文摘
本文出于目前缺乏明确的模型性能指南架子上海洋和河口模型寻求向客户和最终用户证明模型是适合的目的。地址与数据可用性相关的常见问题,错误,和不确定性和探讨了模型构建过程,包括校准和验证。它也看着常见的假设,数据输入需求,统计分析,可以应用于评估河口和大陆架海域的模型的性能。具体地说,它考虑的固有模型不确定性和定义了度量的性能基于实践经验。其目的是作为一个参考点的数值模型和专家负责解释结果的准确性和有效性从水动力波和泥沙模型。
1。介绍
虽然需要标准化模型构建、校准和验证过程在一个同意的方法被广泛承认,只有有限的指导是可用的(例如,1,2]),经常模棱两可,有时相互矛盾的建议如果灰色文献提供的(例如,3,4])。各种不同的造型实践是受雇于顾问和学者,并且经常关注不足的潜在错误相关的测量和建模数据用于模型校准和验证。这可能导致贫穷的模型性能和不可靠的预测模型。没有一个大家都认可的方法和模型校准和验证的性能标准,有可能不同的方法会有所不同的质量,努力将被浪费在低效或不适当的校准方法,和方法的不一致将使模型相互比对问题。
本文提供了一个基于证据的审查和礼物的例子校准模型校准和验证的数据源和实践河口和陆架海模式。它的目的是提供指导的评估和使用模型校准数据和提供程序的清晰性和简化模型校准和验证过程。这样做,它承认,一些自然系统的复杂性之间的妥协程度必须达到和模型表示。出于这个原因,这篇论文并没有解决复杂造型wave-driven电流问题,潮汐漂流物,海岸线进化专家模型(例如,nonhydrostatic版本XBeach和CFD)必须使用。
因为模型校准的准确性主要取决于所使用的校准数据,关注了一些最常见的问题与数据质量有关。本文还提供了(a)模型数据的终端用户更多的专家指导建模方法,(b)的校准程序最频繁应用,和(c)的不确定性模型预测。本文利用实践经验建模和扩展的早些时候和有限的指导模型校准和验证,专注于欧拉积分标准定义模型的性能(例如,(2,5,6])。它还考虑从造型案例研究的结果和建议校准问题的重点工作(例如,(7- - - - - -10])。
具体地说,本文描述了(1)一般一开始就必须考虑因素的数值建模活动,(2)性能的定量评估模型,(3)数据源和造型指南水动力,波,noncohesive和粘性泥沙模型,(4)形态模型。特别注意给的最大挑战之一,造型社区关心的测量和建模沉积物运输和侵蚀和吸积有关。虽然工作的重点是基于实际应用造型架子上海洋和河口过程,相关的许多问题讨论范围广泛的地球物理模型。
2。模型校准和验证是什么?
从一开始就很重要定义术语常用数值模型:(a)校准是一个过程,需要某些模型参数的调整来达到最好的性能模型的具体位置和应用程序;(b)验证确定如果模型实现正确的假设;和(c)验证寻求建立预测和观察之间的协议(例如,11])。使用数据验证是通过运行模型覆盖另一个时期和/或不同的位置没有任何额外的调整模型参数(例如,[12])。当然,模型输出的准确性不能被证明是大于原始标定数据的准确性,并确认并不意味着验证,验证也不意味着验证。然而,在实践中,当测量数据可用于系统建模,验证通常是与验证(混合11]。如果一个测量和模型结果的比较表明,模型的预测接近测量,然后实现的模型被认为是一个验证的实现假设和建模的系统的一个有效的表示。
不考虑模型的精度,模型校准必须表达(a)表达水平的协议实现;(b)表达现实是如何表示的过程,和(c)定义的标准已经被认定为适合的目的。数据误差的定量评估,准确性和不确定性模型然后定义可以评价指标对模型的性能。
作为典型的校准和验证过程的一个例子应用在大多数海岸和河口模型,一个原理图的步骤之后的水动力模型如图1。初始模型来看,模型参数设置为推荐值(即造型软件提供的指导。”,工厂设置”)。关键参数影响模型的性能(如床粗糙度)然后调整,以达到最好的协议模型预测和测量。必须注意确保值设置为这些调整参数物理意义的和适当的1]。实现一个好的模型校准错误的原因一样坏差校准模型。
一个有用的校准和验证过程的第一步是确定模型中最敏感的参数。虽然专家判断是很有帮助的,经验较少的用户应该进行敏感性分析模型。在这里,目的是确定模型输出的变化率对模型输入(参数)的变化。进行敏感性分析,有必要识别关键模型参数和定义所需的参数精度校准(例如,13])。灵敏度分析方法可以当地(a),参数值在哪里改变了一次,或者(b)全球,同时调整所有参数。这两种方法各有缺点。举个例子,一个参数的敏感性往往取决于其他相关参数的值,以便正确的值的其他固定参数不能确定。在全局敏感性分析,许多模拟是必需的。尽管有这些缺点,这两种方法提供洞察模型参数的敏感性和模型校准过程中的必要步骤。然而,“手册”的校准模型,逐步地调整参数,可能会非常耗时,效率低下。
校准过程的第二步是进行降低模型预测的不确定性。通常情况下,它使用精心挑选值模型输入参数并比较模型的预测与相同条件下的观测数据。与步骤1中描述的过程,这通常是迭代完成的没有任何固定的规则,遵循用户的经验和知识的过程建模。第三步在校准过程中涉及的验证模型输出的利益(如水位、流速度和方向)。验证涉及到使用参数,运行一个模型校准过程中测定和比较预测观测数据不用于校准。
模型校准的使用自动化技术是现在普遍的(例如,14])。通常,autocalibration过程依赖于蒙特卡罗或其他抽样方案估计多个输入参数值的最佳选择。例如,刘autocalibration过程被范et al。15)是基于重组段复杂的进化算法等。16),它允许模型参数标定的基于单目标函数。虽然autocalibration可以提供一个强大的,劳动节约型的工具,可以用来大幅度减少的挫折和主体性特征手动校准,使用这些方法时必须注意确保每个特定的输入参数的理论边界不受侵害。
频繁,postcalibration数值模型结果的评价是主观的和基于专家的解释图形输出。这种方法的例子包括水位曲线或放电时间序列,当前矢量分布和扩散的热量和泄漏模式。事实上,对于许多从业者来说,一个好的视觉模型预测和观察之间的配合往往足以具备良好的性能,而不需要进一步量化这一模型。目标模型性能的措施也不是新的,使用,例如,在Deltares(半)自动化模型校准工具和伴随模型(例如,[17])。然而,模型功能的日益复杂,使用模型输出的技术最终用户要求信息对模型精度降低风险,导致越来越需要更好的指导如何量化和评估模型的性能。校准过程的描述应用于biological-physical模型(18)提供了一个有用的例子,典型的校准过程中,随后的过程。
3所示。一般考虑
无论所使用的模型,有几个通用的元素之前,需要考虑在模型构建阶段。这些元素将分别对模型性能的影响,包括水深、床粗糙度,模型网格设置中,特定的结构和功能的整合,数据准确性和不确定性和模型边界条件。
3.1。深度测量法
最常见的一个问题与水动力模型的校准问题相关底层水深数据中的错误。准确的深度测量法的使用是关键在所有架子上海洋和河口模型研究中,需要和努力确保使用最好的水深信息。作为惯例,水深数据的分析应该确保(例如,通过数据对研究区)使用最新的深度测量法调查数据。关键特征和轮廓应该检查对历史地图和图表。激光雷达数据在水表面必须被丢弃。合适的网格尺寸应该确定反映水深数据的空间分布,和数据已经网格,可怜的插入/减少/推断到模型网格必须被引用到原始数据源。
水深和地形数据的摘要要求模型如表所示1(3]。之间的区别是由应用程序类型,最准确的与方案设计(如防洪)评估所需精度较低和/或战略研究。这些区别是用于其他表和有用,因为他们定义关键数据的准确性要求构建一个模型为不同的应用程序。正确使用最合适的数据对于一个给定的应用程序可以节省时间和精力。而表1反映了造型河口水深和地形数据要求,包括规范之间的平均距离测量位置,最低可接受的通道截面间距,调查年龄,年龄和分辨率对激光雷达数据,他们提供同样有用的指南陆架海模式。
仔细检查横向和纵向调查数据应该承担任何模型运行之前,和模型应该旨在使用一个通用的参考基准面。通常为国家参考点的垂直位置(例如,军械基准面Newlyn (ODN)在英国),图表数据(有关最低天文潮或意味着低低潮),或平均海平面(韩剧)得到了广泛的应用。然而,尽管国家参考点是有用的在当地范围内模型,与韩剧有广泛的实用程序在较大区域模型的地理位置。在英国水域,垂直离岸参考系(VORF (http://www.ucl.ac.uk/vorf)提供值的空间分布,可用于垂直数据之间的转换。同样,VERTCON [19),最近VDATUM (http://vdatum.noaa.gov/)在美国允许垂直之间的地理空间数据转换各种潮汐,正交的,椭圆形垂直数据。此外,卫星测高数据也可以用来通知之间的抵消潮汐层和一个或多个相关的卫星或geoid-based基准面。
来说明一个简单的数据错误,图2(一个)从沿海位置显示近岸水域的深度测量法在葡萄牙南部有一个清晰的垂直基准问题。这个问题解决在图2 (b)使用一个简单的数据修正。这是一个简单的例子进行说明,并经常基准更为复杂和难以正确的错误。
其他错误可能出现在水动力模型由于(a)的变化图表属性(例如,老海军图表从英国将OSGB已经改变了WGS84), (b)数据类型,具有固有的缺陷(例如,水深可能导致低估,插入深度和潮汐卷),并使用GIS (c)后处理或其他“平滑”软件。最小化模型深度测量法中引入的误差,建议最初视觉检查原始深度测量法使用适当的软件(例如,Matlab或Fledermaus)。突然改变海拔和峰值数据应谨慎对待。也有助于研究梯度,在可能的情况下,比较插值数据与已知的试探。
应仔细考虑数据插值插值以来例程程序之间有很大的差别,和选项(例如,线性的,最近的邻居,逆距离加权和样条方法)也会导致显著不同的答案。此外,一些插值方法更适合稀疏数据集(例如,逆距离加权)和别人失落的数据分布(例如,最近的邻居)。插值方法的选择应该认识到这一点。同样重要的是要考虑的规模特征在床上需要解决的一个模型。例如,大型bedforms,比如沙子银行,重定向流动和模型中必须解决。等较小的bedforms砂波提供了流动阻力,可以通过床parameterised摩擦项。消除需要单独解决这些特性可以减少模型运行时。在其他应用程序中,沙浪可能需要解决在个体基础上评估,例如,迁移率和管道或电缆线路。
花时间和精力确保底层深度测量法已经正确插入(基准面、投影),它是免费的虚假的价值观和正确代表感兴趣的特性将有助于改善模型性能。没有良好的底层水深数据,试图调整水动力模型的任务将是极其困难的,尤其是在浅海岸和河口地区。例如,Cea和法国20.)研究深度测量法中的错误如何影响河口浅水区的性能模型。他们证明,纠正错误的测量深度可以更效率比“经典”标定方法只基于调整水动力粗糙度的床上。他们提出的深度测量法标定框架可以提供改进的性能从当前一代的数值模型。进一步指导深度测量法的使用模型是由植物et al。21,22)和Mourre et al。23]。
3.2。床上的粗糙度
床的流体动力学粗糙度(以下称为“床糙率”)是一个主要标定变量对所有海岸和河口模型。也是必不可少的造型等流程准确沉积物运输和波衰减。无论选择的方法来定义床粗糙度,迭代值通常操纵范围内由用户在文献中报道。任何床粗糙度通常可以被分配给一个所谓的等效砂粗糙度,k年代(24]。相当于砂粗糙度取决于安排(模式),距离(密度),粗糙的形状元素如沙粒和涟漪。然而,在大多数模型、床粗糙度通常由(一)parameterised阻力系数定义在指定高度床上,(b)曼宁数,n(25),或(c)薛齐数量,C(26]。
说明阻力系数值的范围适合不同河口和沿海环境,表2显示了阻力系数经验值COne hundred.以1米的床底类型不同。没有床粗糙度定义的数据准确地说,这些“典型”值通常用于模型的应用程序。然而,在许多情况下,这是一个简化,和必须注意获得尽可能多的信息关于床的特点,适当的床粗糙度值可以被指定。
在“行业标准”模型如MIKE21 Delft3D,“粗糙度地图”可以用来定义床对面的粗糙度值的空间分布模型的域。这种方法的一个很好的说明是由Lefebvre和里昂27]。图3给出了一个典型的例子床头粗糙度地图(a)的空间分布测量的平均晶粒尺寸,D50,从海底获得样品和(b)派生的阻力系数,Cd,占D50多波束测量和bedforms检测。
床粗糙度映射了一个ADCP(例如,28]),高分辨率的深度测量法和粒度测量所使用的样本已Huybrechts et al。29日)获得床粗糙度地图中使用TELEMAC模型(cf。30.,31日])。最近,使用高分辨率的多波束声纳提供了水深数据的分辨率小于1米,揭示了海底特性的详细信息(例如,多丽丝(http://www.dorsetwildlifetrust.org.uk/doris.html)提供的信息以及沉积物属性。使用这些数据建模研究目前实验,需要很高的计算能力来解决细节。然而,它提供了更好的可能性定义床粗糙度,从而可能造成显著降低模型校准所需的努力。
3.3。模型网格设置
模型的选择和设置网格模型中是一个非常重要的初期构建过程。虽然有些模型仍然采用常规电网结构,大多数模型通常使用某种形式的灵活网格组成的三角形元素。这种方法允许感兴趣的领域的高分辨率和低分辨率深度测量法的领域和/或过程主要是空间不变的。在几乎所有的海岸和河口的应用程序中,使用灵活的网格模型提供了最好的模型网格解决方案(例如,32])。
以通用河口模型为例,重点对模型网格出现:(a)模型网格应该为了确保网格分辨率可以定义的主要形态学特征(包括结构),可以对流体动力学的影响;(b)狭窄的通道和银行应该有至少三个网格细胞(最好是5)确定基础或波峰宽度;(c)尽可能的增加网格分辨率应该遵循的主要渠道,尤其是在曲线网格;和(d)在考虑上游和下游的位置模型中的边界,边界不应固定太接近感兴趣的领域。然而,这可能是受到的实际目标是可用的造型以及边界数据。进一步的例子问题出现在定义一个模型网格是由许et al。33),Kernkamp et al。34),刘和任35],梅纳德和约翰逊(36]。
表3显示了一个示例所需的典型模型的网格分辨率河口模型用于研究水位和流量的速度(3]。表3也表明所需的最低数量的模型网格点正确代表特性,比如渠道和沙的银行模式。类似的网格要求同样适用于沿海模型。指出,一个细网格分辨率(< 2 m)必须正确代表防洪的故意违反在设计管理调整方案。
网格生成过程中,无论造型软件使用,内插的深度测量法。再次使用通用河口模型的例子来说明一些要点,以下检查应在完成水深插值过程:(a)水深必须显示相同的网格特征与原始深度测量法;(b)网格的过程不能取代和/或狭窄/收缩通道;(c)应该评估不同的插值方法;(d)通道不能扩大或缩小,尤其是当这些占相当比例的河口横截面;和(e)深度相邻边界应该检查以确保正确的插值。
进一步重点注意关注空间分辨率计算网格的一个给定的模型。通常情况下,一个模型预测只适用在空间分辨率定义的计算网格。相比之下,测量,通常用于校准和验证模型预测,得到在一个位置,只代表了当地环境。因此,当比较预测模型和一个点的测量值,必须考虑这个空间分辨率的宽容。大多数时候,宣布的网格细胞最密切托管部署位置用于模型/测量相互比对。如果网格尺寸很大,单点测量可能不代表更广泛区域的网格模型中的元素。相反,如果仪器是部署在系缆的能力(如波浪浮标)移动,然后,通过时间,仪器可以通过多个网格点如果模型有一个精细的分辨率。
在某些情况下,数据提取从一个网格单元毗邻测量位置可能更好地代表实际情况测量一点,如果这一点谎言靠近边界的一个模型元素。根据模型网格分辨率,因此建议从附近所有网格细胞中提取模型输出的测量位置和与观测进行比较。
以河流bedforms的造型为例,El Kheiashy et al。37讨论一个合适的模型网格的选择。与许多建模应用程序一样,必须达成妥协解决需要定义所需的深度测量法准确的执行时间一定网格分辨率。他们的研究表明,明显床阻力(剪切应力)和bedform陡度随网格间距增加而降低。增加网格间距还创建了人工bedform领域引起grid-dependent阻力。模型网格因此具有重大影响的预测模型。因此,重要的是意识到这些问题时,尽可能解释模型结果和检查他们对所有可用的数据来源。
3.4。模型边界条件
经验丰富的造型从业者将确保目标边界类型被使用在每个开放边界,细胞标记和数据的顺序是正确的。事实上,大多数行业标准模型(例如,Delft3D)给出一个可视化表示的边界检查的目的。建议实践使边界与主要的流向,潮汐特征(避免amphidromes)、波,或地理特征。
输入数据到河口和陆架海模式边界通常分为两种类型:(a)水位和(b)通量(放电)。水位边界通常是获得从现有的模型或测量。model-derived边界数据的情况下,知识的边界数据是由较大的模型需要定义的准确性和可靠性(例如,使用的选民数量和空间和时间分辨率)。然而,水位边界可能并不适用于地区很少或根本没有潮汐高度变化。
指出,一个(放电)携带动量通量和水位变化模型域产生动力,可以说,通量边界条件(放电)是一个更健壮的选择模型校准的目的。然而,它通常是更难以描述和应用。依赖水位只能导致严重的模型表现不佳,只要有可能,必须试图用水位和流量模型边界。
因为适当的模型校准精度可以得到下面的边界条件问题也需要完全理解:(a)在模型边界数据峰值归因于不稳定在原来的边界数据和(b)边界数据从大模型领域的选择在不合适的位置(例如,接近陆地域或干燥的元素)。
通量(放电)可以应用在任何模型边界(例如,淡水输入的点一个河口模型)。一般来说,这些数据提供了通过测量或来自coarser-scale模型。这些数据的质量取决于测量设备或模型的准确性。建议在小型潮汐变化的地区,或在多个边界包括至少一个边界通量(放电)的类型。它可能指出,使用灵活网格(或嵌套模型),该模型领域可以扩展提供更健壮的边界条件由于大阶段差异和梯度效应模型域。然而,在实践中,许多模型设置只使用水位作为主要的推动力量,在许多应用程序中,这被证明是成功的。
建议如果测量潮汐水平作为模型边界条件,那么这些检查,以确保一致的相位和振幅值获得的谐波成分。虽然会有小幅度的差异归因于气象的影响,阶段应该非常相似。
4所示。评估模型的性能
在工程和环境建模研究,使用定量模型评价方法被认为是提供更客观的、一致的和可再生的模型验证和评估。然而,这也是不言而喻的,系统或随机误差模型的识别结果也可以快速检测到人类的眼睛。在实践中,模型输出的评估是最有效的定性和定量方法时使用。例如,在大多数货架或河口应用程序,结合视觉和定量评价可以通过展示当前矢量的空间分布对外观检查与统计数据,量化实测值和预测值的差异目前速度从几个地点。这些统计数据可以提供有用的额外信息空间一致性、相关性、一致性和经常会表示解释和起源的模型之间的可能存在的差异和测量结果。
同样重要的是,模型结果接收专家评估,最好在每个模型对概念的理解过程域建立使用一系列的数据资源。这可能包括一些明显的检查目前的速度,以及更详细的调查阶段,和方向的沉积模式。建议模型性能的初步评估前应采取的一切手段为长时间运行模型。然而,这个初步审查的时期选择取决于建模的过程。例如,潮流的模型运行在一个或两个潮周期应足以确定模型是如何执行和调整可能是必要的。另一方面,沉积物运移的模型可能需要相当长的时间之前净泥沙运动的影响,通过深度测量法的变化很明显。
4.1。错误、精度和模型校准数据的不确定性
它定义了度量与评价模型的性能,评估的误差,精度,数据用于模型的不确定性校正建模过程中是重要的一步。事实上,一个数值模型的准确性管理部分程度的错误出现在模型校准数据。因此是至关重要的量化误差,精度,通过对仪器的理解和不确定性,仪器的部署方法,和它的位置以及任何数据后处理的问题。
有必要区分系统和随机测量误差。所有测量容易造成系统错误,例如,从完善仪器校准(零误差)和环境条件的变化。同样,随机误差通常出现在测量或其他的观察和结果从本质上不可预测的波动在测量仪器的读数或实验者的解释工具阅读或环境。不同的结果,表面上相同的重复测量随机误差的一个明确的指示。可以通过比较多个测量和量化误差减少平均多个测量。系统误差不能被探测到这种方式,因为他们总是“推”方向相同的结果。然而,当发现时,他们更容易消除使用趋势去除技术从一个数据集(如回归分析)。
仪器收集数据从不同空间位置也可能适用range-dependant空间平均记录数据,导致变量的空间分辨率。例如,水平平均ADCP光束在传播导致测量足迹增加的大小与距离的乐器。以作为一个例子2 d -水动力模型的校准使用ADCP数据,首先需要推导出depth-mean ADCP测量电流。这需要进行猜测的垂直结构海洋边界层(通常从床上占领该地区的空气与接口)在时间和空间上平均ADCP数据获得depth-mean当前速度。这些数据处理步骤介绍错误是很难量化的。这些问题进一步加剧,当试图提取有意义的depth-mean表示目前的方向,特别是在重要的地区,经常改变的(例如,毗邻砂银行)。此外,如果一个给定的测量足迹在高度湍流流场,那么意味着流量测量的准确性将会由采样时间和可能导致重大错误如果流不正确取样位置。记住这个例子当比较预测模型中从一个网格点与测量单个或多个地点,必须注意时空不一致,可能导致校准误差和/或偏见。
4.2。敏感性分析
敏感性分析是用来研究的不确定性模型的输出可以分配到不同来源的不确定性输入。敏感性分析是由不同的输入参数(范围内,也就是说。,物理现实)和检查模型反应。敏感性分析可以用于各种目的,包括(a)测试模型的鲁棒性导致的不确定性,(b)增加理解的输入和输出变量之间的关系模型,(c)确定模型中的错误,遇到意想不到的输入和输出之间的关系,通过识别模型和(d)简化模型的输入,输出,没有影响或模型的识别和消除冗余的部分结构。敏感性分析也有助于减少不确定性通过识别模型的输入,导致输出最大的不确定性,从而允许调整增加模型的鲁棒性。重要的是,通过模型的结果更容易理解,引人注目,或有说服力,敏感性分析可以提高建模者和最终用户之间的相互作用的模拟输出。敏感性分析是评估的一个重要部分,如果一个模型是适合的目的,必须留出时间和任何造型的研究进行一个可信的模型敏感性研究。
灵敏度分析的一个领域,需要特殊考虑问题的敏感性,一个给定的模型输入数据中的错误(例如,水深、水位,depth-mean当前速度)。当有错误,这尤其重要和/或多个输入数据集的不确定性从而导致复合模型中的错误输出。例如,在一个河口沉积物运移模型,水深中的错误和/或当前速度给定位置会导致高估或低估床的剪切应力。由于沉积物运移与床上剪应力的力量(通常是二次推移质和悬移质立方),小错误预测床剪切应力会导致大的错误预测总出口和净输沙。
4.3。时间序列和统计输出
在很多情况下,数据时间序列的表示格式有助于揭示模型和观测数据之间的拟合优度,差距观察和预测数据表明之间的视觉差异模型预测和校准数据。校准的目标应该是减少这些差异,统计分析应该用于量化的拟合优度。此外,它也是有用的比较和值使用散点图显示观察与模拟值。下面提供一些示例。
进一步量化模型校准的时间方面,统计方法用于演示,信心可以放置在时间时间尺度模型的性能在一个清晰的和可以理解的方式。丹麦水力学研究所、济、质量指数矩阵计算几个拟合优度统计对比观察和模拟结果采取适当的方法。必要时,当数据质量许可证,其他类型的分析可能是合适的,如荆棘技能分数分析(38(例如,[]或指数的协议39])。
简单的统计,证明协议的水平测量/观测数据和模型预测模型中选择位置域包括平均值和峰值差异(通常表示为一个百分比)和标准差。此外,有几个质量指标,可用于演示的统计模型预测和观察(表之间的协议4)。在表中,O我和年代我是给定参数的测量和预测的值在时间吗t我分别为,N我数据点的总数。现在统计的定义。
准确表达之间的差异定义为测量和模拟数据 。在所有情况下,目标应该是减少dif的价值我可行的最小值。理想情况下,最低dif我不应超过10%,虽然这将是高度变量根据参数被认为是和校准数据用于模型的准确性。建模数据的准确性也可以量化使用均方根误差(RMSE)统计(表4)。RMSE值通常表示为一个百分比,在降低值表明减少剩余方差,从而更好的模型性能。
偏见表达之间的差异估计量的期望和被估计的参数的真正价值,可以被定义为等于平均误差数据。系统性偏差反映了外部影响可能影响统计测量的准确性。检测偏差就是一个现象更容易观察和/或报告一组研究对象。报告偏差涉及一个斜的可用性数据,这样的观察某种更有可能报告,因此在研究中使用。
之间的协议或其他测量/观测数据和模型预测时间序列是频繁使用皮尔逊积差系数量化,R(表4)。有必要测试相关系数的统计显著性。在大多数情况下,皮尔森方法(或双尾)是适当的。在统计显著性测试中,如果零假设是真的,值是获得检验统计量的概率至少像观察到的一个极端。一个经常“拒绝零假设”的时候值小于0.05或0.01,相应的,分别有5%或1%的机会拒绝零假设,当这是真的。当零假设被拒绝,据说是具有统计学意义的结果。在河口和陆架海建模研究,统计学意义在95%置信水平是最实用的应用程序被认为是可以接受的。
一系列的统计指数模型表现(例如,开发40- - - - - -43])。广泛使用的荆棘技能分数,BSS (38[],威尔默特的无量纲指标协议44]比较均方区别与均方预测和观察区别基线预测和观察。例如,完美的协议使BSS得分为1,负值表明预测比基线值。范Rijn et al。45)提供了一个解释的BSS值0 < BSS BSS < < 0.3、0.3 < 0.6、0.6 < BSS < 0.8, BBB > 8表示贫穷,/公平合理,不错,和优秀的,分别。然而,它已经认识到更大的错误,当平方,超重的影响这些错误在平方误差的总和。这个问题最近已经解决威尔默特et al。46]谁提出一个重要的改进协议推荐指数早些时候的一个广泛的模型性能的应用程序。模型的例子技能评估河口模型是由盛和金47)和华纳et al。48]。
分散指数SI, RMSE值正常化。在大多数情况下,分散指数提供了一个有用的指示模型的性能。然而,以波模型的结果为例,分散指数似乎低估了模型的技巧,因为它往往是在架子上海洋应用程序。原因是有效波高的RMSE正常化与平均有效波高,在浅海陆棚地区通常很小。例如,RMSE 0.25米的有效波高在复杂的现场条件似乎是合理的,但如果均值只有0.5米,分散指数达到50%的,而高价值。诊断模型性能指标MPI模型表明,在很大程度上,再现了海浪的观察到的变化。喜欢分散指数,它定义的RMSE值形式MPI = 1−(RMSE / RMSC)。这里,RMSE RMSC的定义是相同的,除了年代我值是被这一事件所取代O我值。一个完美的模型(RMSE = 0), MPI的价值显然是1,而这将是0(错误地)预测的模型没有变化(RMSE = RMSC) (cf。49])。
5。水动力模型
5.1。数据源
水位计和压力传感器通常提供的水位信息相对于基准定义在一个合适的时间分辨率(通常不超过30分钟间隔)。理想情况下,水位和当前信息应该得到尽可能多的模型领域中关键的位置,特别是,在感兴趣的领域和地区的重大变化。通常情况下,错误与这些类型的相关数据包括(a)不正确的时间引用(例如,GMT / BST), (b)中的错误数据修正(见下文),(c)中的错误正确定义模型中的测量数据位置域,和(d)仪器标定误差。测量设备经常出现问题,补偿和/或峰值测量数据。峰值应该与人工数据删除或替换。插值在数据不应该尝试的差距太大,和其他时间覆盖应该寻求更好的数据源。
定义测量数据的置信区间,质量检查是必需的。这可能导致一些数据的拒绝,或采用其他数据表示警告。可用的更多的数据(根据质量、格式和时空分辨率),在模型校准可能更可靠。最小化潜在的不确定性模型的性能和优化模型校准,常见的误解和典型的错误和不确定性在水动力模型输入数据如下所述以及一些建议方法可以援助模式设置和校准。
5.2。性能指南
5.2.1。水位
模型校正水位应包括检查的振幅,阶段,和不对称。具体来说,测试应该看看(a)在最大和最小表面海拔差异;潮汐相位的差异,在高和低水;和RMSE(注意这不是纠正偏差,除非偏差无关紧要,这个参数很难解释),(b)的偏见,(c)分散指数(SI)。建议所需的最低水平模型性能大陆架海域水位(a)是在±0.10米(或在10%和15%的春天和小潮潮汐范围、职责)和(b)的时间内高水±15分钟。河口,建议最低水平模型性能要求是(a)水位在±0.10口,±0.30米的头(或在10%和15%的春天和小潮潮汐范围、职责)和(b)在嘴里高潮的时机在±15分钟,±25分钟。
5.2.2。当前的速度
在二维平均深度水动力模型,当前速度预测应该对振幅,检查阶段,方向,和不对称。具体来说,测试应该看看(a)最大流量速度的差异(起起落落潮汐),(b)平均流量方向,(c) RMSE, (d)的偏见,SI (e)。然而,通常必须来源于正确的当前速度平均深度值在参考点测量水柱的高度或垂直海流剖面测量数据(例如,ADCP数据)。在这两种情况下,平均深度当前速度可以使用1/7计算幂律(例如,50),49页)或类似的。通常为三维水动力模型,ADCP数据可以直接用于校准模型中的一个或多个层次。然而,如果模型层深度大,他们可能跨越一个ADCP测量更多的垃圾箱,和1/7幂律或类似必须适用于插入适当的电流模型层速度值。
建议,预测当前速度从2 d和3 d在大陆架海域水动力模型和河口小于±0.20 m / s(或±10%到20%)的测量速度。表达的准确性潮流速度预测模型,Cefas (www.cefas.defra.gov.uk /媒体/…/ report-on-first-asmo-workshop.pdf,2014年3月)表示访问性能的最大误差预测速度,这样误差< 0.05 m / s, < 0.1 m / s, < 0.2 m / s, > 0.2 m / s表达很好,很好,温和,表现不佳,分别。
结果统计分析模型的性能需要小心解释。RMSE值提供了一个定量的测量模型与数据的吻合程度好基于数据的均值。然而,如果有重大偏差数据,那么这个合适的善良不是一个适当的统计使用。建议这里偏差< 0.2,如果< 0.5,RMSE < 0.2展示统计上显著相关。
5.2.3。电流的方向
因为目前的方向是来源于矢量,它不能以同样的方式对待其他参数(如速度)。然而,当前方向预测的准确性可以检查使用时序图和量化,例如,使用偏差和SI的统计数据。从当前的方向数据消除歧义,以下步骤建议:(a)检测方向之间的绝对差大于180°;(b)如果是大于180°,然后减去之前添加360°方向较小的更大的方向;或(c)如果小于180°,然后计算之间的绝对差的方向。这个方法返回一个绝对的(积极的)值描述方向的不同将永远小于180°。对于实际应用来说,建议保留符号(正面或负面)方向的区别是没有必要的,它阻止有意义的平均偏差计算这些差异。一旦方向之间的绝对差计算,可以计算出偏差。大陆架海域和河口,最低水平模型性能推荐这里±10°±15°,分别。
5.2.4。床上的剪切应力
除了一些专业研究工具,例如,一个实地部署剪切板原型Oebius报道(51)和实验室报告的剪切板草等。52兰金]和和员工53),没有可靠的直接测量床剪切应力的方法还可用。对于大多数实际应用来说,使用测量校准/验证床剪切应力值预测的模型是不可能的。
当考虑床剪切应力在水动力和/或沉积物运输,这是至关重要的区分总床剪切应力的表面摩擦组件负责沉积物动员和运输和形阻力对流动的压力损失后床bedforms等障碍。大多数模型预测总床使用二次应力法剪切应力。这与平均深度流速度通过流体阻力系数的特质,强调“粗糙”的床上。对皮肤摩擦床剪切应力,粗糙度参数表达了拖只归因于沉积物颗粒。型阻(部分负责维护悬浮沉积物状态)然后通过分区的方法。是非常重要的,了解一个模型处理分区和使用任何拖床剪切应力预估结果正确。Soulsby [50]提供了一个清晰的床剪切应力组件及其计算和应用。
当处理subgrid-scale bedforms,正常使用摩擦系数parameterise床粗糙或一个等价的谷物粗糙度。这可以改变空间(在某些情况下暂时)和提供了一个缓和或提高当地床剪切应力,从而“曲调”模型对观测数据流。这需要小心避免不切实际的实现进行摩擦系数值,应寻求适当的摩擦系数和指导(例如,软件使用指南为模型;Soulsby [50])。为了避免沉积物运移的重要高估或低估,建议床剪切应力要求估计在±0.05 N / m2架子上的海洋和河口模型。然而,小错误在床上剪应力可以加剧随着时间的推移,特别是在形态模型。也指出,床剪切应力可以有效位来获取数据的估计bedforms和床上加载和暂停运输使用的一系列经验公式(50]。然而,这些估计都受制于数据用于生成和算法用于估算的准确性水动力压力。
平均深度水动力模型的一个简单例子校准使用床粗糙度如图4。图4(一)显示时间序列的当前位置速度测量和预测P1和P2在一个小的口中潮汐入口。在这个初始模型运行,阻力系数,Cd假设值为0.035,导致低估当前速度的模型。引用可用床泥沙数据显示Cd0.02是更合适的价值导致更好的协议之间的测量和预测当前速度值(图4 (b))。然而,这也是最近指出,侵蚀发生在入口自上次水深测量。迭代调整水深在随后的一系列模型运行最终导致了非常好的协议之间的测量和预测当前速度(图4 (c))。床的降低进气道的0.45后来证实了重复水深测量造型完成后进行。
(一)
(b)
(c)
作为进一步校准目标实现的例子,要求对河口水动力模型性能统计数据从Defra / EA[洪水模型3)如表所示5。统计数据包括风暴潮的RMSE海拔(h飙升)、RMSE高水位(h马克斯),预计最高水位的公差,RMSE流速(U),预测河流输入公差(问),洪水区域需要两个或两个以上的历史洪水预测正确(一个),预测洪水深度误差(d犯错)。虽然这些统计检验特定于应用程序和严格的,因为洪水洪水预测必须是准确的,他们是典型的模型的性能标准,应该用于所有架子上海洋和河口模型。
6。波模型
6.1。数据源
通常有四个来源的数据使用波模型校准:视觉观察;浮标和平台;卫星导航;由表面风场和数值模型。各有不同水平的信心和不确定性,以及良好的账户波测量和数据给出的斯蒂尔et al。54),科曼et al。55),Krogstad et al。56,57],和Lindroth Leijon [58]。
但是。视觉观察
视觉观察波参数(高度、周期和方向)来自船只可用的机会有时长时间(几十年)。这个数据源有明显的局限性和许多潜在的错误,尤其是在暴风雨天气(cf。59])。其他很大的局限性包括观测的数量和程度的数据覆盖,通常仅限于航道。然而,在过去,有许多地区的世界波测量没有通过其他方式和视觉观察可能是唯一的信息来源。
6.1.2。浮标和平台
水平跟踪浮标是最常见的仪器用来测量波,部署10米之间的深度和几百米(cf。56,57,60])。有一个大质量的变化数据可以从这些设备根据他们的年龄和类型。一般来说,最新的设备可以捕获主要波参数的估计(有效波高,H年代,意思是高峰期,T米和Tp,和相关方向等信息的意思是方向,意味着定向传播,峰度和偏态2 d光谱)。通常,测量每隔1小时。测波浮标是准确的仪器和相关的错误H年代通常只有几个百分点。不确定性发生由于抽样可变性和分辨率的频率分布(高峰)。在高H年代范围内,周围的浮标倾向于“滑”最高波峰。在这一过程中,引入了负偏压在估计波高值就越高。
6.1.3。遥感
卫星高度计和散射仪数据现在可以从一系列的平台(如ERS2, ASCAT METOP-A, Krogstad和巴斯托61年])。高度计提供关于风速和波高的信息,和散射仪提供了一个更广泛的关于波和风能参数的信息。然而,区域的复杂几何(通常是货架海洋和河口地区),卫星数据通常提供一个贫穷的估计海况由于强大的空间梯度也无法很好的解决卫星传感器。其他限制包括可怜的时间报道由于卫星天桥频率可以防止采集高频时间序列的选择位置。然而,报告的发展年轻et al。62年]显然证明有用的全球浪潮数据集可以组装用一系列遥感平台的数据,这些数据有很高的效用在地区波数据稀缺。波数据也可以获得使用高频(例如,63年])和x波段(例如,[64年])雷达系统和通过使用视频(cf Argus视频。65年])。尽管这些方法需要校准,每个有能力的测量近岸波浪和可以帮助校正波模型在复杂地区反射,折射,扩散过程可能存在。
6.2。性能指南
通常为波浪,所需的模型性能在校准和验证阶段被认为是可以接受的,如果内波模型输出偏置(a)±10%的意思是观察到的高度,(b)均值±20%的观察期间,和(c)均值±15°的观察方向。考虑设计、评估和战略应用,表6提供了实际的波模型性能准则关心分辨率模型,最小记录(或追算)长度需要定义极端波统计,和RMSE值H米0和平均峰值H米0(3]。
这些波模型性能统计的目的是指导,以及更严格的协议可能需要观察和模拟数据。同样,这些标准可能太严格的模拟区域的所有地区。满足这些标准至少90%的职位/时间组合可能是在大多数情况下不那么严格的和可接受的标准。在波的情况下从多个方向同时存在(例如,膨胀和风力海),意味着波方向必须是没有意义和参考方向波光谱特征的观察和模仿波场。散点图和相关统计数据也有用证明协议测量和建模之间的多向波方向海洋国家。也有用在某些情况下检查方向波传播因为许多第三代光谱波模型往往会低估这个参数(cf。66年,67年])。
有用的情节,帮助评估波模型性能的例子在图所示5显示测量H年代,Tp天鹅,和方向的数据模型(68年从定向浮标踏浪者)和测量值。良好的协议模型和观测。图6(一)显示了一个散点图的测量和建模H年代。这里,统一表示模型的线有点高估了H年代。在图6 (b),峰值超过阈值(锅)分析建模和测量H年代数据显示。这些图都帮助确定测量和模拟波之间的协议或其他数据,并建议使用这些视觉检查在评估预测。
(一)
(b)
的光谱波模型,它也有助于检查之间的频域能量分布差异模型和测量光谱。同样的方法也适用于定向波浪谱,然而,这是不寻常波从多个位置光谱测量模型中的域。
7所示。泥沙模型
准确地模拟沉积物的行为在数值模型中提出的最大挑战之一。泥沙模型的主要目的是再现观测空间和时间的变化观察侵蚀和吸积。这里,指导提供了数值模型的标定砂(沉积物粗砂(如瓦)不能可靠地通过二维造型表示)(平均粒径,D50> 63µm)和粉砂/泥(D50< 63µm)。注意第一次给成功所需的基本数据校准河口的沉积物模型和开架的海洋环境。方法用来测量床载荷,悬移质,和净输沙简要回顾关注潜在的错误和不确定性,必须考虑在模型校准过程69年]。凝聚力的问题相关的校准,noncohesive,然后混合粒径泥沙模型进行了讨论。
从一开始就强调,所有沉积物的主要要求造型准确信息沉积物的物理性质(粒度分布、容重、孔隙度、等等),bedforms(活跃和垂死的),和沉积物的空间分布和厚度。视力也不应该失去的事实虽然沉积物的物理特性可能表示,生物中介和一些粘性泥沙的行为仍然难以parameterise模型(70年),尽管其中的一些问题可以克服使用原位测量(例如,字段槽(71年),这些都是昂贵的部署和在实践中通常不承担。
7.1。数据源
获得合适的数据足够质量的泥沙模型的校准是一个得到广泛认可的挑战[72年]。除了获得沉积物数据直接从原位水和床样品(抓住),一般来说,有两个主要类型的数据校准所需的泥沙模型:(a)测量沉积物运移通量(推移质和悬移质)在时间尺度的潮汐周期和(b)的测量bed-level变化归因于当地水土流失和吸积提供净泥沙信息传输的几周和几个月。仪表用于测量沉积物运输的综合评估是由威廉姆斯(73年]。
安装7.1.1。加载和Bedforms测量床
在河口和浅海陆棚环境中,床上负载是砂沉积物运移的主要模式。沉积物陷阱,经常用来测量床负载在河流、架子已经部署在河口和海洋环境已经成功了(cf。74年])。阿纳姆,Helley-Smith,代尔夫特尼罗河取样器是最常用的设备由于其鲁棒性和易于处理。然而,其准确性取决于样本收集的数量可能会限制分析成本高。
作为替代陷阱,床上负载有时估计使用荧光示踪剂(例如,32])和较少使用磁性示踪剂(例如,75年])。材料的方法包括部署数量在一个已知的位置和后续抽样活动在一个网格的样品位置来确定材料的色散。这两种方法使用的材料相同的动态行为自然沉积物和足够独特的特色,使它很容易被在非常低的浓度(http://www.partrac.com/(2014年8月1日访问))。沉积物跟踪技术值在研究泥沙通量和有效利用研究疏浚和沉积物供应中断影响归因于结构。跟踪技术的全面审查和期权是由黑色et al。76年]。
被动声学技术使用声纳系统记录sediment-generated噪音,胡志明市,在床上负载运输期间产生的粗粒沉积物已使用(例如,77年)但有效,它们需要客观校准可能非常昂贵。然而,改进处理软件和计算能力现在允许自动分析视频图像检测粒子位移在整个视野的次秒级时间分辨率和床上加载图像的视觉分析提供有用的数据。试图量化床负载也利用底部adcp的跟踪特性结合传统的压差采样。在一起,这些工具可用于确定床上负载传输速度和推移质传输速率,分别(例如,78年,79年])。床上装载运输的利率也从床上形成迁移率测量推断使用扶轮声纳设备(例如,80年,81年])。在更大的规模,遥感技术已经应用于链接推移质泥沙运输的大型bedform迁移率(例如,82年])。
7.1.2。衡量悬移质
只有非常细砂、粉砂和泥运输在河口悬架和浅海陆棚环境。在最简单的方法用来量化悬移质,水样收集原位确定悬浮颗粒物的浓度(SPM)和粒度分布在表面或在指定的深度在水柱中使用,例如,水瓶或泵取样触发(cf。83年,84年])。收集的样本可以在离散的时间或在规定时间在潮汐周期。有中度的确定性水平合成SPM数据由于潜在错误的方式收集水样,短时间采样周期,不同数量的有机粒子的存在。托管的部署当前米使沉积物通量,进而可以提供有用的信息在沉积物再悬浮和沉降速度。
浊度米可以提供连续或离散程度的SPM浓度通过检测光的衰减通过仪器的采样体积。他们是最适合淤泥和泥级颗粒的悬浮液。Self-logging浊度米能够准确记录在水体浊度在一个深度长时间(85年]。浊度数据也获得了使用连续油管探针(电导率、温度和深度)配备一个浊度传感器。在河口和货架位置,供通常是通过降低和提高水柱一段时间12.5小时提供信息SSC概要文件在一个潮周期的变化。然而,有潜在的传感器逐渐犯规给了错误的数据,特别是在传感器成为暴露在低水和光学系统由泥沙和/或损害生物膜,导致不切实际的高浊度值。此外,增益设置(灵敏度的仪器)必须正确地调整以适应SPM浓度的范围。例如,浊度测量可能达到仪器如果增益设置的上限太低或者仅仅注册浊度增益设置太高了。这个问题是可以克服使用乐器和对数响应允许测量SPM跨越好几个数量级。尽管克服与饱和度相关的问题和混叠,整个仪器精度降低。
光学浊度仪器校准使用的主要解决方案,比如formazin,和浊度表示formazin浊度单位(工联会)评分或浊度的浊度单位(南大)。时的主要问题这种方法之间的转换是由工联会(或南大)评分和原位水样本差异可能多达±200%86年]。此外,悬架的材料可能是一个复杂的混合的有机和无机粒子进一步增加了复杂性工联会和SSC评分之间的转换。校准因此需要SPM成有意义的浓度单位沉积物造型的目的(例如,mg / l)。这可以通过收集水样在特定时间校准测量或校准的仪器在实验室条件前后一系列浓度的部署。重要的是执行校准/ SPM集中值的适用范围。然而,有其他问题归因于絮凝在测量泥泞的沉积物。在这些情况下,水采样可以摧毁脆弱的结构,温度、盐度的变化可以提高或降低絮凝的潜力。这两个因素会导致错误,因此,这些数据必须谨慎对待的上下文中模型校准(87年]。
后向散射光传感器(突发)测量浊度和悬浮物浓度的检测红外光散射SPM (cf。88年,89年])。观察仪器,最适合淤泥和泥级颗粒的悬浮液。观察传感器,强烈的反应取决于大小、组成、悬浮粒子的形状,这样的校准用于浊度传感器需要获得SPM浓度数据。观察仪器,受到同样的问题与生物淤积和其他光学污染浊度传感器(例如,(90年])。SSC概要文件可以使用垂直阵列获得奥林匹克广播服务公司。例如,进一步的信息是由Kineke和斯特恩伯格91年),Hoitink和霍克斯特拉92年),和老板等。93年]。
空中和卫星遥感图像在某些情况下可以使用显示悬浮沉淀物的平流速率和方向的地表和近地表层水柱。遥感算法已经广泛用于从多光谱传感器数据提取悬浮泥沙浓度的信息(例如,94年,95年])。
对砂级粒子,利用多频声后向散射(ABS)测量悬浮泥沙浓度正变得越来越普遍。反演技术可以应用于直接获得悬浮泥沙浓度(SSC)配置文件(例如,(96年]),和信息的粒度悬架也可以提取(例如,97年])。通常,这些仪器测量SSC每隔1厘米到几米床上方悬浮泥沙的大部分。SSC概要文件也可以来源于ADCP数据,尽管空间分辨率较低,使用类似声波反演技术(例如,98年])。当一个或多个样品所需的校准和测量是空间上的平均,仪器可以长期提供有用的SSC概要信息。
7.1.3。估计净泥沙运输
在许多建模研究,所需的净结果担忧预测沉积物运移时间的天,几周,甚至几个月。有几个有用的数据,可以帮助这一目标的模型校准过程。在频繁的地区(如年度)维护疏浚进行,信息可能是可用来描述频率和卷的沉积物中。这些数据可用于定义床水平变化(例如,吸积和利率周期),并通过比较预测吸积率和利率之间来自疏浚数据,可以校准泥沙模型,尽管有限的精度(例如,99年])。此外,疏浚量数据也可以用来提供一个吸积的年际变化和指导建模过程。然而,由于泥沙流失在疏浚活动和材料的体积密度的不确定性,这些测量结果可能不准确可能需要和应该只被用来提供一个指示沉积物的卷吸积。不可能属性吸积的运输模式,因此,沉积物的公式预测总沉积物运输必须使用。
几声系统已经开发在大规模图像床包括回声测深设备和旁侧扫描和多波束声纳(例如,One hundred.- - - - - -102年])。这些数据可用于确定净泥沙预算和运输途径和辅助模型校准(例如,103年,104年])。重复潮下的水深调查可以提供宝贵的信息bedform流动性的净沉积反应可以确定(例如,105年])。在河口的规模,梅森et al。77年]说明区域和卷吸积和侵蚀泥沙可以估计使用水线方法采用遥感和水动力模型。最近的进步现在激光可以穿透水深度超过10 m提供清晰是不够好,因此允许潮下的调查机会(例如,106年])。监测的大规模形态学变化和/或深度测量法在海岸和河口环境中带来的泥沙动员,运输和吸积现在也可以经常与测量系统,如ARGUS (http://www.planetargus.com/(2014年8月1日)访问)和x波段雷达(http://www.oceanwaves.de/(2014年8月1日访问))(例如,107年])。尽管遥感永远不会被选中来生成一个初级水深数据集,它被用于监控的情况下快速水深变化可能需要(例如,海滩营养后,违反,等等)。水深地形测量数据在间隔不规则的地方。使数据可用在数值模型中,有必要使用一个插值程序转换数据到一个网格均匀间隔的数据点。必须注意选择最合适的插值法作为任何错误将影响计算深度测量法和地形的变化。
激光雷达数据对潮间带地区尤其有用。虽然空间定位是准确的(通常是±5厘米),垂直精度±20厘米。此外,在海滩上积水会导致虚假的数据,可能需要和重要的后处理。虽然激光雷达的使用来确定准确的吸积和侵蚀率是不可取的,它提供了广泛的空间覆盖(快速)可能被证明是有用的在几个应用程序。在某些情况下,评估海滩地形的变化可能是增强通过固定的参考,可识别的结构(例如,码头墙和工程结构)可以用来校准重复调查。
7.2。沉积物运移模型
架子上海洋和河口模型通常提供输出定义预测累积侵蚀/规定的体积密度给累积变化沉积模式期间在床上水平。总输沙通常表示为净值在指定的期间,允许运输向量绘制可能比得上信息直接可以从文学。
广泛的输沙公式可用来预测床负载运输、悬移质运输、和总负载运输noncohesive和凝聚力的沉积物(例如,108年])。都是派生的代表最适合经验数据集派生在实验室或在某些情况下。泥沙校准数据将决定和限制验证模型的准确性是可能的。通常,泥沙模型将使用SSC校准数据,验证利用实测沉降率(例如,109年])。重要的是要记住,沉积物运移模型是由流体动力学建模和床之间的高度非线性关系存在的剪切应力,湍流流动,沉积物动员、交通、吸积。因此,任何限制初始水动力校准可以显著影响泥沙模型。因此,至关重要的获得可能的最佳水动力校准。
造型沉积物运移时,重要的是认识到海底的异质性和同质性的沉积物运移模型。因此,至关重要的粗糙度地图之前尽可能准确地描述是用来描述沉积物的物理性质(颗粒粗糙度)和床的形态(形状阻力)。它应该记住当解释模型输出,因为输沙公式是经验和基于有限的校准数据从实验室和/或现场研究,预测泥沙对水动力迫使充其量不过是有限的精度不超过两倍([110年- - - - - -112年])。
7.2.1。沉积物属性
noncohesive沉积物的物理和动态性质不太复杂,需要设置和校准的信息量输沙模型小于所需的泥浆。没有测量,具体的密度、孔隙度、容重石英砂是假定为2650公斤/米30.45公斤/米3,1460公斤/米3,分别。中值粒径(D50)通常是衡量使用粒度分析的样本或公布的数据(例如,英国地质调查局(http://www.bgs.ac.uk/discoverymetadata/13605549.html))。而砂级沉积物的空间分布和任何存款的深度信息是有用的,它是很少,对泥沙来源的局限性导致歧义。bedforms信息可从上述观测或通过理论方程生成链接bedform维度与沉积物粒度和水动力机制(50]。阈值床剪切应力,泥沙模型中的关键参数定义所需的床上剪应力动员沉积物,通常是使用所选的经验公式计算(例如,50),表示为一个盾牌参数。
粘性泥沙运输模型,以下沉积物数据通常要求:沉积物密度;晶粒尺寸;沉降速度;和阈值床剪切应力侵蚀和沉积。如果这些信息不能从原位测量获得和/或分析样品,怀特豪斯等。113年)提供的一个很好的说明公式推导一些有用的有凝聚力的沉积物的性质。测量的常用做法是“湿”的沉积物密度原位使用密度探测器,然后可以转化为“干”密度(例如,113年])。获得正确的干密度所需的一些模型,建议改变孔隙率,直到湿密度测量的密度是一样的。通常情况下,孔隙度值在0.75和0.98之间应该申请沉积物合并不到1年,然后0.25到0.75的整合更长。
泥的典型沉降速度范围从0.003 m / s, 0.0001 m / s,可以基于粒度计算(如果已知)使用经验公式(cf。113年])。然而,使用这种方法时必须小心谨慎由于絮凝,从而显著增加的大小(因此沉降速度)粒子悬浮。这些也可能包括有机质矩阵,从而影响密度(和可能减少沉降速度)。此外,抽样原位悬浮沉积物经常破坏絮体或显著改变其物理属性。没有简单的解决这个问题,必须清楚地说明和建模假设和局限性。尽管知识矿物学,盐度、湍流动能,水温可以计算潜在的絮状物的大小,这是进一步复杂化时空这些参数的变化。也指出,许多泥模型使用SSC作为参数来定义沉降速度、粒径。
的关键床剪切应力侵蚀,τcrit_E,可以估计使用偿还等。114年]公式占沉积物密度。几种方法来测量τcrit_E存在,包括实验室设备分析,旋转木马样本槽实地部署(71年]。这些可以非常有效,允许调查的τcrit_E给定样本的变化侵蚀收益(通常增加)。如同大多数泥沙动力学,极端应该注意当试图parameterise物理属性和过程使用实证方法。沉积的关键床剪切应力,τcrit_D,经常被用作校准参数。然而,它是高度依赖于当地条件。一般来说,0.1 N / m之间的值2和0.3 N / m2提供有效的校准设置泥模型。重要的是要注意,默认值在某些模型可能不适合做一个案例(例如,在Delft3Dτcrit_D= 1000 N / m2和之前必须改变任何模型运行)。例子来指导粘性泥沙模型的使用和校准提供了范·凯塞尔et al。115年)和Carniello et al。116年]。
7.3。性能指南
7.3.1。Noncohesive和凝聚力沉积物:悬浮沉积物
泥沙模型校准成功可以直观地通过比较测量和评估预测平均浓度在规定的时间内,通常是spring-neap周期。例如时间序列测量水位测量和预测SSC的8天图所示7。在这种情况下,SSC用浊度仪连续测量。第二个例子的模型输出和SSC校准数据如图8。在这种情况下,SSC数据从水中获得样本。两个数字7和8证明SSC的一般模式是相似的模拟和测量数据。对于大多数应用程序,目标应该是实现一个模型校准的±20%的测量平均浓度。SSC的地区时间序列测量可从多个站点,校准的±30%的平均SSC最多的网站将被视为一个很好的水平校准。如果只有离散值的SSC水样(或手持浊度调查),经验表明,只有±40%的校准是实现自离散测量受到高水平的不确定性。
(一)
(b)
7.3.2。Noncohesive和凝聚力沉积物:沉积
提供足够的高质量的数据是可用的,沉积率提供一个最好的验证泥沙模型的长期性能和提供一个集成视图模型的最终结果悬浮沉积物和床上的负载。鉴于泥沙运输的复杂性和与测量相关的错误和实证输沙公式上面提到,它是正常的实践应用比例因子的模拟输沙率。实际上,这是一个全球性的校正因子的输沙率的预测模型,该模型提供了一个有效手段的匹配模型预测的沉降观测。比例因子没有物理意义,仅仅代表了许多复杂的物理过程模型中不存在包括,例如,生物和沉积物固结因素可以显著改变沉积物的物理性质对动员和运输。
作为一般规则,比例因子应小于5。值越大表示模型的准确性的一个更重要的问题,或与特定场地的复杂性,可能需要一个非标准的方法。在这种情况下,不能依赖模型近似描述沉积/吸积和现场监测建议补充模型缺陷。
疏浚数据经常被用作衡量长期沉积,通常表示为沉积物的体积每年从一个区域。尽管这些数据是有用的,他们经常由定义糟糕的复杂关系挖掘体积和容积密度值提供的很少这可能导致重大错误。追索权必须估计体积密度值,应该使用和敏感性分析来量化沉降值的合理范围。使用疏浚数据验证模型时,沉积物的体积累积预测的模型(通常在15天spring-neap周期)通常会被缩放匹配尽可能测量。许多错误的来源和识别的不确定性,模型预测疏浚量在50%的利率通常被认为是衡量满意的对于大多数实际应用。例如,在亨伯河的研究,模拟沉降体积是2180000米3/年,而沉积物的平均体积疏浚是1830000米3/年,值从790000米33915000 /年3/五年内的年(莫特麦克唐纳,每。com。)。
8。形态模型
形态造型在河口和沿海环境挑战,和有用的描述方法使用的范围是由Roelvink [117年]。形态模型的准确性的主要限制问题的时间长度的模型来看,与长跑的结果(例如,monthly-decadal)可能大幅偏离从现实118年,119年]。
从一开始,它是非常重要的建立一个概念性的了解沉积物运移和历史形态的变化每个研究领域之前形态模型。这必须聚集现有证据,并提供一个定性的描述过程控制和系统的形态如何回应这些驱动程序。长期的评估形态,这也需要考虑气候变化的因素。概念的理解可以提供假设(例如,源和汇)来测试模型的性能,并提供一些指导预期大小的泥沙和方向和相关的形态学变化。
校准形态的最大约束模型的可用性是高质量的数据集,充分描述了模型参数在一个足够的时间长度。在评估数据需求的分裂等。120年),得出的结论是,(a)校准的季节性主导网站需要更长时间的数据集,但不敏感的采样间隔和(b)校准storm-dominated网站需要更短和更频繁的采样数据集。大多数研究表明,形态校准基于短(即观测记录。,<一年)并不强劲。确定初始校准系数的估计和追算短期(1 - 5年)海岸线可变性,分裂等。120年)推荐至少两年月度监控方案。长期预测的形态、时间数据集需要提高模型的性能。
形态动力学模型的架子上海洋和河口环境通常包括一个控制计划,按顺序调用子程序预测流体动力学(例如,68年,121年,122年)、输沙(例如,123年]),和床水平(通过泥沙连续性方程)。这些都是然后通过完善有关形态动力学反馈回路(例如,124年,125年])。形态模型的例子包括(a)确定的基于流程模型Delft3d-MOR(例如,126年),适合短期形态预测,(b) ASMITA(例如,127年]),使用大型半经验的模型基于流程的单位,可以重复对一个平衡条件和预测大规模改变沉积物平衡预算(沉积物)中长期时期,和(c) XBeach确定性基于流程的模型适用于预测风暴产生的形态变化的影响(例如,128年,129年])。从一个XBeach模型的一个示例输出设置预测的影响shore-normal防波堤图所示9。
然而,bed-level改变发生在长时间尺度与水动力迫使相比,因此直到最近,由于计算的局限性,陆架海形态动力学模型无法预测未来很远使用传统形态动力学升级技术,如“连续性调整”方法。为了克服这个限制,较小的et al。122年]和Roelvink [130年)已经开发出形态加速因子(MORFAC)概念使形态预测扩展到十的(例如,[131年])和纪念132年时间尺度。
而确定性预测形态不能被证明,也可能绑定使用敏感性分析的不确定性对司机和确定关键过程的一系列可能的结果。在可能的情况下,一系列不同的形态建模方法应该被应用,和哪里有通用协议的方法,那么它可能会把额外的信心从使用的整体模型输出的结果。
定义是什么,什么不是一个好的形态模型性能依赖于空间和时间尺度上考虑。至少:(a)观察/测量sedimentation-erosion模式必须广泛协议与模型输出;等高线图(b)的测量和计算沉积和侵蚀需要同意密切是可行的;(c)预测体积变化控制领域必须同意密切与可行的调查或疏浚数据;迁移,(d)的形状和面积的变化测量并计算横截面必须同意。
支撑形态的完整描述物理过程和一个不完美的初始条件和参数的知识总是会导致增加错误模型预测和限制的架子上海洋和河口形态动力学模型来准确预测未来环境的真实状态。
9。提高预测和减少不确定性
另一种新兴的方法来解决这一问题的模型预测的不确定性包括数据同化技术的应用。这些技术使模型参数固定和产生更新模型状态匹配尽可能真实的状态通过结合观测数据与模型预测。这个更新的模型状态用于启动下一个模型预测。然而,即使最初的系统状态可以完美地描述,模型参数简化物理过程,通过这样做,将导致增长的预测错误。目前,同化方法被开发来提高形态预测可靠性产生令人鼓舞的结果(例如,133年- - - - - -137年])。例如,临时数据同化方案和技术使用更精致的启发式优化的模型状态变量被用来提高悬浮沉积物运移模型的性能(例如,138年,139年])。
两种主要类型的不确定性弥漫形态模型:(a)场景的不确定性源于自然的不确定性未来天气和气候事件(大小和频率)负责驾驶形态变化和(b)响应的不确定性与不确定性预测形态系统将如何应对迫使条件。减少形态模型预测的不确定性,合奏方法广泛采用(例如,[气候变化科学家140年)可能是有帮助的。整体造型方法旨在解决不确定性引起的两个主要来源:(a)的完整描述物理过程带来形态变化和(b)有限的计算能力约束如何parameterised准确的流程模型。例如,在河口或架子上海洋系统的模型,次网格尺度湍流过程,如只能用一个简单的方法。有两种可能的途径的整体造型:(a)perturbed-physics研究调查如何影响模型预测输入参数的选择通过运行系统的单个模型与不同的参数值和(b)multimodel研究研究预测不同模型之间的不同。模型的初始条件的影响也可以使用这两种方法进行了测试。
10。摘要和结论
造型指导给出了发布指导方针和作者的丰富的实践经验和他们的同事使用一系列的模型类型建模项目的关注,例如,调整管理,环境影响评估海上风力发电场,潮汐能,沿海防御,疏浚/处置场所,海滩和河口形态动力学,海法,冷却水排放。统计准则建立校准标准最低水平的海岸和河口水动力和泥沙模型的性能列于表7,部分基于建议从埃文斯1]和Bartlett [2]。
而自然地这些指导方针保持开放的挑战从模型建模要求更严格的性能,他们发现了交付模型具有良好的预测性能在很大范围内的指标和识别校准过程的实际限制模型的准确性和可用的校准数据的时间和空间分辨率。他们使用在沿海和河口建模研究因此建议。
命名法
| ADCP: | 声学多普勒流分析器 |
| 阿德: | 声学多普勒测速计 |
| AWAC: | 声波和洋流 |
| BST: | 英国夏令时间 |
| CD: | 海图深度基准面 |
| 仪: | 电导率、温度和深度 |
| 济: | 丹麦水力学研究所 |
| DGPS: | 差分全球定位系统 |
| 民主党: | 数字高程模型 |
| D50: | 中值粒径 |
| D90年: | 更好的90% |
| 工联会:评分 | Formazin浊度单位 |
| 格林尼治时间: | 格林威治标准时间 |
| 帽子: | 最高的天文潮 |
| 心力衰竭: | 高频率 |
| h马克斯: | 最大的波高 |
| H米0: | H年代计算使用光谱分析 |
| H年代: | 有效波高 |
| JONSWAP: | 北海波联合项目 |
| 政治: | 最大的天文范围 |
| 纬度: | 最低天文潮 |
| 激光雷达: | 光探测和测距 |
| MHWN: | 意味着高水的小潮 |
| MHWS: | 意味着高水的大潮 |
| MLWS: | 意味着低水的大潮 |
| MLWN: | 意味着低水的小潮 |
| 实验室: | 平均海平面 |
| 护士: | 牛顿 |
| N我: | 总数量的数据 |
| 南大: | 浊度的浊度单位 |
| 奥林匹克广播服务公司: | 后向散射光传感器 |
| ODN: | 军械基准面Newlyn |
| OSGB: | 陆地测量部英国 |
| O我: | 观察到的波数据 |
| 锅: | 峰值超过阈值 |
| PT: | 压力传感器 |
| 问: | 沉积物运移 |
| 质量保证: | 质量保证 |
| 质量管理体系: | 质量管理体系 |
| R: | 皮尔逊积差相关系数 |
| RMS: | 均方根 |
| 设置: | 沉降侵蚀表 |
| 如果: | 分散指数 |
| 年代我: | 模拟和模型数据 |
| SSC: | 悬浮泥沙浓度 |
| T米: | 的意思是波的周期 |
| Tp: | 谱峰波的周期 |
| Tz: | 的意思是波的周期 |
| WGS84: | 新的世界大地系统 |
| WW3: | WaveWatch 3 |
| 旅客: | 克 |
| 公斤: | 公斤 |
| k年代: | 等效砂粗糙度 |
| 李: | 升 |
| mg: | 毫克 |
| 史: | 第二个 |
| ε: | 湍流能量耗散率 |
| κ: | 湍流动能的速度生产 |
| μ: | 微米(10−6米) |
| θ: | 波方向(度) |
| θ米: | 的意思是波方向(度) |
| τ: | 床上的剪切应力(N / m2)。 |
的利益冲突
作者宣称没有利益冲突有关的出版。