模型建立
·[527]|1000天行动计划
读书笔记/热点追踪/论文研读/教程手册
上节从现实世界出发，介绍了我们的模型模拟的量，同时结合前面章节的数据需求，说明了那些数据具体所起到的作用，本节则具体的开始介绍模型的具体建模步骤。
不同的模型建模过程细节会有所不同，但是其的基本步骤是基本一致的，那么就从相对通用一些的角度来阐述下模型具体的建模过程。
先简单进行回顾，到这节，我们可以认为经过需求对接，清楚了的模型要实现的目的，进行了调研，获取的模拟对象的基本信息情况，同时数据也收集的差不多了，也进行相应的补充监测，未来能够获得相应的数据，按照需求选择或开发好了相应的模型，开始要搭建模型了。
想做什么？能做什么？
想做和能做之间是有距离的，之前在模型的选择时，讨论了需求和现实之间的平衡，这里再次拿出这个问题来就是说，因为那个时候往往是初选，大概明白什么模型完全不能用，这个时候的第二次选择，就是落地到具体的对象上了。我从两个角度来进行分析：
空间角度
空间角度也就是选定模拟的对象，注意这个对象可以称为控制体，之前水力学中也都经常提这个内容，就是选定一个区域的水体作为研究对象，这个对象与周边隔离开来，单独对其进行分析。而此时有点类似，要选定我们将要模拟的对象，具体到湖泊而言，除非特殊需求下，湖泊是被隔离的，隔离部分具有相对独立的特征，否则一般是模拟整个湖泊的。
但是对于河流而言，就未必了，河流的特点是空间跨度可以非常大，有些河流候非常长的，有时候我们并不是关注河流的全部，而可能就是局部的区段。那这个时候就需要选择对于的模拟范围，将其隔离出来，需要注意的是隔离需要考虑几方面，这几方面取并集，也就是最大的范围：
- 需求段。业主关心的问题出发，其关注的区段肯定是我们需要模拟的，这个没有什么特别需要说的。
- 校准数据范围。由于我们的模型需要校准，所以如果选择的区域最好覆盖所有观测数据，因为数据本来就少，能够多用上尽量用上，当然，不是说有这个数据就必须用，而是说在大的数据集上进行分析验证会使得模型更加可靠。
- 边界条件范围。这个更为关键，也经常被忽略，这种隔离体最需要的就是隔离的部分与外部的交界处的信息，是建模的基础，如果没有边界条件驱动，模型就无法运行，所以边界条件十分重要，哪里有边界条件基本就需要其作为区域范围的边界。
- 研究对象受到的影响，这点实际是第3点的补充，但是要单独强调下，对于研究对象受到外部条件的影响，则其需要将外部影响考虑进来，典型的如入海口，由于海洋的潮汐，其常常可能有周期回流，那么这个回流就对研究对象有影响，所以其的范围就要伸入海洋之中。
需要说明校准数据和边界条件都是实际监测的数据，只是根据其用途不同将其重新按照模型的术语划分的，如同手机之前也可以看电影叫电影播放器，可以听歌就说是MP3，能通信就说是电话，当然还有时候被叫做锤子，因为可以砸核桃；边界条件和校准数据的关系，在湖体中两者一般是界限较为清晰，对于湖体中监测的就是用于校准数据，而入湖河流这些就是边界条件。但是在河流中，这两者并不是那么清晰，比如某断面，如果其有流量和水质数据，隔离体的范围设置在这个地方，那么其就是作为边界条件，但是如果某些原因，范围扩大到断面的上游了，这个时候该断面的数据就作为校准数据用了。
边界条件和校准数据的区别前者是输入数据的一部分，用来驱动模型的；而后者则是用来作为模型结果的匹配目标，即所有输入完成后，模型运行之后的模拟结果与校准数据进行比较分析，调整参数使得模拟结果与校准数据匹配。
在弄清楚这个关系之后，边界条件和校准数据怎么用就随你了。
时间角度
一般我们使用的都是动态模型，也就是需要模拟出变量（水质指标）随时间变化的结果。那么，其就需要考虑时间因素，就是所谓的模拟的时段范围。由于是动态特点，所以输入的数据应该是时间序列数据，从数据出发选择数据质量较好的时间范围进行模拟分析。
所谓的数据质量较好，就是指一段时间内的较多的有效数据，如错误较少，异常值较少。对于模型角度来说，还有一个较为重要的就是频次。目前监测数据来源两种形式，一种是人工巡测的数据，另外一种则是自动站的数据。前者，频率较低，每月能有一次就已经非常好了，但其数据可靠性强。后者，频率高，高频能够到达数小时，甚至分钟级别，但是其由于通过传感器测量，目前水温、溶解氧还算可靠，其他的水质数据可靠性不强。
那么究竟要什么频率呢？答案当然是越高越好。但是理想丰满，现实骨感，实际项目中的数据都是用珍宝，非常稀有，那是不是说我们的项目就没法做了呢？像月尺度的水质数据究竟能不能用呢？怎么用？
这里需要说明存在时间尺度的问题，如果有月尺度的数据，那么可以认为模型在季节尺度上可以应用，月尺度也可以勉强使用，此时虽然模型的结果可以输出日尺度的数据，但是不具有太大的意义。同样，如果有小时尺度的数据，可以在日尺度上有较强可信度。当然，需要特别说明的是，这只是一般的入流边界条件的情况，具体情况还要具体分析，比如对于气象而言，其由于日尺度上存在显著变化变化，若模拟藻类的变化，其需要小时尺度的数据，来模拟昼夜交替的光合作用，这部分会对藻类有非常大的影响，如果不输入小时的变化，那么从误差角度日积月累误差会非常的大。
另外，如果对于实在缺乏的数据，则可在理解模型的基础上，对数据还可以进行人为的处理，注意这不是造数据，而是合理的概化，所以务必谨慎又谨慎，记清楚前提假设。
一类为插值、统计推导等。如对数据进行线性插值形成连续的时间序列，或者回归分析，其他统计方法来进行推求，记得当时学习水文课程时，课本就有提到对于缺乏数据的地区，可用同区域、特征相同的的数据替代，这个对于水文数据可以近似这样处理。对于日尺度的降雨数据进行小时的平均分配等等。总之，推导的数据并没有引入信息，降低信息熵，反而可能会引入非常多的不确定性，所以要你明白你在干啥。
第二类为物理规律计算。通过物理规律进行一些数据的推求。如太阳辐射数据相对缺乏，如果有日照数据，那么结合太阳的周期运动，依据不同纬度是的理论值计算，那么我们可以计算出太阳辐射的周期变化数据，当然这个理论计算的是到达地球表面的，其没有考虑云量等遮挡，但是比起没有还是要好很。云量数据呢就是通过当地的历史观测数据，推断出雨季和非雨季，雨季云量多点，非雨季云量少点；对于蒸发，也可以根据相对湿度，气温等利用经验公式进行计算。这些方法都是没有办法的办法，都需要经过敏感性测试才能使用。
无论如何数据怎么都不嫌多，很多不相关的数据如果有就可以先收集到，这样后面可能有用。
小结
本节从空间和时间的尺度简单介绍了研究的范围和时间周期的选择，从想做什么落地到能做什么了，清楚了我们实际要做模型的的“域”，后面就开始具体建模了。
由于教程系列文章需要花费很多时间，难免出错，而这里不能进行后续完善，所以推荐大家关注我的博客，获取最新的修正和补充。 公众号的社群同步开启，感兴趣可在公众号对话框回复“社群”，获取群号和加入方式。
微信公众号 | 水环境编Cheng长 网 站 | comieswater.com
2019-11-22
folder=/微信公众号/水环境编Cheng长/
参考文献： 1 李博，水质模型入门基础课.环in学院.
