杜建雯，施小清，徐紅霞，吳吉春

(南京大學(xué)地球科學(xué)與工程學(xué)院/表生地球化學(xué)教育部重點(diǎn)試驗(yàn)室，江蘇 南京 210023)

隨著石油化工產(chǎn)業(yè)的迅速發(fā)展，大量石化液體產(chǎn)品在其貯存及運(yùn)輸過程中通過土壤進(jìn)入地下水環(huán)境，這種化工產(chǎn)品多以非水相液體(Non-Aqueous Phase Liquids，簡(jiǎn)稱NAPLs)的形式存在于地下水環(huán)境中，毒性大且難去除，對(duì)生態(tài)環(huán)境和人類健康造成巨大的威脅[1]。生物修復(fù)治理技術(shù)是地下水有機(jī)污染物治理方法之一，研究始于20世紀(jì)80年代，并不斷發(fā)展[2]。其中原位生物修復(fù)技術(shù)是一種無需將地下水抽出，直接利用微生物好氧或厭氧降解有毒有機(jī)物的方法[3]，已被普遍認(rèn)為是最具有發(fā)展?jié)摿Φ牡叵滤G色修復(fù)技術(shù)，具有成本低，安全高效，無二次污染等優(yōu)點(diǎn)[4]。

目前常采用Monod動(dòng)力學(xué)方程[5-6]描述地下水中非水相有機(jī)污染物微生物降解過程。Monod模型考慮基質(zhì)、電子受體以及營(yíng)養(yǎng)物質(zhì)對(duì)基質(zhì)吸收率的共同影響，涉及參數(shù)較多，包括濃度、半飽和常數(shù)以及各種抑制因子[7]，因此基于觀測(cè)數(shù)據(jù)反演參數(shù)存在較大的不確定性。采用敏感性分析可以識(shí)別出重要參數(shù)，降低參數(shù)估計(jì)維數(shù)，利于參數(shù)反演[8-14]。

敏感性分析包括局部敏感性分析[15]和全局敏感性分析[16-18]，已被廣泛應(yīng)用于水文地質(zhì)和工程地質(zhì)等多個(gè)領(lǐng)域[19-28]。局部敏感性分析方法基于響應(yīng)變量對(duì)參數(shù)的局部導(dǎo)數(shù)評(píng)價(jià)敏感性，計(jì)算量較小，但易受參數(shù)的空間位置影響，且不能考慮參數(shù)間的相互作用。對(duì)于高度非線性、參數(shù)間存在相關(guān)性的復(fù)雜系統(tǒng)，會(huì)因沒有考慮參數(shù)間的關(guān)聯(lián)性而低估不確定性[29]。全局敏感性分析方法則相對(duì)具有更多優(yōu)勢(shì)，它在整個(gè)參數(shù)空間進(jìn)行取樣，可更加全面地反映參數(shù)變化對(duì)響應(yīng)變量的影響，并且在參數(shù)間存在非線性和相互作用的情況下也可提供可靠的結(jié)果[15-18]。

目前常用的全局敏感性分析方法為Morris法[30]和Sobol’法[31]。前者對(duì)參數(shù)的相對(duì)敏感性大小進(jìn)行評(píng)價(jià)，是一種定性分析方法；后者可量化評(píng)價(jià)各參數(shù)對(duì)輸出不確定性的單獨(dú)貢獻(xiàn)以及共同影響。但Sobol’法較Morris法所需樣本數(shù)量更多，通常先采用Morris法篩選出敏感性較高的參數(shù)，再采用Sobol’法進(jìn)一步定量分析[12-14]。

然而，目前開展的敏感性分析一般只關(guān)注敏感性的一個(gè)整體平均情況和隨空間的變化[8-13,19-25]，敏感性隨時(shí)間變化研究較少[26-28]。但是分析不同時(shí)間段的敏感性情況，對(duì)全面識(shí)別參數(shù)敏感性，進(jìn)而指導(dǎo)參數(shù)反演和決策優(yōu)化都有著重要意義。例如，羅躍[26]等對(duì)不同變形階段和參數(shù)區(qū)間的地面沉降模型參數(shù)進(jìn)行全局敏感性分析，發(fā)現(xiàn)模型可在不同階段分別進(jìn)行參數(shù)反演；Bea等[27]通過分析反應(yīng)運(yùn)移模型參數(shù)的全局敏感性時(shí)空變化，更好地理解和評(píng)估了污染場(chǎng)地修復(fù)策略隨時(shí)間的變化(即在修復(fù)的不同階段可采用不同的修復(fù)策略)。此外研究敏感性在時(shí)間維度上的變化還可以幫助理解研究過程。例如，Valsala等[28]通過分析流量和吸附參數(shù)的敏感性隨時(shí)間變化，揭示了微生物和膠體對(duì)含水層中溶解苯類組分濃度分布的影響過程。因此有必要開展敏感性隨時(shí)間變化的研究，全面分析生物降解模型參數(shù)的敏感性，更好地理解生物降解過程并指導(dǎo)參數(shù)反演。

本文以甲苯好氧生物降解的一維砂柱試驗(yàn)為研究對(duì)象，基于TMVOCBio軟件模擬生物降解過程。以砂柱右端甲苯濃度為響應(yīng)變量，采用iTOUGH2[32]反演軟件進(jìn)行Morris法和Sobol’法全局敏感性時(shí)變分析。研究結(jié)果有助于深入理解Monod模型所描述的好氧生物降解過程，并為相關(guān)試驗(yàn)設(shè)計(jì)優(yōu)化提供參考。

1 研究方法

1.1 概念模型

基于Macquarrie等[33]為理解地下水有機(jī)污染物生物降解過程開展的一維水平砂柱試驗(yàn)(圖1)。

圖1 一維砂柱好氧生物降解概念模型示意圖Fig.1 Schematic diagram for conceptual model of the aerobic biodegradation in one-dimensional sand-column

假定在一個(gè)長(zhǎng)為26 cm的砂柱中進(jìn)行為期53 d的好氧生物降解試驗(yàn)，砂柱中初始微生物0.23 mg/L、氧氣6 mg/L、甲苯0 mg/L，在砂柱左端以0.62 m/d的流速連續(xù)注入溶有甲苯(濃度為0.4 mg/L)和氧氣(濃度為6 mg/L)的水溶液，在右端觀測(cè)流出液中的甲苯濃度。

將該一維模型水平剖分為68個(gè)網(wǎng)格單元，除左右兩端分別有2個(gè)、3個(gè)網(wǎng)格精細(xì)離散外，其余63個(gè)網(wǎng)格均離散為0.4 cm長(zhǎng)。模型兩端為第二類流量邊界，相關(guān)參數(shù)值基于Macquarrie等[33]的砂柱試驗(yàn)參數(shù)設(shè)定(表1)。

表1 模型降解過程參數(shù)及試驗(yàn)條件參數(shù)取值[33]Table 1 Biodegradational and experimental parameters value

1.2 數(shù)學(xué)模型

基于TMVOCBio模擬試驗(yàn)過程，它采用改進(jìn)的Monod動(dòng)力學(xué)速率方程描述NAPLs生物降解過程[7]?？紤]基質(zhì)以及電子受體對(duì)基質(zhì)吸收率的限制，包括濃度、半飽和常數(shù)以及各種抑制因子；忽略阻滯作用、生物相中的擴(kuò)散、微生物遷移、微生物生長(zhǎng)引起的孔隙度變化及其對(duì)介質(zhì)滲透性的影響(堵塞)，并認(rèn)為所有生物量都是有活性的[7]。

根據(jù)控制基質(zhì)吸收率的限制因素，該方程有兩種形式：(1)所有限制因素共同影響基質(zhì)吸收率的多重Monod動(dòng)力學(xué)方程；(2)只由主要限制因素控制基質(zhì)吸收速率的最小Monod動(dòng)力學(xué)方程[7]。假設(shè)所有限制因素共同影響基質(zhì)的吸收率，即采用多重Monod動(dòng)力學(xué)方程來描述生物降解反應(yīng)：

(1)

(2)

(3)

式中：S——基質(zhì)濃度/(kg基質(zhì)·(kg水)-1)；

t——時(shí)間/s；

B——生物量濃度/(kg生物量·(kg水)-1)；

μOB——單位基質(zhì)利用率(按生物量計(jì)，/(kg基質(zhì)·(kg生物量·s)-1))；

μmax,B——最大單位基質(zhì)利用率(按生物量計(jì)，/(kg基質(zhì)·(kg生物量·s)-1))；

INC——非競(jìng)爭(zhēng)性抑制因子；

IB——生物量抑制因子；

fT——溫度的抑制函數(shù)；

fSW——水飽和度的抑制函數(shù)(1或0)；

fMonod——Monod動(dòng)力速率項(xiàng)；

S——基質(zhì)濃度(kg基質(zhì)/kg水)；

E——電子受體濃度(kg電子受體/kg水)；

IC——競(jìng)爭(zhēng)抑制因子；

IH——Haldane毒性抑制因子；

KS,B——基質(zhì)半飽和常數(shù)/(kg基質(zhì)·(kg水)-1)，是生長(zhǎng)率為最大生長(zhǎng)率一半時(shí)的基質(zhì)濃度；

KE,B——電子受體半飽和常數(shù)/(kg電子受體·(kg水)-1)，是生長(zhǎng)率為最大生長(zhǎng)率一半時(shí)的電子受體濃度。

1.3 全局敏感性分析方法

本文采用iTOUGH2反演軟件進(jìn)行Morris和Sobol’全局敏感性分析。iTOUGH2是美國(guó)勞倫斯Berkeley試驗(yàn)室開發(fā)的具有參數(shù)反演、全局敏感性分析和不確定性分析功能的軟件，屬TOUGH[34]家族系列軟件，在國(guó)內(nèi)外多相流逆問題領(lǐng)域已得到了廣泛的應(yīng)用[35-37]。相對(duì)而言，全局敏感性功能國(guó)內(nèi)應(yīng)用較少[29]。

1.3.1Morris法

Morris OAT(One-at-A-Time)法[17,27]是一個(gè)基于差分的全局敏感性分析方法，取樣方法為一次只改變一個(gè)參數(shù)變量，主要用于定性識(shí)別和篩選較敏感的輸入?yún)?shù)。假定對(duì)n個(gè)參數(shù)進(jìn)行Morris敏感性分析，首先將n個(gè)參數(shù)空間[pi,min,pi,max]均分為(k-1)份，并將參數(shù)增量固定為Δi=Δ(pi,max-pi,min)，其中Δ=k/{2(k-1)}。然后從集合{0,1/(k-1),2/(k-1),…,1-Δ}中為每個(gè)參數(shù)隨機(jī)選取一個(gè)輔助點(diǎn)ξi，代入pi=pi,min+ξi(pi,max-pi,min)中得到隨機(jī)參數(shù)值pi并組成隨機(jī)參數(shù)集p。每個(gè)隨機(jī)參數(shù)集需進(jìn)行(n+1)次敏感性運(yùn)算，每次運(yùn)算將依次隨機(jī)變化一個(gè)參數(shù)pi為(pi+Δi)，計(jì)算該參數(shù)pi的“主效應(yīng)”EEi：

(4)

式中：f——響應(yīng)函數(shù)；

P——n維隨機(jī)參數(shù)集；

pi——第i個(gè)參數(shù)；

Δi——固定增量；

σz——比例因子，一般取觀測(cè)值的標(biāo)準(zhǔn)差；

z——響應(yīng)變量。

對(duì)于r個(gè)隨機(jī)參數(shù)集來說，需根據(jù)式(4)進(jìn)行r(n+1)次敏感性運(yùn)算得到各參數(shù)的EES集合。再計(jì)算出三個(gè)統(tǒng)計(jì)量作為Morris敏感性指標(biāo)：平均值(meanEE)，絕對(duì)值的平均值(mean |EE|)和標(biāo)準(zhǔn)差(SDEE)。其中meanEE和mean |EE|代表各參數(shù)在參數(shù)空間上的平均影響，視為全局敏感性指標(biāo)；SDEE則用來識(shí)別非線性和相互作用效應(yīng)(即參數(shù)間的相互作用對(duì)系統(tǒng)響應(yīng)的影響)。

1.3.2Sobol’法

Sobol’法[17,28]是一種基于方差的全局敏感性分析方法，用于定量參數(shù)對(duì)系統(tǒng)響應(yīng)的貢獻(xiàn)度并分析相互作用效應(yīng)。首先定義隨機(jī)變量Z和隨機(jī)向量P=[P1,P2,P3,…,Pn]，分別代表系統(tǒng)響應(yīng)和參數(shù)組，Pi為參數(shù)組中的第i個(gè)參數(shù)。然后定義兩個(gè)條件方差作為Sobol’敏感性指標(biāo)，分別為一階敏感性指數(shù)Si(Sobol’ Index)和總敏感性指數(shù)Sti(Sobol’ Total Sensitivity Index)。

一階敏感性指數(shù)Si定義為:

(5)

式中：E[·] ——均值；

V[·]——方差；

E[Z|Pi]——參數(shù)Pi單獨(dú)變化引起的響應(yīng)變量Z的平均變化。

Si量化了一階效應(yīng)，即參數(shù)Pi單一變化時(shí)對(duì)響應(yīng)變量Z不確定度的貢獻(xiàn)，不考慮相互作用效應(yīng)。

總敏感性指數(shù)Sti定義為:

(6)

式中：E[·]——均值；

V[·]——方差；

E[Z|P-i]——除參數(shù)Pi外其余參數(shù)變化引起的響應(yīng)變量Z的平均變化。

Sti計(jì)算了參數(shù)Pi及其與其他參數(shù)間的相互作用對(duì)響應(yīng)變量Z的總效應(yīng)。

通過分析Sti與Si差值的大小變化，可單獨(dú)識(shí)別相互作用效應(yīng)，即多個(gè)參數(shù)共同作用時(shí)對(duì)單個(gè)參數(shù)敏感性的影響[17]。相互作用效應(yīng)越小，多參數(shù)的共同作用對(duì)單個(gè)參數(shù)的影響越小，越有利于對(duì)單個(gè)參數(shù)的反演識(shí)別。

2 結(jié)果分析

為理解好氧生物降解過程以及試驗(yàn)條件的影響，選取了降解過程參數(shù)和試驗(yàn)條件參數(shù)兩類參數(shù)進(jìn)行全局敏感性分析。采用Morris法探討了降解過程參數(shù)和試驗(yàn)條件參數(shù)對(duì)模型輸出結(jié)果的影響，然后使用Sobol’法定量分析了Morris法中敏感性較大的參數(shù)，并對(duì)參數(shù)間相互作用進(jìn)行了分析。降解過程參數(shù)包括最大單位基質(zhì)降解速率k、甲苯半飽和常數(shù)KS和氧氣半飽和常數(shù)KE，由于采用Macquarrie試驗(yàn)[33]的反演估計(jì)值，故將不確定性范圍設(shè)為15%[9]。試驗(yàn)條件參數(shù)包括水的注入速率rwat、甲苯的注入速率rtol和氧氣的注入速率ro2，根據(jù)試驗(yàn)操作可能造成的偏差[33]，將不確定性范圍設(shè)為20%。參數(shù)取值范圍見表2。

2.1 Morris法分析結(jié)果

取砂柱右端甲苯濃度為響應(yīng)變量，利用Morris法對(duì)表2中6個(gè)參數(shù)重復(fù)抽樣120次，對(duì)獲得的840組樣點(diǎn)進(jìn)行敏感性分析，分析結(jié)果如圖2和圖3所示。圖2為Morris敏感性指標(biāo)EE的標(biāo)準(zhǔn)差SDEE與絕對(duì)值均值mean |EE|的整體平均情況對(duì)比圖。根據(jù)橫軸mean |EE|得各參數(shù)敏感性排序?yàn)?rtol>rwat>k>KS>ro2>KE。根據(jù)縱軸SDEE得各參數(shù)相互作用效應(yīng)排序?yàn)?rwat>rtol>k>KS>ro2>KE。

表2 全局敏感性分析的參數(shù)范圍Table 2 Parameters range of global sensitivity analysis

圖2 Morris敏感性整體平均結(jié)果Fig.2 Average results of Morris sensitivity analysis

圖3為同一響應(yīng)變量下各參數(shù)的mean |EE|隨時(shí)間變化曲線。從圖3可以看出各參數(shù)的敏感性是隨時(shí)間不斷變化的，同時(shí)參數(shù)間的敏感性排序也隨時(shí)間不斷變化。試驗(yàn)早期敏感性排序?yàn)閞tol>rwat>k>KS>ro2>KE，與Morris敏感性指標(biāo)得到的結(jié)果一致。而試驗(yàn)晚期呈現(xiàn)出完全不同的順序:k>KS>rwat>rtol>ro2>KE。說明傳統(tǒng)的分析只比較某時(shí)刻或整體平均結(jié)果的敏感性(圖2)，并不能代表整個(gè)試驗(yàn)過程的敏感性情況，故應(yīng)展開敏感性隨時(shí)間變化的研究，全面識(shí)別參數(shù)敏感性。

通過進(jìn)一步分析參數(shù)敏感性時(shí)變曲線發(fā)現(xiàn):(1)微生物好氧降解能力隨時(shí)間變化先提高后減弱。由圖3可知，降解過程參數(shù)k、KS和KE的敏感性隨時(shí)間先逐漸增大后有所減小，即最初右端的甲苯濃度幾乎不受降解過程參數(shù)的影響，故微生物降解開始進(jìn)行；隨著時(shí)間推移，降解過程參數(shù)對(duì)響應(yīng)變量影響變大，即微生物不斷降解甲苯；直至試驗(yàn)中期的某一時(shí)刻，降解過程參數(shù)對(duì)響應(yīng)變量的影響達(dá)到最大，說明微生物降解能力達(dá)到最佳；再之后試驗(yàn)進(jìn)入晚期，降解過程參數(shù)的影響程度開始減小，微生物降解逐漸衰弱。(2)該生物降解模型氧氣充足。由于圖3中氧氣相關(guān)參數(shù)ro2和KE的敏感性在整個(gè)好氧降解過程中總是很小，即一個(gè)好氧生物降解試驗(yàn)幾乎可以不受氧氣影響，故認(rèn)為試驗(yàn)中氧氣充足。(3)試驗(yàn)晚期(敏感性較大的時(shí)間段)的數(shù)據(jù)更利于降解過程參數(shù)反演。從圖3可看出，降解過程參數(shù)的敏感性直到試驗(yàn)晚期才達(dá)到最大，且之后逐漸減小，因此精確觀測(cè)試驗(yàn)晚期數(shù)據(jù)更利于反演降解過程參數(shù)。(4)不同階段試驗(yàn)條件控制標(biāo)準(zhǔn)可以不同。從圖3試驗(yàn)條件參數(shù)rwat和rtol的敏感性變化發(fā)現(xiàn)，試驗(yàn)條件參數(shù)在早期敏感性較大，在試驗(yàn)中期和晚期相對(duì)較小，說明早期試驗(yàn)條件控制不當(dāng)對(duì)于觀測(cè)值的影響大于試驗(yàn)中期和晚期，因此早期的試驗(yàn)條件控制應(yīng)嚴(yán)于試驗(yàn)中、晚期。

圖3 Morris敏感性結(jié)果時(shí)變曲線Fig.3 Morris time-dependent sensitivity curves

2.2 Sobol’法分析結(jié)果

考慮到Morris法僅定性說明參數(shù)敏感性，故進(jìn)一步采用Sobol’法定量參數(shù)對(duì)響應(yīng)變量的相對(duì)貢獻(xiàn)度，并分析參數(shù)間的相互作用效應(yīng)。此處只針對(duì)前文Morris法中敏感性較大的參數(shù)即最大單位基質(zhì)降解速率k、甲苯半飽和常數(shù)KS、水的注入速率rwat和甲苯的注入速率rtol進(jìn)行Sobol’法敏感性分析，并仍以右端甲苯濃度為響應(yīng)變量。Sobol’法中共選取2 500個(gè)樣點(diǎn)，分析結(jié)果見圖4。

圖4為以右端甲苯濃度為響應(yīng)變量時(shí)，模型部分參數(shù)的一階敏感性指數(shù)Si(實(shí)線)與總敏感性指數(shù)Sti(虛線)隨時(shí)間變化曲線。分析Si的變化趨勢(shì)發(fā)現(xiàn)，參數(shù)的一階敏感性排序情況(圖4)與Morris分析結(jié)果(圖3)基本一致。試驗(yàn)早期rwat與rtol對(duì)響應(yīng)變量的貢獻(xiàn)較大，貢獻(xiàn)度分別約為45%和53%。試驗(yàn)晚期k的貢獻(xiàn)最大，貢獻(xiàn)度為49%～62%；KS的貢獻(xiàn)次之，貢獻(xiàn)度約在25%。

圖4 模型降解過程參數(shù)的Sobol’敏感性指標(biāo)時(shí)變曲線Fig.4 Sobol’ time-dependent sensitivity curves at main biodegradational parameters

對(duì)圖4中各參數(shù)的Sti與Si的差值進(jìn)行時(shí)變分析發(fā)現(xiàn)：(1)Sti在整個(gè)試驗(yàn)過程中均較Si略有增加，且Sti較Si的增加幅度隨時(shí)間先增大后減小。即該試驗(yàn)過程中參數(shù)間存在相互作用，且該相互作用增大了參數(shù)單一變化時(shí)對(duì)響應(yīng)變量的貢獻(xiàn)。從圖4中可以觀察該相互作用效應(yīng)隨時(shí)間先增大后減小。其中，增加幅度變化最小的參數(shù)KS在試驗(yàn)早期和晚期的Sti較Si的增值近乎為0，在中期增大為2%；增加幅度變化最大的參數(shù)k在試驗(yàn)早期和晚期的增值同樣約為0，在中期則達(dá)6%。(2)試驗(yàn)早期和晚期的數(shù)據(jù)更利于降解過程參數(shù)反演。這是由于相互作用效應(yīng)隨試驗(yàn)先增大后減小，選擇相互作用效應(yīng)相對(duì)較小的試驗(yàn)早期和晚期更利于參數(shù)反演。同時(shí)可以根據(jù)圖4對(duì)相互作用效應(yīng)排序進(jìn)行時(shí)變分析，將比圖2的SDEE的整體平均排序更能反映實(shí)際情況。

3 結(jié)論與展望

為深入理解好氧生物降解過程以及試驗(yàn)條件的影響，本文以一個(gè)好氧生物降解甲苯的一維砂柱試驗(yàn)為例，采用iTOUGH2反演軟件中的Morris法和Sobol’法，以砂柱右端甲苯濃度為響應(yīng)變量，分析了模型降解過程參數(shù)和試驗(yàn)條件參數(shù)兩類參數(shù)的全局敏感性。其中降解過程參數(shù)包括最大單位基質(zhì)降解速率k、甲苯半飽和常數(shù)KS和氧氣半飽和常數(shù)KE。試驗(yàn)條件參數(shù)包括水的注入速率rwat、甲苯的注入速率rtol和氧氣的注入速率ro2。研究表明：

(1)基于iTOUGH2進(jìn)行全局敏感性分析可得到參數(shù)敏感性隨時(shí)間變化曲線，有助于理解研究過程。對(duì)于好氧生物降解模型，敏感性排序隨時(shí)間發(fā)生變化，早期試驗(yàn)條件參數(shù)敏感性較大(一階敏感性均多于40%)，排序?yàn)閞tol>rwat>k>KS>ro2>KE；晚期降解過程參數(shù)敏感性較大(k的一階敏感性為49%～62%)，排序?yàn)閗>KS>rwat>rtol>ro2>KE。這是因?yàn)楹醚跎锝到饽芰﹄S時(shí)間先逐漸增大而后又稍有減小，從而導(dǎo)致降解過程參數(shù)的敏感性較試驗(yàn)條件參數(shù)由大變小。同時(shí)參數(shù)間相互作用效應(yīng)也隨時(shí)間發(fā)生變化，本例表現(xiàn)為參數(shù)間的相互作用增大了參數(shù)單一變化時(shí)的影響，且該相互作用效應(yīng)隨時(shí)間先增大后減小。

(2)根據(jù)全局敏感性時(shí)變分析可識(shí)別出試驗(yàn)過程中參數(shù)敏感性較大且相互作用效應(yīng)較小的時(shí)段，采用此階段的試驗(yàn)數(shù)據(jù)更有利于參數(shù)反演。對(duì)于本例，試驗(yàn)晚期的數(shù)據(jù)較其他時(shí)段更利于降解過程參數(shù)的反演估算。同時(shí)為避免試驗(yàn)條件控制不當(dāng)導(dǎo)致觀測(cè)數(shù)據(jù)誤差增大，試驗(yàn)條件的早期控制應(yīng)嚴(yán)于試驗(yàn)中、晚期。后續(xù)可繼續(xù)在iTOUGH2框架上進(jìn)行數(shù)據(jù)價(jià)值分析，可幫助敏感性分析更精準(zhǔn)的指導(dǎo)試驗(yàn)設(shè)計(jì)和反演求參。