CN111753417B - 一种基于不确定性分离的参数敏感性分析方法 - Google Patents
一种基于不确定性分离的参数敏感性分析方法 Download PDFInfo
- Publication number
- CN111753417B CN111753417B CN202010558207.6A CN202010558207A CN111753417B CN 111753417 B CN111753417 B CN 111753417B CN 202010558207 A CN202010558207 A CN 202010558207A CN 111753417 B CN111753417 B CN 111753417B
- Authority
- CN
- China
- Prior art keywords
- roughness
- uncertainty
- flow
- variable
- water level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 27
- 238000000926 separation method Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 63
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 241000207934 Eriodictyon Species 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 13
- 238000011160 research Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 241000345998 Calamus manan Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000012950 rattan cane Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明公开了一种基于不确定性分离的参数敏感性分析方法,所述分析方法包括,S1、由Monte‑Carlo随机抽样生成多组糙率样本和边界入流样本;S2、利用生成的多组糙率与边界入流样本,并采用四点偏心隐格式差分方法离散河渠非恒定流圣维南方程组,以获取多组流量、水位结果;S3、采用不确定性分离方法对多组流量、水位结果进行方差分解;S4、根据方差分解结果,计算糙率对应的方差占比,并由占比值对糙率进行敏感性分析。优点是:基于不确定性分离的糙率敏感性分析方法可有效分析糙率的相对敏感性,量化糙率不确定性对非恒定水流模拟结果的相对影响情况。
Description
技术领域
本发明涉及模型参数敏感性分析技术领域,尤其涉及一种基于不确定性分离的参数敏感性分析方法。
背景技术
在河渠水流演算中,糙率是最主要的参数。作为经验参数,糙率一般无法直接由观测获取。天然河道中的糙率系数一般根据河道水深、植被、河床等因素进行估算,但糙率具有显著的时空变异特征,很难直接确定。工程实践中水流演算时,通常将时空变化的糙率系数概化成一个固定的常数,并通过经验公式和参数率定确定。然而,经过率定后的参数仍不可避免的带有不确定性。来自于糙率和边界条件等多种不确定性因素将共同影响水流演算结果。而在最终模拟结果中,糙率不确定性造成的影响是显著还是可忽略?由糙率扰动造成的相对影响到底多大?为此,在水流演算时需开展糙率的敏感性分析。
目前国内外关于糙率的研究多数是围绕该参数的识别校正展开。例如,有研究系统地总结了糙率识别的主要方式包括查表法、糙率公式法和水力学方法;有研究将基于变分方法的参数辨识理论应用于求解曼宁糙率问题;有研究结合水动力模型和遗传算法,实现了河网糙率的自动优化;有研究基于数据挖掘的思想,应用BP神经网络对河网糙率进行直接反演;有研究探讨了河道水动力模型中参数反问题的求解方法,并采用卡尔曼滤波方法对糙率进行实时校正,以提高水流计算精度。相比于糙率识别,关于糙率敏感性分析的研究相对较少。有研究基于谢才公式理论推导并通过数值计算分析了洪泛区模拟水位对河槽合成糙率变化的敏感程度;有研究以南水北调中线为例,试算了糙率在0.012~0.018之间变化时,沿程水面线的变化情况;有研究通过试算的方式,探讨了流量、河渠几何形态作用下,糙率变化对渠道水深的影响情况;有研究基于MIKE11试算了糙率变化对海城河河道水位及堤防防洪能力的影响;有研究采用摩尔斯分类筛选法对MIKE11计算的河网水流进行糙率局部灵敏度分析,并发现糙率为高灵敏度参数。
总体来说,国内外现有研究对糙率的敏感性分析仍主要通过对比的方式,由多组糙率变化值下流量水位的变化情况来评估糙率的敏感程度。已有研究在糙率本身以及模拟流量水位的不确定性量化、糙率相对于边界入流的敏感性量化等方面都存在明显的不足。
发明内容
本发明的目的在于提供一种基于不确定性分离的参数敏感性分析方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于不确定性分离的参数敏感性分析方法,所述分析方法包括,
S1、由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本;
S2、利用生成的多组糙率与边界入流样本,并采用四点偏心隐格式差分方法离散河渠非恒定流圣维南方程组,以获取多组流量、水位结果;
S3、采用不确定性分离方法对多组流量、水位结果进行方差分解;
S4、根据方差分解结果,计算糙率对应的方差占比,并由占比值对糙率进行敏感性分析。
优选的,步骤S1之前需要收集分析所需数据,所述分析所需数据包括实测地形资料和水流观测数据;之后,在所述分析所需数据中由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本。
优选的,所述步骤S1具体为,使用公式(1)和(2)对所述分析所需数据中的糙率和边界入流扰动进行随机变量模拟,以生成多组糙率样本和边界入流样本,
优选的,步骤S2包括如下内容,
S21、由水流运动连续方程和动量守恒可推导得出河渠非恒定流圣维南方程组,
其中,t为时间坐标;x为空间坐标;A为过流断面面积;Q为流量;q为单位河段侧向入流量;Z为水位,且设定同一横断面水位相同;R为过流断面水力半径;g为重力加速度;
S22、采用四点偏心隐格式差分方法离散所述圣维南方程组,获取方程式(5)至(8);
其中,j为断面编号;Δx为离散空间步长;Δt为离散时间步长;θ为偏心系数,其取值在0.5-1.0之间;n为计算时间;代表j断面n时刻离散变量;和分别代表点P处离散变量f对时间和空间坐标的一阶偏导;代表离散变量f2对空间坐标的一阶偏导;
S23、固定计算时间n,对任意离散河段j,可得到线性方程(9)和(10);
S24、对于首末断面,补充边界条件,如下式(11)和(12);
其中,L表示末断面;
S25、对应于式(11)和(12),具体在上游给定入流过程、下游给定流量水位关系曲线分别见式(13)和(14);
Q1=Qup(t) (13)
QL=α(ZL+β)γ (14)
其中,α,β,γ为经验拟合系数;
S27、对河道所需计算的L个断面,联立式(9)至(12)共2L个方程,可得到关于流量ΔQ和水位ΔZ的线性方程组;
A'X'=B' (15)
S28、采用双扫描法迭代求解线性方程组(15),当迭代求解的流量增变量和水位增变量分别满足误差控制条件|ΔQj|<ε1、|ΔZj|<ε2时,则当前迭代值即为当前计算时刻所求的否则,令重新迭代,直到迭代求解的流量增变量和水位增变量分别满足误差控制条件;最终获取多组流量、水位结果;其中,ε1和ε2为误差控制限。
优选的,步骤S1具体包括如下内容,
S31、假定所述分析所需数据中至少存在两个随机变量X和Y,通过Monte-Carlo抽样后得到多组样本,Xi,(i=1,2,…I)和Yi,(j=1,2…J),将不同的Xi和Yi组合经步骤S2处理后输出变量Zij,则所述输出变量Zij也是随机变量,其不确定性受Xi和Yi影响;其中输出变量Zij表示为矩阵(16)
S32、使用方差刻画输出变量的不确定性,由方程式(17)和(18)计算;
在矩阵(16)中,对于任一行i的第j个输出变量Zij,由于该行中关于X项的输入全是Xi,则该行中Zij的变化与X无关,Zij的不确定性可完全归结于Y,即对于(16)中每一行内Zij的差异都可认为是由变量Y的不确定性引起,由此可计算Z中由Y引起的不确定性分量;对每一行i的第j个输出变量Zij求平均值后得到的可认为不受变量Y的影响,的不确定性应归结于X,由此可计算Z中由X引起的不确定性分量;由此实现Zij的不确定性分解。
优选的,步骤S32具体包括如下内容,
S321、将Zij分解成多项;
S322、对Zij的方差进行分解;
优选的,步骤S6具体为,根据步骤S322中获取的不确定性分解结果,由方差分量占比进行敏感性分析,若变量X代表糙率,则糙率敏感性分析由式(24)实现,
本发明的有益效果是:本发明提供的分析方法一方面通过方差分解的方式对糙率不确定性进行量化,评估糙率相对于边界入流等的相对敏感程度,本方法也可用于水动力、水质模型输入及相关参数的敏感性分析。
附图说明
图1是本发明实施例中分析方法的原理示意图;
图2是本发明实施例中四点偏心隐格式差分离散示意图;
图3是本发明实施例中西江浔江河段示意图;
图4是本发明实施例中扰动后的多组边界入流过程示意图;
图5是本发明实施例中扰动后的多组糙率系数示意图;
图6是本发明实施例中由入流和糙率扰动导致的藤县流量与水位不确定性占比分布示意图;
图7是本发明实施例中由入流和糙率扰动导致的藤县流量与水位不确定性占比分布示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本实施例中提供了一种基于不确定性分离的参数敏感性分析方法,所述分析方法包括,
S1、由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本;
S2、利用生成的多组糙率与边界入流样本,并采用四点偏心隐格式差分方法离散河渠非恒定流圣维南方程组,以获取多组流量、水位结果;
S3、采用不确定性分离方法对多组流量、水位结果进行方差分解;
S4、根据方差分解结果,计算糙率对应的方差占比,并由占比值对糙率进行敏感性分析。
本实施例中,步骤S1之前需要收集分析所需数据,所述分析所需数据包括实测地形资料和水流观测数据;之后,在所述分析所需数据中由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本。
本实施例中,所述步骤S1具体为,使用公式(1)和(2)对所述分析所需数据中的糙率和边界入流扰动进行随机变量模拟,以生成多组糙率样本和边界入流样本,
本实施例中,步骤S2包括如下内容,
S21、由水流运动连续方程和动量守恒可推导得出河渠非恒定流圣维南方程组,
其中,t为时间坐标;x为空间坐标;A为过流断面面积;Q为流量;q为单位河段侧向入流量;Z为水位,且设定同一横断面水位相同;R为过流断面水力半径;g为重力加速度;
S22、考虑到隐格式稳定性好、对离散时空步长限制要求相对较低,采用如图2所示的四点偏心隐格式差分方法离散所述圣维南方程组,获取方程式(5)至(8);
其中,j为断面编号;Δx为离散空间步长;Δt为离散时间步长;θ为偏心系数,其取值在0.5-1.0之间;n为计算时间;代表j断面n时刻离散变量;和分别代表点P处离散变量f对时间和空间坐标的一阶偏导;代表离散变量f2对空间坐标的一阶偏导;
S23、固定计算时间n,对任意离散河段j,可得到线性方程(9)和(10);
其中,B为河道水面宽;
S24、对于首末断面,补充边界条件(定解条件),如式(11)和(12);;
其中,L表示末断面;
S25、对应于式(11)和(12),具体在上游给定入流过程、下游给定流量水位关系曲线分别见式(13)和(14);
Q1=Qup(t) (13)
QL=α(ZL+β)γ (14)
其中,α,β,γ为经验拟合系数;
S27、对河道所需计算的L个断面,联立式(9)至(12)共2L个方程,可得到关于流量ΔQ和水位ΔZ的线性方程组;
A'X'=B' (15)
S28、采用双扫描法迭代求解线性方程组(15),当迭代求解的流量增变量和水位增变量分别满足误差控制条件|ΔQj|<ε1、|ΔZj|<ε2时,则当前迭代值即为当前计算时刻所求的否则,令重新迭代,直到迭代求解的流量增变量和水位增变量分别满足误差控制条件;最终获取多组流量、水位结果;其中,ε1和ε2为误差控制限。
本实施例中,由于本发明主要探讨糙率相对于边界入流的敏感程度,因此主要考虑的随机变量包括糙率和边界入流扰动;则步骤S3具体包括,
S31、假定所述分析所需数据中至少存在两个随机变量X和Y(例如,边界条件或模型参数或源项参数),通过Monte-Carlo抽样后得到多组样本,Xi,(i=1,2,…I)和Yi,(j=1,2…J);I和J表示样本数,样本数的大小由样本统计特征和计算效率权衡确定,将不同的Xi和Yi组合经步骤S2处理后输出变量Zij(本实施例以水位Z为例,也可以是流量或者浓度),则所述输出变量Zij也是随机变量,其不确定性受Xi和Yi影响;其中输出变量Zij表示为矩阵(16)
S32、使用方差刻画输出变量的不确定性,由方程式(17)和(18)计算;
在矩阵(16)中,对于任一行i的第j个输出变量Zij,由于该行中关于X项的输入全是Xi,则该行中Zij的变化与X无关,Zij的不确定性可完全归结于Y,即对于(16)中每一行内Zij的差异都可认为是由变量Y的不确定性引起,由此可计算Z中由Y引起的不确定性分量;对每一行i的第j个输出变量Zij求平均值后得到的可认为不受变量Y的影响,的不确定性应归结于X,由此可计算Z中由X引起的不确定性分量;由此实现Zij的不确定性分解。
本实施例中,步骤S33具体包括如下内容,
S331、将Zij分解成多项;
S332、对Zij的方差进行分解;
则,在式(23)方差分解结果基础上,由方差分量占比进行敏感性分析。若变量X代表糙率,则糙率敏感性分析由式(24)实现。
尽管上述不确定性分离方法针对的是两变量,但该方法可推广至更多变量情形。以三变量为例,增加随机变量W,对应输出不确定性变量记为Zijk(k=1,2,…K),K代表样本数;则
同样的,在式(26)方差分解结果基础上,由方差分量占比进行敏感性分析。
实施例二
本发明以西江浔江河段为实施例,以说明发明方法的有效性。浔江河段为西江主干河道,位于中国广西省境内。该段河道沿程分布有平南、藤县、梧州等县市城镇,是西江流域污染高发河段。本研究主要分析大湟江口至长洲库区入口(距离大湟江口130.74km)河段,其中距离大湟江口96.19km处有藤县监测站点,具体位置如图3所示。
研究以平南、藤县站点为例,考虑同一相对误差为10%的上游入流和模型参数对正向模拟流量水位的不确定性影响,即和hQ皆取值为0.1,由Monte-Carlo各生成30组边界入流和糙率后输入至模型,分析浔江河段糙率的相对敏感性。其中,输入的多组入流和糙率样本见图4和图5(为便于观察,只绘出了其中5组样本)。
通过不确定性分离方法计算得到糙率扰动下模拟的流量、水位不确定性贡献占比分布情况见下图6和图7。
从图6中可看出,组合情景下入流和糙率扰动对模拟流量、水位的不确定性贡献占比相当,糙率很敏感。此外,对比图6和7还可看出,糙率扰动对藤县和平南模拟水位的不确定性贡献差异很小,但对模拟流量的不确定性贡献占比则呈现出沿程增大的趋势。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种基于不确定性分离的参数敏感性分析方法,一方面通过方差分解的方式对糙率不确定性进行量化,另一方面也评估糙率相对于边界入流的相对敏感程度;基于不确定性分离的糙率敏感性分析方法可有效分析糙率的相对敏感性,量化糙率不确定性对非恒定水流模拟结果的相对影响情况,分析结果可进一步服务于糙率误差分析和参数校验;方法也可直接用于水动力水质模型相关参数敏感性分析以及模型输入的不确定性分析。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (3)
1.一种基于不确定性分离的参数敏感性分析方法,其特征在于:所述分析方法包括,
步骤S1之前需要收集分析所需数据,所述分析所需数据包括实测地形资料和水流观测数据;之后,在所述分析所需数据中由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本;
S1、由Monte-Carlo随机抽样生成多组糙率样本和边界入流样本;
所述步骤S1具体为,使用公式(1)和(2)对所述分析所需数据中的糙率和边界入流扰动进行随机变量模拟,以生成多组糙率样本和边界入流样本,
S2、利用生成的多组糙率与边界入流样本,并采用四点偏心隐格式差分方法离散河渠非恒定流圣维南方程组,以获取多组流量、水位结果;
步骤S2包括如下内容,
S21、由水流运动连续方程和动量守恒可推导得出河渠非恒定流圣维南方程组,
其中,t为时间坐标;x为空间坐标;A为过流断面面积;Q为流量;q为单位河段侧向入流量;Z为水位,且设定同一横断面水位相同;R为过流断面水力半径;g为重力加速度;
S22、采用四点偏心隐格式差分方法离散所述圣维南方程组,获取方程式(5)至(8);
其中,j为断面编号;Δx为离散空间步长;Δt为离散时间步长;θ为偏心系数,其取值在0.5-1.0之间;n为计算时间;代表j断面n时刻离散变量;和分别代表点P处离散变量f对时间和空间坐标的一阶偏导;代表离散变量f2对空间坐标的一阶偏导;
S23、固定计算时间n,对任意离散河段j,可得到线性方程(9)和(10);
S24、对于首末断面,补充边界条件,如下式(11)和(12);
其中,L表示末断面;
S25、对应于式(11)和(12),具体在上游给定入流过程、下游给定流量水位关系曲线分别见式(13)和(14);
Q1=Qup(t) (13)
QL=α(ZL+β)γ (14)
其中,α,β,γ为经验拟合系数;
S27、对河道所需计算的L个断面,联立式(9)至(12)共2L个方程,可得到关于流量ΔQ和水位ΔZ的线性方程组;
A'X'=B' (15)
S28、采用双扫描法迭代求解线性方程组(15),当迭代求解的流量增变量和水位增变量分别满足误差控制条件|ΔQj|<ε1、|ΔZj|<ε2时,则当前迭代值即为当前计算时刻所求的 否则,令重新迭代,直到迭代求解的流量增变量和水位增变量分别满足误差控制条件;最终获取多组流量、水位结果;其中,ε1和ε2为误差控制限;
S3、采用不确定性分离方法对多组流量、水位结果进行方差分解;
步骤S3具体包括如下内容,
S31、假定所述分析所需数据中至少存在两个随机变量X和Y,通过Monte-Carlo抽样后得到多组样本,Xi,(i=1,2,L I)和Yi,(j=1,2L J),将不同的Xi和Yi组合经步骤S2处理后输出变量Zij,则所述输出变量Zij也是随机变量,其不确定性受Xi和Yi影响;其中输出变量Zij表示为矩阵(16)
S32、使用方差刻画输出变量的不确定性,由方程式(17)和(18)计算;
在矩阵(16)中,对于任一行i的第j个输出变量Zij,由于该行中关于X项的输入全是Xi,则该行中Zij的变化与X无关,Zij的不确定性可完全归结于Y,即对于(16)中每一行内Zij的差异都可认为是由变量Y的不确定性引起,由此可计算Z中由Y引起的不确定性分量;对每一行i的第j个输出变量Zij求平均值后得到的可认为不受变量Y的影响,的不确定性应归结于X,由此可计算Z中由X引起的不确定性分量;由此实现Zij的不确定性分解;
S4、根据方差分解结果,计算糙率对应的方差占比,并由占比值对糙率进行敏感性分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010558207.6A CN111753417B (zh) | 2020-06-18 | 2020-06-18 | 一种基于不确定性分离的参数敏感性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010558207.6A CN111753417B (zh) | 2020-06-18 | 2020-06-18 | 一种基于不确定性分离的参数敏感性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753417A CN111753417A (zh) | 2020-10-09 |
CN111753417B true CN111753417B (zh) | 2022-06-17 |
Family
ID=72675454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010558207.6A Active CN111753417B (zh) | 2020-06-18 | 2020-06-18 | 一种基于不确定性分离的参数敏感性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753417B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116257218B (zh) * | 2023-01-13 | 2024-02-02 | 华中科技大学 | 一种统计分析软件与核能程序的接口设计方法及集成系统 |
CN118070576B (zh) * | 2024-04-24 | 2024-07-05 | 北京益普希环境咨询顾问有限公司 | 一种地下水污染源溯源辨识方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765977A (zh) * | 2015-04-27 | 2015-07-08 | 河海大学 | 考虑局部水头损失的河段综合糙率的计算方法 |
CN107145678A (zh) * | 2017-05-22 | 2017-09-08 | 中国水利水电科学研究院 | 一种河道平面二维水流模型糙率的率定方法 |
CN109145396A (zh) * | 2018-07-27 | 2019-01-04 | 同济大学 | 一种基于植被分布的河道糙率分区率定方法 |
CN110298554A (zh) * | 2019-06-04 | 2019-10-01 | 中国电建集团成都勘测设计研究院有限公司 | 河流水面线计算中糙率率定的系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050038763A1 (en) * | 2003-08-14 | 2005-02-17 | Cole George Martin | Methodology for prediction of shallow ground water levels |
-
2020
- 2020-06-18 CN CN202010558207.6A patent/CN111753417B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765977A (zh) * | 2015-04-27 | 2015-07-08 | 河海大学 | 考虑局部水头损失的河段综合糙率的计算方法 |
CN107145678A (zh) * | 2017-05-22 | 2017-09-08 | 中国水利水电科学研究院 | 一种河道平面二维水流模型糙率的率定方法 |
CN109145396A (zh) * | 2018-07-27 | 2019-01-04 | 同济大学 | 一种基于植被分布的河道糙率分区率定方法 |
CN110298554A (zh) * | 2019-06-04 | 2019-10-01 | 中国电建集团成都勘测设计研究院有限公司 | 河流水面线计算中糙率率定的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111753417A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Water environment carrying capacity in Bosten Lake basin | |
Wang et al. | Spatial-temporal dynamic evaluation of the ecosystem service value from the perspective of “production-living-ecological” spaces: A case study in Dongliao River Basin, China | |
Hao et al. | A distributed non-point source pollution model: calibration and validation in the Yellow River Basin | |
CN111753417B (zh) | 一种基于不确定性分离的参数敏感性分析方法 | |
CN107563139A (zh) | 一种点源突发性水污染源事故溯源贡献程度计算方法 | |
Wang et al. | Spatiotemporal variation in nitrogen loads and their impacts on river water quality in the upper Yangtze River basin | |
CN115310362A (zh) | 一种基于深度学习的航道内无站点处水位预报方法 | |
CN113569438B (zh) | 基于多源降雨融合和实时校正的城市洪涝模型构建方法 | |
CN106250675B (zh) | 具有不同预见期的地下水分区预测模型的构建方法及应用 | |
EP4303785A1 (en) | Reservoir flow rate regulating method and apparatus, electronic device, and storage medium | |
CN110765676A (zh) | 一种基于稳定流场的流域水质模拟方法 | |
Ensign et al. | Application of digital bathymetry data in an analysis of flushing times of two large estuaries | |
CN112464584A (zh) | 自由表面流的水位和流量推求方法 | |
CN113343601A (zh) | 一种复杂水系湖泊水位和污染物迁移的动态模拟方法 | |
Shan et al. | Study on the river habitat quality in Luanhe based on the eco-hydrodynamic model | |
CN117275602A (zh) | 一种流域农业面源污染的源强估计和溯源方法 | |
Xia et al. | Algal bloom prediction influenced by the Water Transfer Project in the Middle-lower Hanjiang River | |
CN117491585A (zh) | 基于时序网络的水生态污染监测方法及装置、系统 | |
Meng et al. | Multidimensional ecosystem assessment of Poyang Lake under anthropogenic influences | |
Li et al. | Modelling hydrological connectivity in the marine-freshwater interaction in the Yellow River Estuary of China | |
Yin et al. | Comprehensive modelling and cost-benefit optimization for joint regulation of algae in urban water system | |
Liu et al. | Numerical modeling of the tidal wave run-up and the eelgrass habitat at the Laizhou Bay | |
Zhu et al. | Assessing sediment regime alteration of the lower Drava River | |
Wang et al. | Predicting precipitation on nonpoint source pollutant exports in the source area of the Liao River, China | |
Liu et al. | Solution of export coefficients of nitrogen from different land-use patterns based on Bayesian analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |