论文部分内容阅读
高维参数水质模型被广泛地应用于水环境管理和水污染防治中。分析高维参数水质模型参数不确定性,能够减小因人为判断产生的误差,减少不确定性并提高决策的科学性,具有重要的意义。而参数空间维度高、搜索量大、局部最优点众多为高维参数水质模型参数不确定性分析带来了挑战。本文基于全局灵敏度分析和多链MCMC,建立了一套高维参数水质模型参数不确定性分析的技术方法;以EFDC作为高维参数水质模型的典型代表,利用测试算例,分析了该技术方法的适用性。选择地表水体允许纳污量的计算作为不确定性分析技术方法实际应用的案例,分析了高维参数水质模型参数不确定性对允许纳污量的影响。在算例测试中,发现Morris方法、方差分析和标准回归系数方法三种参数全局灵敏度方法对参数的全局灵敏度的识别情况有区别,其中,一部分以变量Bc为例,三种方法识别的灵敏参数不完全相同,另一部分以变量TOC为例,识别出的灵敏参数相同,但排序不同。说明将全局灵敏度的加权平均值作为筛选参数、降低维度的标准更具有说服力。随后利用DREAM算法作为多链MCMC方法的代表进行了参数不确定性分析。结果表明,参数取值遍历整个参数空间,算法在750代后收敛。所设定的参数“真实值”,均出现在单参数后验分布的高概率密度区域或者联合后验分布的高概率密度区域。表明DREAM算法是适用于高维参数水质模型参数不确定性分析的。最后,运用该技术方法分析参数不确定性对密云水库允许纳污量计算的影响,在参数后验分布中90%的置信区间中随机选取100个参数样本计算允许纳污量,结果表明,在单一污染物削减的情景下,TOC、TP和TN允许纳污量的范围分别为551.6-977.6t·y-1,16.4-25.8t·y-1,390.2-1560.9t·y-1;允许纳污量的相对变化范围分别为﹣36.5-12.6%,﹣24.6-18.9%,﹣33.8-164.7%;均超过一般比例法设置安全余量10%的范围。污染物联合削减情景下也有类似的结论。表明分析参数不确定性对允许纳污量的影响十分必要。