Hiệu chuẩn và Độ bất định của Mô hình

Hiệu chuẩn điều chỉnh các tham số của mô hình để phù hợp với các quan sát, và phân tích độ bất định định lượng mức độ tin cậy của chúng ta vào các dự đoán thủy văn thu được.

Definition

Hiệu chuẩn là quá trình điều chỉnh các tham số của mô hình sao cho các đầu ra mô phỏng phù hợp với dữ liệu quan sát theo một hàm mục tiêu đã chọn; phân tích độ bất định là việc định lượng độ bất định trong các tham số, cấu trúc, đầu vào và dự đoán của mô hình.

Scope

Chủ đề này bao gồm các hàm mục tiêu và các thước đo hiệu suất, các phương pháp hiệu chuẩn và ước tính tham số, vấn đề đồng khả năng (equifinality), và các khuôn khổ để ước tính độ bất định dự đoán trong các mô hình thủy văn. Nó đề cập đến cách các mô hình được điều chỉnh để sử dụng và cách độ tin cậy của chúng được đánh giá, trên cả mô hình khái niệm và mô hình phân tán.

Core questions

• Hiệu suất mô hình được đo lường và tối ưu hóa như thế nào?
• Các tham số mô hình được hiệu chuẩn dựa trên các quan sát như thế nào?
• Đồng khả năng (equifinality) là gì, và tại sao nó làm phức tạp quá trình hiệu chuẩn?
• Độ bất định dự đoán có thể được ước tính và truyền đạt như thế nào?

Key concepts

• Hàm mục tiêu
• Hiệu suất Nash-Sutcliffe và Kling-Gupta
• Tối ưu hóa tham số
• Đồng khả năng (Equifinality)
• Phương pháp GLUE và tập hợp (ensemble methods)
• Giới hạn độ bất định dự đoán

Key theories

Hàm mục tiêu và các thước đo hiệu suất

Hiệu suất được định lượng bằng các hàm mục tiêu như hiệu suất Nash-Sutcliffe và các phân tách của nó (ví dụ: hiệu suất Kling-Gupta), hướng dẫn hiệu chuẩn và cho phép so sánh mô hình.

Đồng khả năng (Equifinality) và GLUE

Nhận thấy rằng nhiều bộ tham số phù hợp với các quan sát gần như tương đương, khuôn khổ GLUE từ chối việc tìm kiếm một tối ưu duy nhất và thay vào đó lấy mẫu các mô hình hành vi để tạo ra các giới hạn độ bất định cho các dự đoán.

Clinical relevance

Việc hiệu chuẩn và ước tính độ bất định chính xác quyết định mức độ tin cậy vào các dự báo lũ lụt và nguồn cung cấp nước, cung cấp thông tin cho các quyết định dựa trên rủi ro và thiết kế cơ sở hạ tầng, đồng thời ngăn chặn sự tự tin thái quá vào các dự đoán của một mô hình duy nhất có thể dẫn đến những sai sót tốn kém.

History

Các thước đo mức độ phù hợp như hiệu suất Nash-Sutcliffe đã chính thức hóa việc đánh giá mô hình vào năm 1970; việc công nhận đồng khả năng (equifinality) và phương pháp GLUE vào năm 1992 đã chuyển mô hình thủy văn sang ước tính độ bất định rõ ràng, và các công trình sau này đã tinh chỉnh các chỉ số hiệu suất và khuôn khổ độ bất định.

Debates

Ước tính độ bất định chính thức so với không chính thức

Các nhà thủy văn học tranh luận liệu độ bất định dự đoán nên được ước tính bằng các khả năng Bayes chính thức, đòi hỏi những giả định mạnh mẽ về sai số, hay bằng các phương pháp không chính thức như GLUE, linh hoạt hơn nhưng bị chỉ trích là không nhất quán về mặt thống kê.

Key figures

• Keith J. Beven
• Hoshin V. Gupta
• James E. Nash

Seminal works

• nash1970
• beven1992
• gupta2009

Frequently asked questions

Hiệu suất Nash-Sutcliffe là gì?

Đây là một thước đo được sử dụng rộng rãi về mức độ phù hợp của biểu đồ thủy văn mô phỏng của mô hình với các quan sát, so sánh sai số của mô hình với phương sai của các quan sát; giá trị bằng một là sự phù hợp hoàn hảo, trong khi bằng không có nghĩa là mô hình không tốt hơn việc sử dụng dòng chảy quan sát trung bình.

Tại sao một mô hình không thể chỉ được hiệu chuẩn theo một bộ tham số tốt nhất?

Vì đồng khả năng (equifinality), nhiều bộ tham số khác nhau tái tạo các quan sát gần như tương đương, vì vậy không có bộ nào rõ ràng là tốt nhất; đây là lý do tại sao thực hành hiện đại ước tính độ bất định trên nhiều mô hình chấp nhận được thay vì dựa vào một tối ưu duy nhất.