[发明专利]一套数值模型参数不确定性分析方法

权利要求书

1.一套数值模型参数不确定性分析方法，其特征在于：包括以下步骤：

S1：挑选可调参数：挑出所使用模型对关注变量需要调整的参数，并根据参数物理意义确定参数的参数名称、取值范围和参数分布信息，为后面的调整参数部分做好准备工作；

S2：参数敏感性分析：采取莫里斯一次变一个参数敏感性分析方法对模型的参数进行敏感性分析；

S3：多目标参数敏感性分析：对每一个模式输出变量分别进行莫里斯一次变一个参数敏感性分析后，通过使用基于帕里托理论的多目标参数敏感性分析方法对模型的所有变量得出一套最优的参数敏感性结果；

S4：建立统计替代模型：建立原始复杂数值模型的一个统计替代模型，在统计替代模型上运行参数全局优化算法；

S5：参数全局优化：将高敏感性的参数当作自变量，模拟结果当作因变量，通过一个全局优化过程使得模型模拟值和观测值的差异最小，从而得出最优的参数值；

S6：多目标参数全局优化：使用基于替代模型的多目标全局参数优化算法对敏感参数进行多目标全局优化。

2.根据权利要求1所述的一套数值模型参数不确定性分析方法，其特征在于：所述莫里斯一次变一个是一种基于梯度的全局敏感性分析方法，具体步骤为：

S2.1：假设一个模型有K个相互独立的参数X_i(i＝1，…，k)；

S2.2：首先将参数标准化到[0，1]之间，然后将K维参数空间的每一维划分为p个网络水平，其中p为一个大于1的正整数；

S2.3：从一个随机点开始生成一条轨迹，这条轨迹是通过对某一维度的参数随机扰动+Δ或者-Δ获得的，其中，Δ是1/p-1，…，p-2/p-1这些范围中的一个取值；

S2.4：对于K维参数空间来说，每个轨迹拥有K+1个点，这条轨迹可以通过EE值来进行评价，参数的EE值定义为：

S2.5：重复上述过程r次可以在参数空间中构造出r条拥有K+1个点的轨迹，此时需要的模型试验次数为r×(k+1)。定义|EE_j|为修正后的EE_j值，其均值定义为μ_j，它的标准差定义为σ_j以参数X_j为例，定义如下：

其中，μ_j代表参数X_j对目标变量的主效应，σ_j表示参数X_j对目标变量的交互效应，μ_j和σ_j的值越大表示对特定的输出变量越敏感，反之则说明不敏感。

3.根据权利要求1所述的一套数值模型参数不确定性分析方法，其特征在于：所述基于帕里托理论的多目标参数敏感性分析方法包括以下步骤：

S3.1：为每一个参数设定一个帕里托分组值：

如果没有任何一个参数在所有目标中的敏感性指数比这个参数的都大，那么这个参数归为第一组，选出第一组参数后，将组内的参数全部去除，按照同样的标准选择，定义为第二组，以此类推，直到全部参数都有一个属于自己的分组，假设共有r个分组；

S3.2：对不同的参数分组进行抽样：

采用拉丁超立方抽样分别对第一个分组，前两个分组，以此类推，直到前r个分组内的参数在参数空间内抽样，抽样数目相同，抽样数目为N，将上述参数抽样结果放到模型里运行，得出r×N个目标函数值；

S3.3：对r组目标函数值分别计算相关系数：

对r组N个目标函数值分别和包含全部参数的N个目标函数值进行皮尔森相关系数分析，共得到r个相关系数值，包含的参数越多，相关系数值越大，第r个相关系数值为1；

S3.4：设定阈值，确定多目标敏感参数：

对相关系数值设定一个阈值，大于此阈值的最小的相关系数所对应的前n个分组内的参数为对多个目标均敏感的敏感参数，其余参数为非敏感参数。

4.根据权利要求1所述的一套数值模型参数不确定性分析方法，其特征在于：所述统计替代模型是高斯过程回归方法构建数值模式的统计替代模型。

5.根据权利要求1所述的一套数值模型参数不确定性分析方法，其特征在于：所述一个全局优化过程是通过所述统计替代模型上完成的。