5、利用随机输入驱动校准以提高水文模型可识别性

利用随机输入驱动校准以提高水文模型可识别性

水文模型在水资源工程和管理决策中起着至关重要的作用。传统上，确定最优建模结构和参数常遵循校准 - 验证规范，然而这种方法存在诸多问题。本文将介绍一种基于随机模拟范式的随机校准方法，它能有效解决传统方法的不足。

1. 传统校准方法的困境

• 水文模型的重要性与传统校准方式 ：水文模型通常采用平稳性概念，将过程描述和模型参数视为时间不变量。在实际应用中，确定特定水文模型往往涉及一系列用户决策，而常见问题是对给定模型结构进行参数估计，这一般通过著名的分样本测试及其变体来实现，即将观测数据分为校准子集和验证子集。
• 分样本测试的局限性 ：分样本测试存在明显缺点，推断出的参数集仅依赖于可用数据的一个子集，从而丢失了验证期可能包含的重要信息。此外，模型在验证期的性能下降可能暗示模型的鲁棒性问题，这通常是由于对非代表性校准数据的过拟合导致的。而且，短历史数据可能无法提供足够的类似情况来代表高度不确定的气候和环境变化的合理范围。
• 其他校准方案的不足 ：为解决分样本测试的问题，研究人员提出了混合校准方案，如滑动窗口或子周期校准，但这些方法仍未完全解决模型在不同气候条件下的性能问题。同时，一些研究发现，延长校准期对改善模型在对比气候条件下的性能效果甚微，这使得时间不变参数的假设受到质疑。

2. 随机校准方法的提出

• 随机校准的总体思路 ：为解决传统校准方法的问题，我们提出了随机校准方法。该方法基于随机模