《表1 近期有关不确定性的研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《指纹技术识别泥沙来源:不确定性研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：AM-人工混合数据验证，BM-贝叶斯模型，CS-不同方案结果对比，GF-拟合优度分析，GS-高斯一阶近似，MC-蒙特卡洛模拟，MA-模型精度分析，QL-定性分析

目前，泥沙指纹技术的不确定性研究主要针对不同模型结构和输入参数（数据预处理）、指纹筛选的统计方法、粒径与有机质影响的修正、指纹的空间变异以及对源地识别能力的权重分析等一个或几个方面对结果产生的影响进行分析。不确定性定量评估方法以蒙特卡洛（MC）随机模拟为主，但事实上该方法并没有充分考虑采样方案以及指纹潜在变化等因素，主要反映已有数据分布下的部分随机误差以及模型计算与优化过程产生的部分不确定性。对于不同模型结构、复合指纹筛选方法以及各种修正系数等引起的不确定性的评估，主要通过对比分析不同方案（或方案组合）下源地贡献分配结果差异程度，包括对不同模型应用的拟合优度（GOF）比较、不同方案的结果与已知人工混合泥沙数据的比较等（表1），但目前仍较难将上述各类问题纳入一个统一的模型对不确定性进行综合评估。近年来，贝叶斯混合模型逐渐受到泥沙指纹研究的关注[26，51，63]，它相比基于频率理论的多元线性混合模型在不确定性分析上具有明显的优势，比如它可以最大限度地利用现有资料和已知信息，同时也考虑到参数、模型输入和资料等方面的不确定性，包括采样误差、仪器分析误差等，通过似然函数用观测资料来修正输入的参数分布，使最终的参数分布能与实际相吻合。然而贝叶斯混合模型用于泥沙指纹研究的应用相对较少，且对于其中各类不确定性信息的输入与修正以及结果的表达仍缺乏全面细致地描述和探讨。总体上看，国外对不确定性的定量研究较多，特别对于复合指纹筛选、混合模型应用以及有关指纹修正系数等影响的分析较为全面和深入，而国内已经开展的泥沙指纹研究（见周慧平等[64]综述）大多以不同区域及环境下不同类型指纹识别泥沙来源的可行性和效果的探讨为主，对不确定性的分析总体较少或主要以定性讨论为主[68-69]，缺乏对特定问题的定量和深入地对比研究。