Autorin/Autor:
Klaus Eckhardt
Schlagworte:
Modellkalibrierung, Parameterunsicherheit, Modellanpassung
Die Kalibrierung eines Modells ermöglicht eine Reduzierung der Parameterunsicherheit und damit der Unsicherheit in Simulationsergebnissen. Komplexe Modelle können mittels stochastischer globaler Optimierungsalgorithmen automatisch kalibriert werden. Zwei dieser Algorithmen werden hinsichtlich ihrer Leistungsfähigkeit miteinander verglichen: einerseits der Boender-Timmer-Rinooy Kan (BTRK) Algorithmus, ein Multistart-Algorithmus mit vorhergehender Clusterung, und andererseits der Shuffled Camplex Evolution (SCE) Algorithmus, ein Genetischer Algorithmus. Die beiden Algorithmen werden auf ein analytisches verteiltes Modell zur Nachbildung des Wasser- und Stoffhaushalts in meso- bis makroskaligen Einzugsgebieten oberirdischer Gewässer angewendet, die Version SWAT-G des Soil and Water Assessment Tool (SWAT}. Der SCE Algorithmus erweist sich dem BTRK Algorithmus als überlegen. Es wird eine hohe Güte der Modellanpassung erreicht.