木瓜炖奶的做法步骤,木瓜炖奶的家常做法
2024-08-02
与物理参数相关的不确定性是数值建模中的主要挑战。然而,由于数值模型中此类参数数量众多,降低所有这些参数的不确定性在人力和资源方面将是极其昂贵的。
因此,能够识别和研究数值模型中最重要和最敏感的物理参数和参数组合是至关重要的。
针对这一问题,复旦大学和中国科学院大气物理研究所的中科院院士沐沐及其团队提出了一种新方法——“条件非线性最优扰动灵敏度分析(CNOPSA)”——以减少数值模型中的不确定性.
他们的发现发表在《大气科学进展》上。
他们首先分析了传统(基于方差的)参数敏感性分析方法的局限性,即由于离散参数样本的统计影响而似乎无法考虑极端事件,然后从确定性的角度提出了新方法。
他们发现CNOPSA方法能够充分考虑参数的非线性协同效应,能够确定性地估计由于物理参数的不确定性对模型输出的最大影响。因此,由于参数不确定性对模型输出的最大影响越大,该参数就越重要和敏感。
研究人员将CNOPSA应用于草地生态系统模型以测试其可行性。数值结果表明,该方法可有效识别被测草地生态系统模型中物理参数的敏感性。这些参数改变了模拟的枯萎生物量,从而影响了生态系统中草地状态的转变。
相比之下,基于方差的方法低估了参数敏感性,因为它没有考虑参数空间中所有参数的影响。
“在未来的工作中,我们打算采用更复杂的陆面过程模型来验证CNOPSA方法的实用性和有效性,”穆教授说。
版权声明:本站所有作品图文均由用户自行上传分享,仅供网友学习交流。若您的权利被侵害,请联系我们
推荐阅读
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
2024-08-02
栏目热点
受膳食补充剂诱惑营养学家解释其风险益处和天然替代品
注意力和跑步独立地影响单个脑细胞
家用无线设备跟踪帕金森病患者的疾病进展
不信任人类同胞的人对人工智能表现出更大的信任
用于ALS遗传形式的研究药物可改善疾病的分子体征
新的成像技术可以加速眼病治疗的发展
肠道微生物组帮助不同饮食的熊达到相同的体型
科学家相信进化可以拯救珊瑚礁如果我们让它
研究人员创造合成岩石以更好地了解越来越受欢迎的稀土元素是如何形成的
婴儿在子宫内对味觉和嗅觉有反应