摘要:水环境模型内部结构复杂且计算耗时,造成参数率定、多情景分析及决策优化过程中面临高负荷计算难题,这极大地限制了其应用价值的发挥。如何融合水环境模型和大数据技术,深入挖掘模型应用潜力和充分发挥其应用价值是一个研究热点。总结了水环境模型在实际应用过程中面临的瓶颈,分析了大数据技术在解决这些问题上具有的潜力。基于现有成熟的大数据技术,提出了水环境模型与大数据技术融合框架,解决了水环境模型规模计算、规模存储和应用分析问题。阐述了模型与大数据技术融合过程中面临的问题,提出了具体的实现技术思路。通过SWAT模型率定应用案例,证明融合框架的可行性。最后探讨了大数据背景下水环境模型的未来研究方向,指出开展复杂水环境模型的代理模型研究和水环境模拟优化框架研究是未来的发展趋势。
关键词:水环境模拟 ; 大数据 ; Hadoop ; MapReduce ; 融合
1 引言
模型是集成和综合不同观测数据、理解复杂的交互作用和测试假设,以及模拟历史、预测未来系统发展轨迹和决策如何应对未来趋势的重要工具。根据产生的来源,模型大体可被分为数据驱动和模型驱动两类,数据驱动模型(机理模型)基于关联关系构建,模型驱动模型(机理模型)基于因果关系构建。数据驱动模型是大数据价值体现链条中的重要环节,大数据的核心价值在于寻求