人们对环境系统的深入研究是建立在环境模型的广泛应用基础上的.
为了更加精确地刻画环境系统的行为,环境模型在近10
年里表现出了强烈的复杂化趋势;不同空间尺度、不同时间过程模型的耦合,进一步加剧了这一过程.
环境模型的复杂性导致了模型结构和参数可识别性问题的提出,并成为当今环境建模理论研究的热点[1 ,2 ] .
其中在不确定性的框架下,模型参数的优化是研究的一个重要方面.
　　解决优化问题的难度主要取决于模型参数的空间维数和模型本身的非线性特征.
一般来说,参数越多、非线性越强,优化时间和精度就越差,同时也越不能够保证优化算法是否收敛到整体最优.
传统经验表明,求解优化问题的困难主要体现为[4 ,5 ] : ①全局搜索可能收敛到多个不同的吸引域;
②每一个吸引域可能包含一个或多个局部最小值; ③目标函数在n 维参数空间上不连续;
④参数及相互间存在高度灵敏性和显著非线性干扰;
⑤在最优解的附近,目标函数往往不具有凸性。