《基於信息熵的分散式物理性流域水文模型不確定性分析》是依託北京師範大學，由龔偉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於信息熵的分散式物理性流域水文模型不確定性分析
- 依託單位：北京師範大學
- 項目負責人：龔偉
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
水文模型廣泛存在不確定性。減小不確定性，提升模型在全球變化條件下的模擬能力，是分散式物理性水文模型的發展方向。然而，目前通過不確定性研究改進模型的構想尚未實現，而且在不確定性的量級和來源等基礎性問題上仍存在爭議。爭議的核心問題是：不確定性究竟是源於觀測精度不足，還是模型結構有問題。在關於不確定性的討論中，信息是一個常常被提及卻鮮見精確定義的概念。針對這一現狀，本研究提出基於信息熵給出信息的嚴格定義，擬開展如下四個方面的研究：（1）計算數據提供的信息量，評估數據提供的信息不足導致的不確定性（隨機不確定性）；（2）計算表示模型結構所需要的信息量，評估由於模型結構導致的不確定性（認知不確定性）；（3）提出基於信息熵的模型結構評價方法；（4）套用上述成果改進分散式水文模型。本項研究的目標是，通過定量評估不確定性的量級與來源，最終得到既符合物理過程機制，又有強大模擬能力的分散式物理性模型。
結題摘要
以分散式水文模型為代表的大複雜動力系統模型廣泛存在不確定性，不確定性分析與量化是目前模型發展的一個主要研究方向。由於觀測誤差的存在，數據提供的信息有限，模型的模擬誤差不可能無限降低。因此本研究嘗試從信息的角度，定量評估不確定性的量級與來源，從而改進模型，降低模擬誤差。本研究進行了如下幾個方面的工作：（1）計算模型輸入數據提供的信息量。針對水文數據的特殊統計特性，開發相應的方法以減小計算誤差。本研究考慮了水文數據的四種統計特性：（1）降水數據中含有大量零值；（2）最優直方圖寬度與平滑參數；（3）觀測誤差的影響；（4）長尾效應。使用Bootstrap方法估計信息熵的置信區間。（2）模型不確定性量化、參數最佳化與分布估計。現有的不確定性量化與參數最佳化方法往往需要模型運行成千上萬次，由於水文模型日益龐大複雜，迫切需要降低模型運行次數。本研究進行了兩方面的工作：（1）比較多種均勻抽樣方法，用更少的點實現對參數空間的充分覆蓋，能顯著減少模型運行次數，節約計算資源；（2）發展基於替代模型的參數最佳化與分布估計方法，如多目標最佳化方法MO-ASMO、分布估計方法ASMO-PODE，並與不確定性分析框架IBUNE結合，分析模型的輸入、結構和參數不確定性，計算表示模型結構所需的信息量。（3）建立地球系統模式的信息行動網路。將基於信息熵的不確定性分析方法推廣到地球系統模式，使用多種再分析數據提供的海平面氣壓場建立地球系統模式的信息行動網路。結果表明基於信息熵的不確定性分析方法也能套用於地球系統模式這樣的複雜模型。本研究得出的主要結論有：水文數據的統計特性對信息熵的計算結果影響很大，需要用特殊的方法處理。通過採用均勻抽樣方法並使用替代模型，可以大幅降低參數最佳化和分布估計所需要的模型運行次數，可以降低至數百次到一兩千次，模型的模擬誤差可以減少10%左右。
