吴伟龙，陆丽君，黄翔峰，李汇沣，魏忠庆,2

(1. 同济大学环境科学与工程学院，上海 200092；2. 福州城建设计研究院有限公司，福州 350001)

引 言

20世纪50年代，研究区域水环境的相关水文水力模型相继出现，21世纪初水质模型也开始逐渐成熟的出现在人们面前[1]。由于水系统的不确定性和人类认知的局限性，每个水环境模型都有局限，从而导致其预测评估存在极限值。随着水环境模型的迅速发展，高度集成的复杂模型能较准确地反应水动力状态和生化活动[2]，因此很多大型的模型软件得到广泛应用。水文水力模型可用于预测洪涝灾害[3]、评估排水管网能力等[4]；水质模型可用于绿色措施方案布设和评价[5]，研究河流湖泊污染物的迁移转化[2, 6]等。

这些模型含有大量的参数，互相之间存在高度交互性[7]，并且输入数据、模型结构、观测资料、性能指标等误差都对参数的估计和模型的预测造成不确定性[8]。因此，模型应用的前提是保证其精确性，不确定性评估就成为关键[9]。其中敏感性分析(Sensitivity Analysis, SA)和不确定性分析(Uncertainty Analysis, UA)是量化评估模型不确定性的重要手段。通过UA和SA能够在数据挖掘和分析、降低模型模拟的误差水平、量化模型的不确定性等方面提供良好的辅助决策作用，已成为水环境模型研究过程中必不可少的环节。

由于SA和UA概念和作用上有一定的联系与相似性，目前已有相关的研究性文献将两者结合起来进行研究，如刘越洋[10]研究了两者在地下水模型(FEFLOW)中的应用，辅助模型率定，找到对特定结果有重大影响的模型参数，从而进一步优化模型。……