Navigation:  模型敏感性分析 > 32. 敏感性指标

 

敏感性的归一化

在比较不同参数敏感性前，必须将其衡量标准归一化，否则无法进行有意义的比较。常用的归一化敏感性指标有：

●        DSS（Dimensionless Scaled Sensitivity）：用来比较不同的观测值对于某参数的重要性。在下图中，根据对K4参数进行的DSS分析发        现，在所有517个观测值中，只有三个水头观测值和一个流量观测值对于此参数有决定性影响。这是不期望发生的情形，因为如果        某个参数过于严重地依赖极少数观测值，如果这些观测值中包含误差，就会严重影响参数估计效果。

●        CSS（Composite Scaled Sensitivity）：某一个参数所有DSS值的平均值，表示所有观测值对此参数的综合重要性。如果此值比最大的        CSS小两个数量级以上，就很难使用自动调参的手段来估计这个参数。下图是一个典型的CSS比较图，观测值整体上为估计垂向补        给（RCH）和K2、K3、K4等参数提供了大量信息，而对其它参数的估计提供了少量信息。反过来说，RCH、K2、K3、K4这几个参数        更适合使用自动调参工具来进行校准。

●        PCC（Parameter Correlation Coefficients）：两个参数的相关性。如果PCC的绝对值大于0.95，说明两个参数高度相关，此时不能期望使        用调参的办法来对两个参数分别进行准确的估算，因为成比例地改变这两个参数的值可能产生非常相似的结果。

综合使用上述指标，可以建立对观测值和参数重要性和敏感度的系统认识，据此选择出对模型最为敏感的参数进行敏感性分析。