Retningslinier for Opstilling af Grundvandsmodeller - National ...
Retningslinier for Opstilling af Grundvandsmodeller - National ...
Retningslinier for Opstilling af Grundvandsmodeller - National ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Retningslinier</strong> <strong>for</strong> <strong>Opstilling</strong> <strong>af</strong> <strong>Grundvandsmodeller</strong> © 2000 GEUS<br />
hvor detaljerede sensitivitetsanalyser jf. fig. 3.2 anvendes som et værktøj til en <strong>for</strong>tsat <strong>for</strong>bedring <strong>af</strong> kalibreringsresultatet,<br />
og <strong>af</strong>sluttes med invers kalibrering til finkalibrering (Sonnenborg et al., 2000).<br />
RETNINGSLINIE 36. Modtageren <strong>af</strong> modelresultaterne vil sjældent være interesseret i en alt <strong>for</strong> detaljeret<br />
beskrivelse <strong>af</strong> udviklingen (i <strong>for</strong>m <strong>af</strong> en kalibreringsjournal) <strong>af</strong> de enkelte parametres værdi gennem den<br />
iterative optimering <strong>af</strong> modellen, hvor der typisk <strong>for</strong>etages mellem 50 og flere hundrede simuleringer (Sonnenborg,<br />
2000a). Det vil imidlertid være interessant at blive præsenteret <strong>for</strong> eventuelle ændringer i den opstillede<br />
model <strong>for</strong> kalibreringsprocessen, dvs. i de tilfælde hvor estimationsprocessen 4.1 – 4.4 i figur 3.1<br />
ikke konvergerer inden<strong>for</strong> de opstillede kalibreringskriterier, og det er nødvendigt at gå tilbage til trin 3 og<br />
modificere kalibreringsparametre eller den underliggende model. Da det kan være nødvendigt at revurdere<br />
modelopbygningen adskillige gange i kalibrerings<strong>for</strong>løbet, vil det være hensigtsmæssigt at præsentere<br />
(eventuelt i tabel<strong>for</strong>m) de bedste værdier <strong>af</strong> de benyttede normer (10.1) – (10.5) <strong>for</strong> hver model. Herved kan<br />
modtageren få et indblik i, hvilke ændringer der har været <strong>af</strong>prøvet, og hvad der har bidraget til at opnå en<br />
velkalibreret grundvandsmodel.<br />
RETNINGSLINIE 37. De optimerede parameterværdier skal præsenteres, typisk i tabel<strong>for</strong>m, men også en<br />
gr<strong>af</strong>isk illustration (f.eks. plot <strong>af</strong> residualtrykniveau<strong>af</strong>vigelser mod simuleret trykniveau, scatterplot og residualplot)<br />
<strong>af</strong> parameterværdierne kan anvendes (Sonnenborg, 2000a). Samtidig skal der <strong>for</strong>etages en evaluering<br />
<strong>af</strong> de estimerede parametres fysiske relevans. I en gr<strong>af</strong>isk illustration kan parameterintervallerne estimeret<br />
under analysen <strong>af</strong> tilgængelige feltmålinger sammenholdes med de optimerede parametre, hvilket gør<br />
det muligt at <strong>for</strong>etage en hurtig vurdering <strong>af</strong>, om de estimerede parametre holder sig inden<strong>for</strong> eller i nærheden<br />
<strong>af</strong> fysisk realistiske grænser. I modsat fald skal det kommenteres, hvad årsagen til det usædvanlige estimat<br />
kan være. Hvis der er ønske om at få undersøgt usikkerheden på de estimerede parametre, skal der genereres<br />
resultater, der kan belyse dette emne. Hvis der er udført manuel kalibrering kan usikkerheden vurderes<br />
vha. en detaljeret sensitivitetsanalyse. Herved opnås et udtryk <strong>for</strong> modellens følsomhed over<strong>for</strong> de analyserede<br />
parametre, og usikkerheden på parameterværdien kan derefter vurderes, idet den generelt kan antages<br />
at være omvendt proportional med modellens sensitivitet. Det er ikke muligt at kvantificere parameterusikkerheden<br />
direkte (f.eks. en standard<strong>af</strong>vigelse) vha. denne metode, men det kan vurderes, hvordan parametrene<br />
indbyrdes er rangeret mht. modelsensitivitet. Dvs. den mest sensitive parameter vil give det største<br />
påvirkning <strong>af</strong> f.eks. RMS-værdien i den detaljerede sensitivitetsanalyse, og vil være den parameter, der er<br />
<strong>for</strong>bundet med den mindste usikkerhed. Hvis der er anvendt en invers model baseret på en gradientløsning,<br />
som f.eks. PEST (ref, 199x) eller UCODE (Poeter and Hill, 1998), vil det være muligt at uddrage in<strong>for</strong>mationer<br />
om parameterusikkerheden i <strong>for</strong>m <strong>af</strong> konfidens- eller prediktionsintervaller.<br />
RETNINGSLINIE 38. For at vurdere hvorvidt en kalibreret model kan betragtes som gyldig til efterfølgende<br />
brug skal den valideres ved test mod andre data end dem, der blev brugt til kalibrering, hvilket kan ske i<br />
<strong>for</strong>m <strong>af</strong> split-sample, proxy-basin eller lign. test (Refsgaard, 2000b). Model validering indebærer således at<br />
dokumentere, at en model kan producere beregningsresultater, som kan opfylde de givne nøjagtighedskrav.<br />
Det er der<strong>for</strong> nødvendigt at specificere sådanne nøjagtighedskrav, før kalibreringen og validerings testene<br />
gennemføres. I fastsættelsen <strong>af</strong> det acceptable niveau <strong>for</strong> nøjagtighed skal der laves en <strong>af</strong>vejning mellem<br />
hvilke yderligere omkostninger, i <strong>for</strong>m <strong>af</strong> data indsamling og modelleringsarbejde, og hvilke benefits, i <strong>for</strong>m<br />
<strong>af</strong> større model nøjagtighed, som større nøjagtighedskrav medfører. Nøjagtighedskriterierne vil der<strong>for</strong> variere<br />
fra sag til sag, og bør ikke fastlægges <strong>af</strong> modelbrugeren, men <strong>af</strong> vandressource<strong>for</strong>valteren.<br />
RETNINGSLINIE 39. Som beskrevet er det meget <strong>af</strong>gørende <strong>for</strong> en models prediktionsevne at antallet <strong>af</strong><br />
parameterværdier, som fastsættes ”frit” i kalibreringen, er så lavt som muligt, så modellen ikke ”overparameteriseres”.<br />
Problemstillingen kan illustreres i Fig. 3.3 (Refsgaard, 2000b). Figur 3.3 er fremkommet som<br />
resultat <strong>af</strong> en split-sample test, hvor der i kalibreringsperioden er <strong>for</strong>etaget automatisk kalibrering på et<br />
<strong>for</strong>skelligt antal (varierende fra 3 til 9) parametre. Figuren illustrerer tydeligt, at modeltilpasningen (jo højere<br />
R 2 værdi jo bedre model) bliver bedre jo flere frie parametre, der indrages i kalibreringen, men den<br />
viser samtidigt, at hvis parameterantallet bliver <strong>for</strong> stort, udarter kalibreringen til ren kurvefitning med ringe<br />
prediktionsevne mod u<strong>af</strong>hængige (validerings)data. Eksemplet i Figur 3.3 stammer ikke fra grundvandsmodellering,<br />
men den principielle problemstilling er ligeså aktuel i grundvandsmodellering.<br />
29