耦合敏感参数实时识别的新型数据同化算法研究——以湖泊藻类模拟为例OA北大核心CSCDCSTPCD
数据同化是提升复杂机理过程模型精度的关键技术之一,而湖泊藻类模型的敏感参数具有随时间动态变化的特征,导致数据同化过程中无法精准更新某一时段的敏感参数,影响数据同化的模型精度提升效果.针对上述问题,本研究耦合了参数敏感性分析与集合卡尔曼滤波,研发了一种能够实时识别模型敏感参数的新型数据同化算法;为验证研发算法的效率,依托巢湖的高频水质自动监测数据,测试算法对藻类动态模型的精度提升效果.测试结果表明:研发算法能够精准跟踪模型敏感参数的动态变化,并根据监测数据实时更新模型敏感参数,实现了水质高频自动监测数据与藻类动态模型的深度融合,藻类生物量模拟精度提升了55%,即纳什系数(NSE)从0.49提升到0.76,模拟精度提升效果也显著优于传统数据同化算法(NSE=0.63).研发算法可应用于其它水生态环境模型的数据同化,为水生态环境相关要素的精准模拟预测提供关键技术支撑.
张帅;彭福利;季雨来;张京;张奇谋;李琪;钱瑞;齐凌艳;黄佳聪
安徽师范大学地理与旅游学院,芜湖241003 中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008中国环境监测总站,北京100012中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008安徽师范大学地理与旅游学院,芜湖241003 资源环境与地理信息工程安徽省工程技术研究中心,芜湖241003中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京210008
环境科学
巢湖集合卡尔曼滤波参数敏感性分析模型
《湖泊科学》 2022 (6)
P.1877-1889,13
中国科学院青年创新促进会项目(2019313)安徽省自然科学基金青年项目(1908085QD151)江苏省水利科技项目(2019025,2020042,2020032,2021036)安徽师范大学大学生创新创业训练计划项目(202010370193)联合资助。
评论