几乎都是在翻译，自己也看不懂自己在说什么了。
上午、下午、晚上再加一个上午，四章的东西就这么凑合着吧。

第五章 进水模型和进水顾问（Influent Models & Influent Advisor）
第七章 控制工具 （Preparing Controls）
第九章 模型的建立与运行（Building and Running a Model）
第十一章 优化工具（Optimization Tools）  




第五章：进水模型和进水顾问(Influent Models & Influent Advisor)
library
在创建一个设计方案以前，首先要选择你要使用的库(library)。库(library)，在GPS-X中，是指废水处理过程模型的一个集合，模型使用的是一组基本的废水成分。
可使用的进水模型（influent models）取决于当前使用的库(library)以及将状态变量(state variables)和复合变量（composite variables）联系起来的生物模型(local biological model)。虽在每个库中模型的名称一样，但是如何计算状态变量的方法却大不相同。因此，库的设定是十分重要的。
在GPS-X中有六个库可供选择：碳氮库(CNLIB)、工业污染物碳氮库(CNIPLIB)、碳氮磷库(CNPLIB)、工业污染物碳氮磷库(CNPIPLIB)、高级碳氮库(CN2LIB)和高级工业污染物碳氮库(CN2IPLIB)。
这里重点说明CNLIB和CNIPLIB库。在这两个库中所涉及到的状态变量是：惰性溶解有机物(si)，易生物降解物质(ss)，惰性悬浮有机物(xi)，慢速生物降解物质(xs)，细胞腐化产生的不可生物降解颗粒物(xu)， 活性异养微生物(xbh)，活性自养微生物(xba)，溶解氧(so)，自由氨和氨根离子氮即NH3和NH4+氮(snh)，溶解性有机氮(snd)，颗粒态可生物降解有机氮(xnd)，硝酸盐与亚硝酸盐(sno)，碱度(salk)，惰性悬浮性无机物质(xii)和snn。
在CNLIB中的ASM1模型下，原始状态变量和复合变量的关系如下：
有机物：
SCOD（可溶性COD）= si + ss ;
XCOD（不溶性COD）= xs + xbh + xba + xu + xi ;
COD（总COD）= SCOD + XCOD ;
X（悬浮固体）=VSS（挥发性悬浮固体） + XISS（惰性颗粒悬浮固体）
XISS = xii
icv = XCOD : VSS
fbod = BOD5 : BODU
BOD5 = SBOD5 + XBOD5
BODU = SBODU + XBODU
SBODU = ss
XBODU = xs + xbh + xba
氮：
TN = sno + TKN
TKN = STKN（可溶性总凯氏氮）+ XTKN（颗粒总凯氏氮）
STKN = snh + snd + si + ss
XTKN = xnd + xbh + xba + xu + xi + xs
Influent model
每一个库中，不管是连续的还是间歇的进水，进水对象的模型都有：醋酸（acetate），BOD（bodbased），COD（codfractions），甲醇（methanol），污泥（sludge），状态（state），总悬浮固体（tsscod）和水（water）。
醋酸（acetate）：用来模拟酸量的增加。酸剂量用纯度来表示，如mol酸/L；也可以用单位转化来表示，如g(酸*COD)/m3，g酸/L等。与酸剂量相当的COD值会自动转化为ss。
BOD（bodbased）：在COD值不明确而拥有BOD值时使用。但是BOD测定往往只是一个近似值，所以在估计进水中惰性颗粒时要格外小心。在这个模型中需要输入的变量是：总BOD5，总凯氏氮，总悬浮固体，一些状态变量（除了可溶惰性有机物和碱度以外一般均设为0）和一些计量分数。这些变量作为原始数据来计算其它进水状态变量：ss, xs, xi, snh, xnd和snd。被利用的BOD假定为同可生物降解的COD相等，因此单位未mgCOD/L。必要参数的设定可以通过进水顾问来调节和获取。
COD（codfractions）：此模型要求输入总COD，总凯氏氮，一些状态变量（除氨和碱度以外其它通常设为0）以及一些计量分数，通过这些可以计算出一组完整的状态变量，复合变量和营养分数。在这个模型中，由于进水中的一些氮与有机状态变量有关，使得氮的计算相当复杂，因此最好使用进水顾问来设定且可以更好的理解计算方式。该模型的优势在于每一个计算最终都基于总COD，总凯氏氮和氨的输入量。这样，所有的进水状态变量将会随着负荷而变化。
甲醇（methanol）：模拟甲醇的增加。单位可以是：mol甲醇/L，g(甲醇*COD)/m3，g甲醇/L等。与甲醇剂量相当的COD值会自动转化为ss。
污泥（sludge）：模拟污泥流的输入。在这个模型中，状态变量是独立的。需要输入中悬浮固体，一些状态变量以及计量分数。有机固体则被分为异养生物和不可生物降解固体物质，其余的可以有机状态变量则设为0。在这个模型中，除了溶解氧和碱度以外其余的可溶性状态变量均默认为0。
状态（states）：适用于能够完整地描述进水并且进水状态变量已经人工测量获得的情况。需要输入状态变量和计量分数。
总悬浮固体（tsscod）：用于以COD和悬浮固体为主要成分的情况。需要输入总COD，总凯氏氮，总悬浮固体，状态变量（除了惰性可溶性有机物和碱度以外其余通常为0）和计量分数。
水（water）：适用于模拟大流量或者附加碱度，而此时进水水力负荷不依靠增加有机物或者氮的负荷也可以增长。只需要输入碱度，其他的状态变量均设为0。
Influent Advisor
进水顾问是一个excel使用工具，可以帮助使用者控制并得到也现有数据最吻合的进水设置，否则，不完整和不恰当的进水描述会限制软件动态模拟预测的能力。
在进水顾问中，使用者应选择适当的库，进水模型和生物模型。由于每一个模型中所需要的参数和变量都不相同，所以了解在模型中所需要的变量类型十分重要（可以参看关于库的说明）。虽然每个模型能够正确对进水数据分类，但是错误的输入数据也会导致状态变量之间的矛盾。进水顾问的引入就是为了解决这个问题，改正数据。
在每一个选项下选择合适的苦，生物模型以及进水模型。然后将会出现三张表格。左端的表格是需输入数据的向导，用来输入需要被检查的数据。中间的表格有两个部分，上端代表了模型中使用的状态变量，下端则列出了不使用但是在库中仍然存在的变量。第三张表格列出的是通过计算而得出的复合变量。需要输入的数据只有被选择库中需要的参量，其余的输入数据都必须设为0。
进水顾问可以帮助用户明白那个数据要输入而那个数据应设为0。进水模型假定某一类数据存在而某一类不存在。但是进水顾问可以解决这个问题，它可以通过输入一类数据，从中得出另一类数据的值，如果这类得出值与已知值一致，那么就证明了输入的数据符合已知数据，反之，则需要进行调试直至相等为止。应充分利用进水顾问，帮助解决进水数据问题，并且可以更好的理解状态变量和复合变量之间的相互联系。


第七章 控制工具 （Preparing Controls）
控制工具（control）是指由用户来定义的图表式对象，可以控制或修改一个模型变量的值（连续的或者离散的）。
控制工具和自动过程控制器不一样，自动过程控制器是用来维持一个控制变量固定在设定值上。而与控制工具有关的变量可以是模型中任何一个独立变量。
控制工具有两种类型：直接控制（与用户互动的）和非直接控制（程序调节的）
直接控制
指在模拟过程中也可以进行设置与更改的控制方式。直接控制又分为三种：滑动控制（Slider control），增长控制（Increment control），不连续控制（Discrete control）。滑动控制可以连续改变变量值，活动的范围使用户所设定的最大值与最小值之间。增长控制一亿个用户设定的增长值来改变独立变量的值。不连续控制则可以设定某一个独立变量打开或者关闭，具有活性或者不具有活性。
  非直接控制
也就是飞认为影响的控制，包括：文件输入控制（File input control），分析控制（Analyze control），优化控制（Optimize control）。文件输入控制可以从文件中读取数据，这些数据可以通过模拟产生，也可以从实际处理中采集，数据可以是连续的也可以是不连续的。分析控制可以自动生成大量某一独立变量的数值。通过用户设置的最小值最大值和增长值再经一系列合理的模拟过程获得敏感性分析的结果。优化控制使用专门的过程计算变量值来使模型输出和实际数据之间的误差达到最小，通过实际数据来确定合适的模型变量。

设置控制工具
定义控制一共有4个主要步骤：
1． 确定需要控制的独立变量；
2． 定义一个或几个控制窗口；
3． 建立控制的类型，控制对象的参数以及在控制窗口中控制的位置；
4． 显示控制（在模拟控制窗口显示后进行）。
甚至在模拟模型已经加载的时候也可以修改控制窗口，但是当模拟开始运行时就不可以重新定义新的控制了。

确定独立变量
独立变量可以潜在地改变非独立变量（dependent variables）的动态行为。非独立变量包括状态变量，它们的衍生量和一些可能已经定义了的二次变量。非独立变量不可任意改变，因为他们是从模拟器的整合和计算过程中的对应变量。为准备一个控制而需要确定的独立变量可以通过在输入数据项中选定期为控制变量。右击对象，选择合适的参量，在该变量前的方框内打上勾，则代表这个变量将成为控制对象。
必须要区分确定控制变量和确定显示变量之间的差别。这两个过程相似，但是显示变量值可以在显示变量菜单下选择。控制变量的确定只可以通过数据输入中的独立变量来进行，且包含数据输入域。

创建控制窗口
定义控制后，必须创建控制窗口才可以显示控制，步骤如下：点击工具栏上control的三角形，选择define定义，在控制定义窗口中，点击add添加，输入文字或数字标示，点击accept确定。
确定控制类型和位置
点击工具栏上控制键中的setup设置，在控制设置窗口中选择(#:Window)，输入最小值，最大值和间隔值。在Type类型栏中选择需要的控制类型，若所有的数据都输入完毕，点击Accept确定。
在设置中有三个系统定义项：模拟延迟（Simulation Delay），停止时间（Stopping Time）和信息间隔（Communication Interval）。模拟延迟是在模拟过程中的人为延迟，旨在减慢模拟执行，可以更清楚地了解模拟进程中的变化情况也可以控制速度过快的模拟来允许用户互动。停止时间就是模拟终止的时间。信息间隔则是在此间隔时间内模拟结果将会呈现在用户面前。

只要模拟模型还没有开始运行，可以随时重新定义和设置控制信息。

使用文件输入控制
在很多情况下，常希望使用实际处理中的数据作为模型的输入，以此来观察实际处理的出水数据和模型预测结果的区别。而实际处理的数据常常以文件形式出现，文件输入控制类型就可以帮助设置模拟在实际污水处理厂中的操作。
文件要存储在标准文本中，使用ASCII代码。ASCII文件可以作为当前设计或子文档保存在同一个文档中，也可以存在其他文档中，只要文档名和模式（scenario）名称一致就可以了。数据文件的名称格式应该是：layoutname_identifier_yyyy_mm_dd.dat。layoutname指当前设计的名称，identifier指文件系列，yyyy, mm和dd确定了与起始日期一致的年月日。
输入ASCII文件数据的步骤：用专门的格式准备好ASCII文件，选择文件输入类型，设置输出和其他控制，显示模拟控制窗口，控制窗口和输出窗口，输入时间参数（即开始和停止读取数据的时间）。
如果文件输入中的数据值超过了设定的范围，那么将会使用先前设定好的平均值。

组织数据文件
数据文件可以建立多个，这样软件会阅读所有文件名中包含定义日期的文件。如果有几个文件包含同样的变量名称，那么将会使用阅读到的第一份文件。为避免此类麻烦，可以每天分开建立数据，或者在不同的数据文件中不要在同一个变量名称上交迭日期。
另外可以在模式的基础上组织数据文件

控制显示
当设置好一些控制程序后，就可以显示控制了。每一个控制类型都有一个明确的现实形势。可以通过控制中的Show显示或者直接点击控制图标来显示控制结果。
当开始运行模拟时，一系列的数据文件的阅读将会出现在GPS-X日志记录Log窗口中。


第九章 模型的建立与运行（Building and Running a Model）

动态模型与模拟

模型
模型是真实系统在电脑上的演示，而这里的真实系统指的是在污水处理厂的单元过程，如在活性污泥系统中的充氧池或沉淀池。在GPS-X中的模型分为机械论（mechanistic）和经验论（empirical），但是这种分类并不分明因为在机械论中往往带有经验论的成分。
机械论模型（mechanistic models）是基于基础理论的，也就是物理学、化学和生物学的理论。模型用实际数据来修改参数，可以调节物理尺度，速率常数或者在方程中的其他参数。机械论模型的基础是自然科学理论。
经验论模型（empirical model）只依赖数据。模型的结构取决于在数学表达式中的选择，但这并不说明所选择的模型是准确的。经验论的方法不及机械论那么有力，主要在于模型结构过于简单而且解释也并不清晰。不同的数据组常常会导致不同的模型结构，想要解释模型中参数的意义就变得很难了。但是当我们对于想要模拟的实际系统不够了解是我们只能通过经验论的方法来建立模型。实际数据将决定选择的模型以及参数的量值。

状态变量和复合变量
GPS-X可以自动生成在模型建立过程中的微分方程系统，它包含了很多重要的数学信息，描述模型变量之间的关系。
状态变量，在模型变量中有一些是状态变量，因为它定义了系统的状态而十分重要。在没有外部刺激的情况下，状态变量决定了系统随时间的变化规律。
二级变量，也叫复合变量，是一些从状态变量和其它常数计算而来的变量，因此，这些变量常常取决于状态变量的变化。
所以模型的本质过程就和状态变量紧密地联系起来了。这一点对于进行有效的敏感性分析是关键。当然也可以检测复合变量的变化因为在实际中复合变量通常是典型的被测定的对象。不过状态变量依然是决定使用库中哪个模型的基础。

但是要如何选择模型呢？
一个问题是恰当的状态变量的假定，第二个问题是变化的确定（变量经历的反应），这包括了每一个变量明确的反应速率表达式（动力学）以及变量之间的比率（计量学）。
在模型复杂程度和预测能力之间总是存在着矛盾。增加模型的复杂程度可能可以做出更精确的预测但同样也带来了额外的麻烦，理解模型上的困难，更多数据的需求以及计算速度的减缓。反之虽然可以减少这些麻烦，但是却导致错误的预测。
没有一个单一的模型可以在所有的情况下解释所有的实际系统，所以首先要有明确的目标，而后在选择模型时也要灵活机动。

物料平衡方程式
The net rate of change in a component within a control volume ( an object in GPS-X ) is equal to the rate at which the component enters the volume, minus the rate at which it leaves the volume plus or minus the rate at which the component is generated or used within the volume.
对于一个物质来说：容器中该物质的净变化速率=该物质流入容器的速率-该物质离开容器的速率+该物质生成的速率（或-该物质消失的速率）。
在GPS-X中的每一个对象，物料平衡规定了状态变量的变化，系统中其它的动态变量则都取决于状态变量的变化方式。稳态和动态情况都可以用一样的基本关系式和方程式来进行分析。

稳态分析
稳态分析假定所有的状态变量都不随时间的变化而变化。当解释稳态分析的结果时值得注意的是，在实际，只有工厂运行稳态过程时，这些结果才准确且有意义。
要寻找稳态过程中状态变量值需要一个反复的过程，来解决系统联立方程的问题，通常这种过程总能得到一个结果但也不尽然。若得不到交点，那么和有可能有状态变量值出现了错误。必须要将这种错误降到最低，因为如果无法得到方程的解决方案，那么可能在模型结构活参数选值上出现了问题。当运行稳态分析时必须要确保此解交集于一个合理的状态。
运行稳态分析可以很方便的认识到模型变量之间的关系，通过稳态方案计算的数值取决于所有模型输入和参数的取值。如：在稳态模型中，出水中的氨取决于排泥率的大小，因为它会影响除氨细菌的生长，所以只要改变排泥率，就可以观察出水中氨的浓度。

动态分析
稳态的过程在现实中不常见且不易得到。要更符合实际的情况，则要运行动态分析来观察随时间变化的变量。进水中组成多样，运行条件的改变，过程的混乱以及设备的失误都会破坏稳态的运行。
动态模型提供了一个更完整的描述，可以验证并补充稳态分析的结果。很多实际工厂不可能做到持续不变的进水，且常常遭受破坏和外部刺激，导致被测变量巨大的波动。实际上，对于很多污水处理设备，动态分析是常规分析而稳态分析则作为一种辅助。
当怀疑运行结果会受到动态破坏时，用动态分析来补充稳态分析结果不失为一个很好的选择。

积分误差和不稳定性
虽然动态模拟的益处良多，但是动态方程的解法更为复杂，一旦做错会给结果带来错误。这其中两个主要问题是数字的不稳定性和计算值与实际值之间的误差。
动态分析要求对模型方程进行数字上的积分，也就是通过对每一个模型状态变量无限近似值来对派生值做估计。当这些过程进行时，常常会出现微小错误即积分误差，这些误差存在于计算值和实际值之间。可以通过设置积分模式参数或者选择不同的积分模式来控制这些误差。在大多数情况下完全可以将误差控制在一个合理的任意的选择范围下。
对于不稳定性来说，它的影响可以很小，诸如变量微小快速的变化，也可以十分巨大，从而导致模拟运行的无效性。这种情况可能是由于使用的积分路径不够有效。
可以通过用多种积分模式来运行同一个模拟这种方法，来确认积分误差或不稳定性存在的问题。如果多次运行后结果有很大的差异，必定有一种模式得出了错误的结果，那么就必须重新调试，改变积分参数直到所有结果都一致。

初始条件
找到动态方程的解最后成了一个初始设定值的问题。大致上，一个动态模型的过程取决于模型方程、输入的参数值以及模型方程的输入、模型输入和模型状态变量的初始设定值。
如果不确定变量初始值，则不可能找到微分方程的唯一解。由于所要观察的过程依赖于这些数值，必须谨慎考虑如何决定初始设定值，获得的结果又如何解释。
设定初始条件的方法有两个：直接赋值、计算0时刻稳态数值并用其作为初始设定值。
利用稳态分析的方法其实要考虑两种情况：
第一种是，在模拟开始（即时刻0）以前，就已经处于稳定状态。在开始以后，模型输入或参数的改变导致发生了一些动态过程
第二种是，在时刻0以前和以后，状态变量都处于动态过程。如果不知道在时刻0以前处于动态过程且初始设定值是直接输入的，那么通过实际测定或基于工程判断，在0时刻以后是否处于动态对形同动态的影响并不明显。但是一个小小的初始设定错误都会导致模拟结果的重大失误。假定初始条件得到良好的估计，系统方程将最终成为可重复的模式，因为这个过程依赖于时间常数。在废水处理过程中，重要的时间常数由水力停留时间（HRT）和污泥龄或称为污泥停留时间（SRT）。如果了解在时刻0以前处于动态过程，那么就可能准确确定派生值从而得出系统模式。

建立模型
建立过程有两个主要的步骤：将画板上的设计方案翻译成ACSL（Advanced Continuous Simulation Language高级连续模拟语言）源代码、编辑并链接源代码产生一个FORTRAN可操作程序。@@ 不要了吧。

模拟模式
模拟模式共有三种：普通（normal）、分析（analyze）、优化（optimize）
普通模式是GPS-X中默认的模拟模式，是从开始到结束的一种动态模拟。分析模式又分为三种：稳态、相动态和时间动态。优化模式又分为时间系列、可能性和DPE（Dynamic parameter estimation）。

模拟控制窗口
三个重要的模拟控制参数是停止时间，信息间隔和延迟时间。数值可以以图表或文本的方式在信息间隔呈现。

运行模拟
在模型加载以后，模拟器处于空闲或活跃状态。模型一加载模拟器就处于空闲状态，等待开始命令。在Interrupt打断后也同样处于空闲状态。在选择开始或急需后，模拟器即出去活跃状态，且结果将会不断出现在所设置的输出窗口中。当模拟器活跃时，可以改变控制变量值，但不可以输入命令，关闭输出窗口，改变情景模式（Scenarios）也不可以修改任何控制和输出窗口的设定信息，这些值可以在模拟器空闲时改变。
加载模型
在加载之前，必须确定已经从当前设计方案中建立了一个模型且必要输出都已经定义完毕。如果输出窗口在打开模拟控制窗口之前打开，那么输出窗口将默认停止时间为0天。如果不重新建立可执行模型就改变模型设计方案，那么已经加载了的模型可能不会反应出这些改变情况。
发布模拟器命令
     
开始模拟
当模拟控制窗口打开且模型加载后，就可以执行模拟了，可是是稳态也可以是动态的。
稳态模型：retries
动态模拟：
使用情景模式
在每一个情景模式中，可以确定模型参数的改变方式，可以用此来定义情景模式并进行保存在今后使用。情景模式其实是当你对改变对象数据输入形式时记录下来的一列命令。
情景模式只有在开始以后才重放，这意味着在模拟过程中或者开始以后的空闲状态下以及在停止之前都不可以再行选择情景模式。也就是不可以打断模拟之后选择一个情景模式，继续并且使模式重放。
模型参数的变化将会要求重现建立模型，而这个变化是不可以设置在情景模式中的。
创建一个新的情景模式


第十一章 优化工具（Optimization Tools）
在废水处理中，优化工具的主要应用范围是模型校准（model calibration）如参数评估（parameter estimation）、过程设计（process design）、过程优化（process optimization）。
参数评估，模型建立后常常需要将模型适合于实际数据。通常，在不同工厂里，计量参数是常数，而物理、操作和动力学的属性却大不相同。所以如果要用模型进行预测模拟，那么就必须对模型实行校准。
过程设计和优化，比如在特定出水要求下设计工厂，或者在工厂混乱时为降低悬浮固体损失寻找最好的操作代码。
在GPS-X中，优化问题可以被简单的描述为数据合理问题。用户只要提供数据，选择客观函数和重要参数，并且选择需要合理化的模型对应变量。优化器将会调节参数直到客观函数最小化。客观函数（objective function）用来测量目标数据和模型对应数据值之间的区别。

优化类型
优化模块可以处理三种不同的过程测量：时间系列测量（time series measurements）、长期操作数据测量即原始过程平均值测量（long term operational data measurement）和在线测量（on-line measurements）。在GPS-X中，优化问题的类型则有：时间系列（Time Series），概率（Probability）和动态参数评估（DPE）。

时间系列
 既可以用作参数评估也可以用作过程优化，可处理时间系列以及稳态测量。这种类型的优化需要以文件的形式输入已测数据，文件扩展名为.dat，
 由于参数评估涉及动态模型，输入的数据应当是在一系列时间段上每个需要合理化的对应变量值，也就是目标变量。
 稳态优化是一种时间系列优化，每个目标变量值需要一个数据点。这种优化适用于校准那些日平均、周平均或月平均纪录的数据。这些数据常常从复合样本中获取并不能准确地反映真实过程中的时间动态。稳态优化就是用平均数局作为对象，并选择模型参数来调节达到这些值。
 进行过程优化时，只需要在特定时间输入单一目标值就可以了。但是必须使用绝对差别（absolute difference）客观函数。
 GPS-X将会对被预测数据绘制曲线，这样就可以跟踪优化器的进程。在优化运行结束后，最终的预测结果全部显示，就可以直观地了解合理程度了。
 使用时间系列优化时，有以下几种客观函数：绝对差别、相对差、平方和、相对平方和、最大可能性。进行参数评估时应使用最大可能性或平方和这两个客观函数。对于过程设计或优化则常用绝对差别客观函数。优化的结果很大程度上依赖于所选择的客观函数。
 
概率优化
     积累概率图（cumulative probability plots）显示了某一个值可以低于或等于定义值的概率。完全可以修改参数，达到一个真实数据和模拟结果之间更接近的概率图。概率优化主要用于分析长期操作。这里使用的数据是时间平均值，用它来与模拟过程中产生的时间平
均值来做比较。
     可通过概率优化特有的最小化特殊加权误差，来使实际数据和模拟结果之间的积累概 率达到最小，这也是优化的最终效果。值得注意的是，这种优化获得的模型参数值可能与时间系列优化结果有着千差万别。

 动态参数评估
    这种优化方式的提出源于，过程模型的参数并不总是常数，也会随时间而改变。同样DPE对于不了解的过程也可以进行参数评估。若不了解过程，模型结构很可能错误，这样模型可能只可以在短时间间隔内呈现数据。DPE就可以帮助补偿这种模型误差并对被测数据进行合理化。另一种情况就是DPE可以探测过程的变化和紊乱，如果某一参数对过程变化十分敏感，那么就可以提前对过程变化和紊乱进行提示和警告。
     在GPS-X中，DPE通过将时间系列优化过程应用到运动时间窗口而完成。它是用前一组的评估参数作为起始来计算每一个时间窗口的评估参数。这个过程也可以基于时时更新的数据文件（在线数据）或者时间系列数据文件来完成。在使用DPE时对时间系列优化可以用任意的客观函数。
     时间窗口的长度控制着参数更新的频率，时间长度越短，参数更新越频繁。所以当使用短时间窗口时有必要过滤数据以剔除噪音。使用DPE时，为确保合适的优化路径终点，最好将时间窗口设置为信息间隔的整数倍。

关于动态模拟优化的初始条件
动态模拟优化可以使用稳态解决器进行初始条件设定，也可以自己设定初始评估。这是由目标数据以及对系统动态过程和初始模拟形态的了解所决定的。
如果动态目标数据包括初始稳态评估，则可以使用稳态解决器来设定初始条件。若在模拟起始就了解到此为绯闻台，那么就可以用实际数据中的初始数据点作为初始条件。

优化变量的选择
在使用优化器以前最好先手动调节参数，这样可以熟悉模型以理解重要参数关系，可以观察到模型参数对于对应变量的作用，这样就可以更好的判断在优化中可使用的合适的独立变量以及目标变量。
优化失败的一个普遍原因就是不合理优化参数的选择。参数的选择应当是那些对定义的目标变量有巨大作用的参数，而这就需要对模型结构的了解和掌握。优化参数过多，参数之间关系就会变得复杂，这样就对优化造成了困难，结果中的参数值就必定会有很大的不确定性。所以最好在优化前，进行几次模拟调节，比较模拟结果和实际数据之间的关系。

建立优化
要使用优化模块，首先必须在重新建立模型后充分详细指定优化模式。模型的重新设定时在模拟时插入优化指令的必要条件。包含必要目标数据的数据文件应当首先准备好。注意当进行概率优化时，数据中必须包含日平均值。

选择优化类型
选择客观函数（在概率优化中只能定义一种目标变量）
选择目标变量：目标变量通常就是在普通模拟中选定的变量。对于时间系列和DPE优化可以选择其他目标变量但是要记住数据要求和多重目标优化要求的计算次数是禁止的。当GPS-X除于优化模式，就不可以再选择输出变量了，若要设置输出变量则需在选择优化模式以前完成。
选择优化变量：这些变量将由优化器来调节，以使客观函数最小化。在优化模式状态下，可以定义一个变量作为优化控制，这样就可以方便的进行有范围的优化。
优化模式设定：优化器包括很多项目，有两个必须在重新建立和运行优化前设定，优化参数个数和数据点个数。优化参数个数和定义的优化变量（设置的优化控制）数量一致。数据点个数则多于或者等于时间数值个数，也就是目标变量又一个控制值。其余参数包括四个重点标准，可以在初次尝试是选用默认值，而后再进行改进。

建立模型/优化器
    使用build建立菜单。
运行优化器
在运行优化以前，首先要建立好优化的输出和结果，尤其要将目标变量建立在不同的图表上。
当选择不同模式（编辑，分析，优化）时，控制和输出的形式也不同，所以在模型加载和改变后，需要重新显示控制和输出窗口：1.显示模拟控制窗口2.加载模型3.改变模拟模式4.显示控制窗口5.显示输出窗口6.窗口合理化7.开始模拟。
注意，在概率优化中，时间系列图并努能提供直观的合理程度，此时的优化是建立在数据的数字属性而不是个体取值上的。如要评估概率优化的结果，最好对原始数据和模拟数值都做好概率图。

故障
确认已经调整到合理优化模式。
确认目标数据文件设置正确。
检查优化器参数设置以确认属性定义准确。
需要显示目标变量，则必须将其设置为显示变量用图表的方式表达。
只将对目标变量或者非独立变量有巨大作用的变量设为参数，若无法讲客观函数最小化那么必定有优化变量选择的不合理性。
单一模式设置可以强烈影响优化效果。
检查优化器是否集合在一个合理的解，有必要多次运行来获取一个最小的最小值。

就是这样啦 好累 呼呼