马金锋，饶凯锋，李若男,2，张京，郑华,2

1.中国科学院生态环境研究中心城市与区域生态国家重点实验室，北京 100085；2.中国科学院大学，北京 100049

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[1]。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或构建合适的模型，利用模型表达事物内在变化规律的过程。在大数据的原生定义中，基于事物之间的关联关系寻求和构建模型，模型构建的成败十分依赖数据的数量和质量。此外，由于数据驱动模型是基于关联关系构建的，其模拟结果无法给予合理解释，导致其认可度不高，因此数据驱动模型通常也被称为“黑箱模型”[2]。目前在水环境领域中，由于可用数据数量少、数据质量低等原因，基于大数据技术成功构建的数据驱动模型案例并不多，总体上处于探索和发展阶段。相比数据驱动模型，水环境领域中的机理模型相对成熟和完善，得到广泛的推广和应用。然而，在大数据环境下，如何从新的视角审视已成熟的机理模型，探索其在大数据技术背景下的价值发挥是一个值得探讨的热点问题。

顾名思义，机理模型从因果关系出发寻找规律，是真实水环境系统的抽象和概化。……