出的一个具有世界影响力的水文模型1234.新安江模型是分布式模型,可用于湿润地区与半湿润地区的湿润季节.当流域面积较小时,新安江模型采用 ...
- 【SWAT水文模型】SWAT水文模型建立及应用第三期：基于中国土壤数据库建立土壤库（待更新）
SWAT水文模型建立及应用:基于中国土壤数据库建立土壤库 1 简介 2 土壤数据下载 2.1 数据下载方式 2.1.1 世界土壤数据库HWSD数据 2.1.2 中国土壤数据库 2.2 数据下载 3 土 ...
- 【SWAT水文模型】SWAT水文模型建立及应用第三期：基于世界土壤数据库HWSD建立土壤库
SWAT水文模型建立及应用:土壤库建立 1 简介 2 土壤数据下载 2.1 数据下载方式 2.1.1 世界土壤数据库HWSD数据 2.1.2 中国土壤数据库 2.2 数据下载 3 土壤数据的准备 3. ...
- 【水文模型】02 水文水动力系统应用
文章目录 0 预备博客 1 所用工具 2 操作过程 3 整体界面 0 预备博客 [ArcGIS]01 水文流域提取 1 所用工具 水文水动力模型 子流域图层 subwatershed.shp ,子河道 ...
- 【水文模型】SWAT水文模型原理及数据库简介
SWAT水文模型 1 SWAT水文模型原理 1.1 产汇流模型 1.1.1 水文循环的陆地阶段 1.1.2 水文循环的演算阶段 1.1.2.1 主河道演算 1.1.2.2 水库演算 1.1.3 地表径 ...
最新文章
- 【Ghost Blog】如何给Ghost Blog添加背景音乐
- Tomcat(一)：背景知识和安装tomcat
- socket io与vue-cli的结合使用
- 第十六届全国大学生智能车竞赛全国总决赛线上比赛规范
- IOS - UITableViewCell的选中时的颜色及tableViewCell的selecte与deselecte
- 不再颓废，重新开始，牛客第一题1016. 部分A+B (15)
- java 中的vector_详解Java中的Vector
- 在ASP.NET Core Web API上使用Swagger提供API文档
- jdbc时区_什么比日期和时区更难？ SQL / JDBC中的日期和时区！
- 使用wsimport将wsdl生成java
- php打水印汉字乱码,php 图片水印中文乱码解决方法
- 6.1 tensorflow2实现WideDeep推荐系统——Python实战
- 将luarocks整合进openresty，并安装lfs
- 举例说明儿化音的作用_六年级语文下学期复习资料
- 基于uA741 PWM发生器
- 超清楚！麦克风阵列学习笔记（一）——线性麦克风阵列的时间延迟Beamforming算法（Time-Delay Beamforming of Microphone ULA Array）
- python中shape错误_python中shape错误
- 谷歌火狐浏览器被360浏览器劫持的解决办法
- java取万位的值,excel表格数值如何取万位整数，来研究下吧
- python实现KNN分类算法（鸢尾花数据集）