典型文献
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
文献摘要：
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.
文献关键词：
巢湖;集合卡尔曼滤波;参数敏感性分析;模型
中图分类号：
作者姓名：
张帅;彭福利;季雨来;张京;张奇谋;李琪;钱瑞;齐凌艳;黄佳聪
作者机构：
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;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
文献出处：
引用格式：
[1]张帅;彭福利;季雨来;张京;张奇谋;李琪;钱瑞;齐凌艳;黄佳聪-.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)[J].湖泊科学,2022(06):1879-1891
A类：
B类：
敏感参数,实时识别,数据同化,算法研究,湖泊,拟为,过程模型,模型精度,数具,时间动态,精度提升,提升效果,参数敏感性分析,集合卡尔曼滤波,识别模型,巢湖,水质自动监测,试算法,动态模型,精准跟踪,实时更新,更新模型,藻类生物量,模拟精度,即纳,纳什系数,NSE,水生态环境,环境模型,模拟预测
AB值：
0.298
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
