环境模拟：一个不确定的未来

序
译者的话
原著前言
第1章 如何进行预报
1．1 本书的目的
1．2 环境模拟的目的
1．3 不使用不确定性分析的7个原因
1．4 模型过程的本质
1．4．1 从概念模型到过程模型
1．4．2 参数、变量与边界条件
1．5 尺度问题与不可公度的概念
1．6 模拟空间
1．7 模型集成
1．8 为了机理理解而模拟
1．9 模拟的具体应用
1．9．1 无历史资料情况下的模拟
1．9．2 有历史数据情况下的模拟
1．9．3 近期模拟
1．10 有效模拟的导则
1．11 不确定性的含义
1．12 选择不确定性估算方法
1．13 模型模拟及决策制定的不确定性
1．14 本章总结
第2章 哲学转换
2．1 为什么担心哲学？
2．2 实用现实论
2．3 其他现实主义的哲学观点
2．4 模型是工具主义者的工具
2．5 模型有效性的问题
2．6 模型证伪的问题
2．7 模型证实的问题：贝叶斯方法
2．8 作为证实模型证据的观测信息内容
2．9 解释的深度和预测非预期的
2．10 不确定性、无知和安全因素
2．11 本章总结
第3章 无历史资料地区模拟
3．1 敏感性、情景和前向不确定性分析
3．2 先验信息决策
3．2．1 参数的先验分布
3．2．2 置信网络
3．3 模拟空间抽样
3．3．1 概率不确定性的传递分析
3．3．2 离散抽样或随机蒙特卡洛搜索
3．3．3 伪随机数和实现效果
3．3．4 导向性蒙特卡洛搜索
3．3．5 联合（copula）抽样
3．3．6 实例：模拟地下水水质的联合抽样
3．4 不确定性的模糊表征
3．4．1 实例：应用模糊变量的前向不确定性分析
3．5 敏感性分析
3．5．1 点敏感性分析
3．5．2 全局敏感性分析：Sobol普适敏感性分析
3．5．3 实例：水文模型中Sobol GsA的应用
3．5．4 全局敏感性分析：HSY普适敏感性分析
3．6 模型仿真技术
3．7 不确定情景
3．8 本章总结
第4章 已知历史数据的模拟
4．1 模型率定和模型调试
4．2 模型率定的权重非线性回归方法
4．2．1 成本（目标）函数选择
4．2．2 参数估计和不确定性预测
4．2．3 评估额外数据的价值
4．3 模型率定的规范贝叶斯方法
4．3．1 规范似然度准则
4．3．2 马尔可夫蒙特卡洛链模拟方法
4．3．3 研究实例：评估概念水量平衡模型的不确定性（Engeland等，2005）
4．4 帕累托（Pareto）优选集
4．5 普适似然不确定性估计方法
4．5．1 GLUE方法的基础
4．5．2 确定模拟是否有效
4．5．3 等效性、置信区间、容许偏差区间、预测区间
4．5．4 等效性和模型验证
4．5．5 等效性和模拟空间：抽样效率的问题
4．5．6 模型评估中的模糊准则
4．5．7 实例：GLUE方法在径流产流模型的假设检验中的应用
4．5．8 GLUUE方法的变形
4．5．9 当发现所有的模拟均应拒绝时该做什么
4．6 模糊系统：应用数据设定模糊准则
4．7 模型调试的方法比较：数据的一致性及信息
4．8 本章总结
第5章 短期预报
5．1 实时数据的同化
5．2 最小二乘误差修正模型
5．3 卡尔曼滤波
5．3．1 模型残差的修正
5．3．2 预测模型增益修正
5．3．3 实例：塞文（severn）河的洪水预报
5．3．4 广义卡尔曼滤波
5．4 集合卡尔曼滤波
5．4．1 实例：集合卡尔曼滤波在Leaf河流域的应用
5．4．2 集合卡尔曼平滑滤波
5．5 粒子滤波方法
5．5．1 实例：EnKF和PF方法在莱茵（Rhine）河的应用比较
5．6 变分方法
5．7 天气预报的集合方法
5．8 本章总结
第6章 面对不确定性的决策方法
6．1 不确定性及风险决策
6．2 决策框架中的不确定性
6．3 决策树、影响流程图以及置信网络图
6．4 决策中的风险评估方法
6．5 风险决策方法
6．5．1 评估决策者的偏好
6．5．2 不同方案的相同之处
6．5．3 增加不确定性和更多的信息
6．5．4 实例：防洪预警和控制决策（Lake Como，意大利；The Red River，N．dakota）
6．6 专家建议在决策中的应用
6．7 综合专家意见：贝叶斯置信网络
6．7．1 信任网络中的经验事实
6．7．2 实例
6．8 证据原因方法
6．8．1 实例分析：证据原因方法在尼泊尔的Rupa Tal湖管理决策评估中的应用
6．9 决策支持系统
6．10 信息差距理论
6．10．1 实例：信息差距决策方法在防洪工程设计中的应用
6．11 决策中不确定性的所有权问题
6．12 NUSAP方法论
6．13 面对不确定性的稳健性适应管理
6．14 决策中的不确定性和预防性原则
6．15 本章总结
第7章 一个不确定的未来
7．1 在面对如此多的不确定性估计方法时实践者应做什么？
7．2 未来问题——不可知性和不确定性
7．3 不确定性问题是简单地由于应用了较差模型吗？
7．4 接受一个不确定的未来
7．4．1 作为一种学习过程的模拟
7．4．2 从模型结构中学习
7．5 未来模拟系统样本：适应性模拟，适应性管理
7．6 本章总结
附件Ⅰ 代数矩阵简介
附件Ⅱ 软件简介
术语表
参考文献