參數(shù)識別是數(shù)學(xué)模型應(yīng)用的前提和基礎(chǔ)。隨著污染物遷移轉(zhuǎn)化規(guī)律研究的不斷深入,環(huán)境模型日趨復(fù)雜和完善,伴隨而來的是參數(shù)不可識別問題的加劇。有效識別復(fù)雜環(huán)境模型的參數(shù)在理論上和實(shí)踐上都是一個急待解決的問題。近年來發(fā)展起來的軟計(jì)算技術(shù)具有結(jié)構(gòu)簡單,通用性強(qiáng),計(jì)算效率高,能有效進(jìn)行問題解全局搜索的優(yōu)點(diǎn)。軟計(jì)算是指對研究對象只求近似而非精確解的有效計(jì)算方法。本文基于軟計(jì)算技術(shù),提出了一套適用于復(fù)雜環(huán)境模型參數(shù)識別的實(shí)用技術(shù)路線,其理論基礎(chǔ)是貝葉斯推理,核心方法是馬爾科夫鏈蒙特卡羅（Markov Chain Monte Carlo, MCMC）法,并融合了靈敏度分析、相關(guān)性分析和全局搜索算法等輔助信息獲取手段。論文以 WASP（Water Quality AnalysisSimulation Program Modeling System）模型在密云水庫水質(zhì)模擬中的應(yīng)用為背景試驗(yàn)和檢驗(yàn)了該技術(shù)路線的參數(shù)識別性能和效率。數(shù)值試驗(yàn)和案例研究表明,論文提出的技術(shù)路線高效可靠地獲取了參數(shù)的后驗(yàn)分布。MCMC 法是獲取參數(shù)后驗(yàn)分布,進(jìn)行參數(shù)不確定性分析的重要手段。MCMC 采樣序列能收斂到參數(shù)后驗(yàn)分布上,Ge... 

【文章來源】：清華大學(xué)北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：173 頁

【學(xué)位級別】：博士

【文章目錄】：
第1章 引言
    1.1 研究背景
        1.1.1 環(huán)境模型的發(fā)展
        1.1.2 參數(shù)識別的困惑
    1.2 研究目標(biāo)和內(nèi)容
    1.3 論文的結(jié)構(gòu)
第2章 研究綜述
    2.1 參數(shù)識別研究
        2.1.1 反演問題描述
        2.1.2 參數(shù)識別方法
    2.2 啟發(fā)式搜索法
        2.2.1 遺傳算法
        2.2.2 模擬退火算法和單純形算法
        2.2.3 混合算法
        2.2.4 啟發(fā)式搜索算法分析
    2.3 參數(shù)不確定性分析
        2.3.1 傳統(tǒng)的一階估算法
        2.3.2 貝葉斯法
        2.3.3 MCMC 法
    2.4 小結(jié)
        2.4.1 軟計(jì)算技術(shù)
        2.4.2 啟發(fā)式搜索法
        2.4.3 參數(shù)不確定性分析
第3章 研究思路及目標(biāo)模型
    3.1 研究思路
        3.1.1 復(fù)雜環(huán)境模型
        3.1.2 參數(shù)識別技術(shù)路線
    3.2 WASP 模型
        3.2.1 模型簡介
        3.2.2 模型概化
        3.2.3 數(shù)據(jù)序列合成
    3.3 參數(shù)靈敏度分析
    3.4 參數(shù)相關(guān)性分析
        3.4.1 相關(guān)性分析方法
        3.4.2 相關(guān)性分析結(jié)果
    3.5 小結(jié)
第4章 參數(shù)全局搜索算法
    4.1 遺傳算法
        4.1.1 算法流程
        4.1.2 算法設(shè)計(jì)及控制參數(shù)
        4.1.3 正交試驗(yàn)設(shè)計(jì)
        4.1.4 正交試驗(yàn)結(jié)果
    4.2 混合算法
        4.2.1 模擬退火單純形法
        4.2.2 遺傳單純形法
    4.3 不同搜索算法對比
    4.4 小結(jié)
第5章 參數(shù)識別影響因素分析
    5.1 參數(shù)靈敏度
    5.2 參數(shù)相關(guān)性
    5.3 數(shù)據(jù)精度
    5.4 數(shù)據(jù)序列長度
    5.5 小結(jié)
第6章 參數(shù)不確定性分析
    6.1 MCMC 法
        6.1.1 采樣算法
        6.1.2 算法參數(shù)選擇
        6.1.3 收斂判斷準(zhǔn)則
    6.2 參數(shù)后驗(yàn)分布及不確定性分析
        6.2.1 數(shù)值試驗(yàn)及結(jié)果
        6.2.2 MCMC 法結(jié)果分析
    6.3 小結(jié)
第7章 案例研究－密云水庫水質(zhì)模型參數(shù)識別
    7.1 密云水庫概述
    7.2 模型準(zhǔn)備
        7.2.1 模型簡介
        7.2.2 時空概化
        7.2.3 數(shù)據(jù)準(zhǔn)備
    7.3 水動力學(xué)模擬
    7.4 水質(zhì)模型參數(shù)識別
        7.4.1 參數(shù)識別過程
        7.4.2 參數(shù)全局搜索
        7.4.3 參數(shù)后驗(yàn)分布及不確定性分析
        7.4.4 模型驗(yàn)證
    7.5 小結(jié)
第8章 結(jié)論與建議
    8.1 結(jié)論
    8.2 建議
參考文獻(xiàn)
致謝與聲明
附錄A WASP/EUTRO 模型基本方程
    1 藻類生長動力學(xué)方程
    2 氮循環(huán)
    3 磷循環(huán)
    4 溶解氧平衡
附錄B 合成觀測數(shù)據(jù)序列
附錄C 案例研究基本數(shù)據(jù)
附錄D 數(shù)值試驗(yàn)6-2 和6-4 的參數(shù)后驗(yàn)分布圖
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]GSA法在水質(zhì)模型參數(shù)估值中的應(yīng)用[J]. 王薇,曾光明,秦肖生.  上海環(huán)境科學(xué). 2003(09)
[2]GSA法在水質(zhì)模型參數(shù)估值中的應(yīng)用[J]. 王薇,曾光明,秦肖生.  上海環(huán)境科學(xué). 2003 (09)
[3]仿真優(yōu)化研究進(jìn)展[J]. 王凌,張亮,鄭大鐘.  控制與決策. 2003(03)
[4]WASP6系統(tǒng)在三峽庫區(qū)水質(zhì)仿真中的應(yīng)用[J]. 孫學(xué)成,鄧曉龍,張彩香,潘娟琴.  三峽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(02)
[5]用TM影像進(jìn)行湖泊水色反演研究的人工神經(jīng)網(wǎng)絡(luò)模型[J]. 王建平,程聲通,賈海峰,王志石,鄧宇華.  環(huán)境科學(xué). 2003(02)
[6]HSY算法在水質(zhì)模型參數(shù)識別中的應(yīng)用探討[J]. 鄧義祥,陳吉寧,杜鵬飛.  上海環(huán)境科學(xué). 2002(08)
[7]HSY算法在水質(zhì)模型參數(shù)識別中的應(yīng)用探討[J]. 鄧義祥,陳吉寧,杜鵬飛.  上海環(huán)境科學(xué). 2002 (08)
[8]湖庫富營養(yǎng)化人工神經(jīng)網(wǎng)絡(luò)評價模型[J]. 樓文高.  水產(chǎn)學(xué)報(bào). 2001(05)
[9]密云水庫的浮游植物群落結(jié)構(gòu)與密度[J]. 杜桂森,王建廳,武殿偉,趙盼,張為華,剛永運(yùn).  植物生態(tài)學(xué)報(bào). 2001(04)
[10]仿真優(yōu)化理論與方法綜述[J]. 楊湘龍,王飛,馮允成.  計(jì)算機(jī)仿真. 2000(05)



本文編號：3576230