朝着诊断模型的校准和评估：近似贝叶斯计算

计算能力的持续提升以及测量技术的不断进步和过程理解的改善刺激了日益复杂的水文模型的发展，这些模型模拟了土壤水分流动、地下水补给、地表径流、根系吸水和不同空间与时间尺度下的河流排放。将这些高阶系统模型与不断增大的实地数据进行协调变得越来越困难，特别是因为经典的基于似然的拟合方法缺乏检测和确定模型结构缺陷的能力。Gupta等（2008）最近提出了一些步骤，以发展一种更稳健和更强大的模型评估方法。他们的诊断方法利用在输入输出数据中观测到的特征行为和模式，阐明对真实世界的表征在多大程度上得到了充分实现，以及如何改进模型以便于学习和科学发现。在本文中，我们介绍了近似贝叶斯计算（ABC）作为诊断模型评估的一种工具。这种统计方法放宽了对显式似然函数的需求，而是采用基于水文学理论的一种或多种不同的汇总统计量，这些统计量在诊断能力方面比误差残差的某种平均测量更清晰且更具说服力。通过两个示例案例研究，展示了ABC相对容易实现，并且可以利用基于特征的指标来分析和 pinpoint 模型中哪个部分出现故障并需要进一步改进。