环境模拟 一个不确定的未来？PDF|Epub|txt|kindle电子书版本网盘下载

环境模拟 一个不确定的未来？PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 如何进行预报1

1.1 本书的目的1

1.2 环境模拟的目的2

1.3 不使用不确定性分析的7个原因3

1.4 模型过程的本质5

1.4.1 从概念模型到过程模型5

1.4.2 参数、变量与边界条件6

1.5 尺度问题与不可公度的概念8

1.6 模拟空间10

1.7 模型集成14

1.8 为了机理理解而模拟15

1.9 模拟的具体应用17

1.9.1 无历史资料情况下的模拟17

1.9.2 有历史数据情况下的模拟18

1.9.3 近期模拟19

1.10 有效模拟的导则20

1.11 不确定性的含义21

1.12 选择不确定性估算方法24

1.13 模型模拟及决策制定的不确定性26

1.14 本章总结27

第2章 哲学转换29

2.1 为什么担心哲学？29

2.2 实用现实论31

2.3 其他现实主义的哲学观点32

2.4 模型是工具主义者的工具33

2.5 模型有效性的问题34

2.6 模型证伪的问题35

2.7 模型证实的问题：贝叶斯方法36

2.8 作为证实模型证据的观测信息内容37

2.9 解释的深度和预测非预期的41

2.10 不确定性、无知和安全因素43

2.11 本章总结45

第3章 无历史资料地区模拟46

3.1 敏感性、情景和前向不确定性分析46

3.2 先验信息决策48

3.2.1 参数的先验分布49

3.2.2 置信网络50

3.3 模拟空间抽样52

3.3.1 概率不确定性的传递分析53

3.3.2 离散抽样或随机蒙特卡洛搜索54

3.3.3 伪随机数和实现效果57

3.3.4 导向性蒙特卡洛搜索60

3.3.5 联合（copula）抽样62

3.3.6 实例：模拟地下水水质的联合抽样63

3.4 不确定性的模糊表征65

3.4.1 实例：应用模糊变量的前向不确定性分析66

3.5 敏感性分析68

3.5.1 点敏感性分析68

3.5.2 全局敏感性分析：Sobol＇普适敏感性分析69

3.5.3 实例：水文模型中Sobol＇GSA的应用70

3.5.4 全局敏感性分析：HSY普适敏感性分析71

3.6 模型仿真技术73

3.7 不确定情景74

3.8 本章总结75

第4章 已知历史数据的模拟94

4.1 模型率定和模型调试94

4.2 模型率定的权重非线性回归方法96

4.2.1 成本（目标）函数选择97

4.2.2 参数估计和不确定性预测98

4.2.3 评估额外数据的价值99

4.3 模型率定的规范贝叶斯方法99

4.3.1 规范似然度准则101

4.3.2 马尔可夫蒙特卡洛链模拟方法103

4.3.3 研究实例：评估概念水量平衡模型的不确定性（Engeland等，2005）103

4.4 帕累托（Pareto）优选集105

4.5 普适似然不确定性估计方法106

4.5.1 GLUE方法的基础108

4.5.2 确定模拟是否有效109

4.5.3 等效性、置信区间、容许偏差区间、预测区间114

4.5.4 等效性和模型验证117

4.5.5 等效性和模拟空间：抽样效率的问题118

4.5.6 模型评估中的模糊准则119

4.5.7 实例：GLUE方法在径流产流模型的假设检验中的应用119

4.5.8 GLUE方法的变形123

4.5.9 当发现所有的模拟均应拒绝时该做什么125

4.6 模糊系统：应用数据设定模糊准则126

4.7 模型调试的方法比较：数据的一致性及信息127

4.8 本章总结128

第5章 短期预报150

5.1 实时数据的同化150

5.2 最小二乘误差修正模型155

5.3 卡尔曼滤波156

5.3.1 模型残差的修正158

5.3.2 预测模型增益修正158

5.3.3 实例：塞文（Severn）河的洪水预报159

5.3.4 广义卡尔曼滤波161

5.4 集合卡尔曼滤波163

5.4.1 实例：集合卡尔曼滤波在Leaf河流域的应用164

5.4.2 集合卡尔曼平滑滤波166

5.5 粒子滤波方法167

5.5.1 实例：EnKF和PF方法在莱茵（Rhine）河的应用比较168

5.6 变分方法170

5.7 天气预报的集合方法171

5.8 本章总结173

第6章 面对不确定性的决策方法184

6.1 不确定性及风险决策184

6.2 决策框架中的不确定性185

6.3 决策树、影响流程图以及置信网络图186

6.4 决策中的风险评估方法188

6.5 风险决策方法189

6.5.1 评估决策者的偏好190

6.5.2 不同方案的相同之处190

6.5.3 增加不确定性和更多的信息190

6.5.4 实例：防洪预警和控制决策（Lake Como，意大利；The Red River，N.dakota）191

6.6 专家建议在决策中的应用193

6.7 综合专家意见：贝叶斯置信网络193

6.7.1 信任网络中的经验事实194

6.7.2 实例195

6.8 证据原因方法197

6.8.1 实例分析：证据原因方法在尼泊尔的Rupa Tal湖管理决策评估中的应用198

6.9 决策支持系统199

6.10 信息差距理论200

6.10.1 实例：信息差距决策方法在防洪工程设计中的应用203

6.11 决策中不确定性的所有权问题206

6.12 NUSAP方法论210

6.13 面对不确定性的稳健性适应管理211

6.14 决策中的不确定性和预防性原则213

6.15 本章总结214

第7章 一个不确定的未来223

7.1 在面对如此多的不确定性估计方法时实践者应做什么？223

7.2 未来问题——不可知性和不确定性225

7.3 不确定性问题是简单地由于应用了较差模型吗？226

7.4 接受一个不确定的未来227

7.4.1 作为一种学习过程的模拟229

7.4.2 从模型结构中学习229

7.5 未来模拟系统样本：适应性模拟，适应性管理230

7.6 本章总结231

附件Ⅰ 代数矩阵简介233

附件Ⅱ 软件简介236

术语表239

参考文献249

专栏3.1 分布变量概率的简单操作76

专栏3.2 模拟空间的蒙特卡洛抽样83

专栏3.3 随机数发生器的选择87

专栏3.4 不确定性的模糊表征88

专栏4.1 加权非线性回归129

专栏4.2 规范贝叶斯方法134

专栏4.3 马尔可夫链和全局蒙特卡洛方法141

专栏4.4 普适似然不确定性估计（GLUE）144

专栏5.1 数据同化中的卡尔曼滤波方法174

专栏5.2 数据同化的变分方法180

专栏6.1 基于风险的决策理论214

专栏6.2 信息差距决策理论217