一种基于敏感性分析的改进参数筛选方法

地球系统模式是预测未来气候变化的重要工具。物理参数化方案是其关键部件,其包含的大量不确定参数会严重影响模型模拟性能。而参数不确定性分析面临参数个数过多的挑战。传统敏感性分析方法被广泛用于识别重要参数,然而它并没有考虑参数交互作用的动态变化对筛选过程的影响。对此,利用一个典型非线性数学函数分析该变化导致的筛选结果偏差,进而提出了动态敏感性分析方法(Dynamic Sensitivity Analysis Method,DSAM)。在一个数值函数和单柱大气模式的实验中,DSAM和传统方法的定量筛选结果偏差高达29%。将筛选结果应用于参数优化,模式的优化性能提升67%。