環(huán)境模擬：一個(gè)不確定的未來(lái)

序
譯者的話(huà)
原著前言
第1章 如何進(jìn)行預(yù)報(bào)
1．1 本書(shū)的目的
1．2 環(huán)境模擬的目的
1．3 不使用不確定性分析的7個(gè)原因
1．4 模型過(guò)程的本質(zhì)
1．4．1 從概念模型到過(guò)程模型
1．4．2 參數(shù)、變量與邊界條件
1．5 尺度問(wèn)題與不可公度的概念
1．6 模擬空間
1．7 模型集成
1．8 為了機(jī)理理解而模擬
1．9 模擬的具體應(yīng)用
1．9．1 無(wú)歷史資料情況下的模擬
1．9．2 有歷史數(shù)據(jù)情況下的模擬
1．9．3 近期模擬
1．10 有效模擬的導(dǎo)則
1．11 不確定性的含義
1．12 選擇不確定性估算方法
1．13 模型模擬及決策制定的不確定性
1．14 本章總結(jié)
第2章 哲學(xué)轉(zhuǎn)換
2．1 為什么擔(dān)心哲學(xué)？
2．2 實(shí)用現(xiàn)實(shí)論
2．3 其他現(xiàn)實(shí)主義的哲學(xué)觀點(diǎn)
2．4 模型是工具主義者的工具
2．5 模型有效性的問(wèn)題
2．6 模型證偽的問(wèn)題
2．7 模型證實(shí)的問(wèn)題：貝葉斯方法
2．8 作為證實(shí)模型證據(jù)的觀測(cè)信息內(nèi)容
2．9 解釋的深度和預(yù)測(cè)非預(yù)期的
2．10 不確定性、無(wú)知和安全因素
2．11 本章總結(jié)
第3章 無(wú)歷史資料地區(qū)模擬
3．1 敏感性、情景和前向不確定性分析
3．2 先驗(yàn)信息決策
3．2．1 參數(shù)的先驗(yàn)分布
3．2．2 置信網(wǎng)絡(luò)
3．3 模擬空間抽樣
3．3．1 概率不確定性的傳遞分析
3．3．2 離散抽樣或隨機(jī)蒙特卡洛搜索
3．3．3 偽隨機(jī)數(shù)和實(shí)現(xiàn)效果
3．3．4 導(dǎo)向性蒙特卡洛搜索
3．3．5 聯(lián)合（copula）抽樣
3．3．6 實(shí)例：模擬地下水水質(zhì)的聯(lián)合抽樣
3．4 不確定性的模糊表征
3．4．1 實(shí)例：應(yīng)用模糊變量的前向不確定性分析
3．5 敏感性分析
3．5．1 點(diǎn)敏感性分析
3．5．2 全局敏感性分析：Sobol普適敏感性分析
3．5．3 實(shí)例：水文模型中Sobol GsA的應(yīng)用
3．5．4 全局敏感性分析：HSY普適敏感性分析
3．6 模型仿真技術(shù)
3．7 不確定情景
3．8 本章總結(jié)
第4章 已知?dú)v史數(shù)據(jù)的模擬
4．1 模型率定和模型調(diào)試
4．2 模型率定的權(quán)重非線(xiàn)性回歸方法
4．2．1 成本（目標(biāo)）函數(shù)選擇
4．2．2 參數(shù)估計(jì)和不確定性預(yù)測(cè)
4．2．3 評(píng)估額外數(shù)據(jù)的價(jià)值
4．3 模型率定的規(guī)范貝葉斯方法
4．3．1 規(guī)范似然度準(zhǔn)則
4．3．2 馬爾可夫蒙特卡洛鏈模擬方法
4．3．3 研究實(shí)例：評(píng)估概念水量平衡模型的不確定性（Engeland等，2005）
4．4 帕累托（Pareto）優(yōu)選集
4．5 普適似然不確定性估計(jì)方法
4．5．1 GLUE方法的基礎(chǔ)
4．5．2 確定模擬是否有效
4．5．3 等效性、置信區(qū)間、容許偏差區(qū)間、預(yù)測(cè)區(qū)間
4．5．4 等效性和模型驗(yàn)證
4．5．5 等效性和模擬空間：抽樣效率的問(wèn)題
4．5．6 模型評(píng)估中的模糊準(zhǔn)則
4．5．7 實(shí)例：GLUE方法在徑流產(chǎn)流模型的假設(shè)檢驗(yàn)中的應(yīng)用
4．5．8 GLUUE方法的變形
4．5．9 當(dāng)發(fā)現(xiàn)所有的模擬均應(yīng)拒絕時(shí)該做什么
4．6 模糊系統(tǒng)：應(yīng)用數(shù)據(jù)設(shè)定模糊準(zhǔn)則
4．7 模型調(diào)試的方法比較：數(shù)據(jù)的一致性及信息
4．8 本章總結(jié)
第5章 短期預(yù)報(bào)
5．1 實(shí)時(shí)數(shù)據(jù)的同化
5．2 最小二乘誤差修正模型
5．3 卡爾曼濾波
5．3．1 模型殘差的修正
5．3．2 預(yù)測(cè)模型增益修正
5．3．3 實(shí)例：塞文（severn）河的洪水預(yù)報(bào)
5．3．4 廣義卡爾曼濾波
5．4 集合卡爾曼濾波
5．4．1 實(shí)例：集合卡爾曼濾波在Leaf河流域的應(yīng)用
5．4．2 集合卡爾曼平滑濾波
5．5 粒子濾波方法
5．5．1 實(shí)例：EnKF和PF方法在萊茵（Rhine）河的應(yīng)用比較
5．6 變分方法
5．7 天氣預(yù)報(bào)的集合方法
5．8 本章總結(jié)
第6章 面對(duì)不確定性的決策方法
6．1 不確定性及風(fēng)險(xiǎn)決策
6．2 決策框架中的不確定性
6．3 決策樹(shù)、影響流程圖以及置信網(wǎng)絡(luò)圖
6．4 決策中的風(fēng)險(xiǎn)評(píng)估方法
6．5 風(fēng)險(xiǎn)決策方法
6．5．1 評(píng)估決策者的偏好
6．5．2 不同方案的相同之處
6．5．3 增加不確定性和更多的信息
6．5．4 實(shí)例：防洪預(yù)警和控制決策（Lake Como，意大利；The Red River，N．dakota）
6．6 專(zhuān)家建議在決策中的應(yīng)用
6．7 綜合專(zhuān)家意見(jiàn)：貝葉斯置信網(wǎng)絡(luò)
6．7．1 信任網(wǎng)絡(luò)中的經(jīng)驗(yàn)事實(shí)
6．7．2 實(shí)例
6．8 證據(jù)原因方法
6．8．1 實(shí)例分析：證據(jù)原因方法在尼泊爾的Rupa Tal湖管理決策評(píng)估中的應(yīng)用
6．9 決策支持系統(tǒng)
6．10 信息差距理論
6．10．1 實(shí)例：信息差距決策方法在防洪工程設(shè)計(jì)中的應(yīng)用
6．11 決策中不確定性的所有權(quán)問(wèn)題
6．12 NUSAP方法論
6．13 面對(duì)不確定性的穩(wěn)健性適應(yīng)管理
6．14 決策中的不確定性和預(yù)防性原則
6．15 本章總結(jié)
第7章 一個(gè)不確定的未來(lái)
7．1 在面對(duì)如此多的不確定性估計(jì)方法時(shí)實(shí)踐者應(yīng)做什么？
7．2 未來(lái)問(wèn)題——不可知性和不確定性
7．3 不確定性問(wèn)題是簡(jiǎn)單地由于應(yīng)用了較差模型嗎？
7．4 接受一個(gè)不確定的未來(lái)
7．4．1 作為一種學(xué)習(xí)過(guò)程的模擬
7．4．2 從模型結(jié)構(gòu)中學(xué)習(xí)
7．5 未來(lái)模擬系統(tǒng)樣本：適應(yīng)性模擬，適應(yīng)性管理
7．6 本章總結(jié)
附件Ⅰ 代數(shù)矩陣簡(jiǎn)介
附件Ⅱ 軟件簡(jiǎn)介
術(shù)語(yǔ)表
參考文獻(xiàn)