کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6962518 | 1452270 | 2016 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Modeling metal-sediment interaction processes: Parameter sensitivity assessment and uncertainty analysis
ترجمه فارسی عنوان
مدلسازی فرآیند متقابل رسوبات فلزی: ارزیابی حساسیت پارامترها و تحلیل عدم قطعیت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
تجزیه و تحلیل حساسیت و عدم قطعیت مدل سازی سرنوشت آلاینده و حمل و نقل در ادبیات مورد توجه قرار گرفته است. در این مطالعه، هدف ما این است که عدم اطمینان مربوط به مدل سازی میکرو پلاتنت در رابط ستون آب رسوب را توضیح دهیم. تجزیه و تحلیل حساسیت ما نشان می دهد که نه تنها ضریب پارتیشن بندی فلزات، بلکه همچنین مقادیر استرس بحرانی برای رسوب سفتی، پیش بینی های رسوب رسوب و غلظت فلزات را به شدت تحت تأثیر قرار می دهد. بیزی مونت کارلو برای اندازه گیری عدم قطعیت پارامتر از طریق مدل استفاده می شود و احتمال احتمال پارامتر را بدست می آورد. تعریف دوره های مربوط به رژیم های مختلف جریان رودخانه به منظور بهینه سازی ویژگی های رسوبات سازنده ی مخزن و به طور موثر کاهش عدم اطمینان مدل کلی. ما با ارائه دستورالعمل های اجباری در مورد اینکه چگونه تکنیک های استنتاج بیزی می توان با مدل سازی آلاینده ها یکپارچه شده و روش تحلیلی را برای تجزیه و تحلیل عدم قطعیت بهبود بخشیم، نتیجه گیری می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزار
چکیده انگلیسی
Sensitivity and uncertainty analysis of contaminant fate and transport modeling have received considerable attention in the literature. In this study, our objective is to elucidate the uncertainty pertaining to micropollutant modeling in the sediment-water column interface. Our sensitivity analysis suggests that not only partitioning coefficients of metals but also critical stress values for cohesive sediment affect greatly the predictions of suspended sediment and metal concentrations. Bayesian Monte Carlo is used to quantify the propagation of parameter uncertainty through the model and obtain the posterior parameter probabilities. The delineation of periods related to different river flow regimes allowed optimizing the characterization of cohesive sediment parameters and effectively reducing the overall model uncertainty. We conclude by offering prescriptive guidelines about how Bayesian inference techniques can be integrated with contaminant modeling and improve the methodological foundation of uncertainty analysis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 80, June 2016, Pages 159-174
Journal: Environmental Modelling & Software - Volume 80, June 2016, Pages 159-174
نویسندگان
Eunju Cho, George B. Arhonditsis, Jeehyeong Khim, Sewoong Chung, Tae-Young Heo,