生态数据分析与建模的验证与规划

2023-11-17 理论教育版权反馈

【摘要】：在完成建模过程之后，就是验证。对于验证可定义如下：如果模型运行符合建模者的要求，就可称模型已被验证。建模者必须多次重复该过程，直至验证和校准阶段的模型输出能使建模者满意。验证的这一部分在很大程度上是以主观标准为依据的。在验证阶段还应检查模型的长期稳定性。遗憾的是，由于缺乏时间，许多模型还没有经历适当的验证。因此，强烈建议在建模过程中的这一重要阶段，应花费足够的时间去验证并规划必要的资源分配。

在完成建模过程之后，就是验证。对于验证可定义如下：如果模型运行符合建模者的要求，就可称模型已被验证。这个定义是指：要验证一个模型，就意味着不仅已建立了模型的方程，而且也给出了参数的合理的实际值。因而，验证、灵敏度分析和校准这一顺序不一定是刻板的逐步过程，而是作为多次重复的运算过程。模型最初的实际参数值来自文献，然后需要对它们做粗略的校准，并验证模型，继而作灵敏度分析和更精细的校准。建模者必须多次重复该过程，直至验证和校准阶段的模型输出能使建模者满意。

在上述操作过程中的某些阶段，几乎不可避免地要对模型中理想化噪声序列的统计性质作出假设。为了符合白噪声性质（对于一个纯随机过程来说，若其期望为0，方差为常数，则称之为白噪声过程），任何误差序列应该大致地满足这些约束：它的平均值为零；它不与其他任何误差序列相关；它也不与测出的输入强制函数的序列相关。因此，这种方式的误差序列的评价在实质上提供了一种核对，即最后的模型是否使模型固有的某些假设无效。如果误差序列与它们的期望性质不相符，那就表示模型并没有充分地刻画出所观察到的动态行为所有更加确定的特征。因此，应该修改模型结构，以适应另外的关系。

验证部分可概括为：误差（模型输出值与观察值的比较）必须具有近似于零的均值；误差不是交互相关的；误差与测量的输入强制函数不相关。

验证的这一部分在很大程度上是以主观标准为依据的。通常，建模者将模型的反应简述为几个问题。他使强制函数或初始条件产生变化，并且利用模型模拟对这些变化的响应。如果响应不是所期望的，那么，只要参数空间许可他必须改变模型结构或方程。

一些典型问题的例子可说明这一操作：(www.chuimin.cn)

在河流模型中，BOD5负荷的增加是否意味着氧浓度的降低？在上述河流模型中，温度的增加是否意味着氧浓度的降低？当模型包括光合作用时，氧浓度是否在太阳升起时最小？在一个被捕食者-捕食者模型中，捕食者密度的减少最初是否意味着被捕食者密度的增加？在一个富营养化模型中，营养物负荷的增加是否使浮游植物的浓度增加？等等。还能举出许多其他的例子。

在验证阶段还应检查模型的长期稳定性。在强制函数的某种波动格局下长期运行模型，预计状态变量也应该呈现出波动的某种格局。当然，应该说够长的模拟时期，允许模型显示出任何可能的不稳定性。

验证虽然麻烦，但是对建模者来说是非常必要的执行步骤，通过验证可以由模型的反应来了解自己的模型，另外，验证是在建立切实可行模型中的一个重要的检验点。这也强调了良好的生态学知识对生态系统建模的重要性，没有这一点，就不可能提出关于模型内部逻辑的正确问题。

遗憾的是，由于缺乏时间，许多模型还没有经历适当的验证。但经验表明，起初似乎可能的捷径会导致不可靠的模型，这种模型在后面的阶段中可能需要花更多的时间去补偿所缺少的验证。因此，强烈建议在建模过程中的这一重要阶段，应花费足够的时间去验证并规划必要的资源分配。

生态数据分析与建模的验证与规划

相关推荐