the uncertainty as the analysis pro

the uncertainty as the analysis proceeds. Models should
be selected (simple versus complex) in part on the basis
of the data available to support their use.
Water quality models of water bodies receiving
pollutant discharges require those pollutant loadings as
input data. These pollutant discharges can be from point
and non-point sources. Point source discharges are much
easier to measure, monitor and estimate than non-point
source inputs. Non-point discharge data often come
from rainfall–runoff models that attempt to predict the
quantity of runoff and its constituent concentrations. The
reliability of the predictions from these models is not very
good, especially if short time periods (e.g. each day or
week) are being simulated. Their average values over
longer time periods (e.g. a month or year) tend to be
more reliable. This is mainly because the short-term
inputs to those models, such as constituent loadings on
the land and the rainfall within an area, can vary over
space and time within the area and time period being
simulated, and are typically not known with any precision.
Chapter 13 reviews some of these loading models
and their limitations.

Kết quả (Việt) 1:

sự không chắc chắn là tiến hành phân tích. Mô hình nênlà lựa chọn (đơn giản so với phức tạp) một phần trên cơ sởdữ liệu có sẵn để hỗ trợ sử dụng của họ.Mô hình chất lượng nước của các cơ quan nước tiếp nhậnchất gây ô nhiễm nước yêu cầu khi những chất gây ô nhiễm nhưđầu vào dữ liệu. Thải các chất ô nhiễm có thể từ điểmvà phòng không điểm nguồn. Điểm nguồn thải là nhiềudễ dàng hơn để đo lường, giám sát và ước tính hơn không-điểmnguồn đầu vào. Phòng Không điểm xả dữ liệu thường xuyên đitừ mô hình lượng mưa-dòng chảy cố gắng để dự đoán cácsố lượng của dòng chảy và nồng độ thành phần của nó. Cácđộ tin cậy của các dự đoán từ các mô hình này không phải là rấttốt, đặc biệt là nếu ngắn thời gian thời gian (ví dụ: mỗi ngày hoặctuần) đang được mô phỏng. Giá trị trung bình của họ hơnthời gian thời gian dài hơn (ví dụ như một tháng hoặc năm) có xu hướngđáng tin cậy hơn. Đây là chủ yếu là vì ngắn hạnđầu vào cho những mô hình, chẳng hạn như khi thành phần trênđất và lượng mưa trong một khu vực, có thể thay đổi theokhông gian và thời gian trong khu vực và thời gian đang giai đoạnMô phỏng, và thường không được biết đến với độ chính xác bất kỳ.Chương 13 giá một số các mô hình tảivà giới hạn của họ.

Kết quả (Việt) 2:

sự không chắc chắn là số tiền thu được phân tích. Mô hình nên
được lựa chọn (đơn giản so với phức tạp) ở phần trên cơ sở
các dữ liệu có sẵn để hỗ trợ họ sử dụng.
mô hình chất lượng nước của nguồn nước mặt
ô nhiễm thải đòi hỏi những tải trọng ô nhiễm như
dữ liệu đầu vào. Những thải chất gây ô nhiễm có thể từ điểm
nguồn và không điểm. Thải nguồn điểm là nhiều
dễ dàng hơn để đo lường, giám sát và ước tính hơn những người không điểm
đầu vào nguồn. Số liệu cho ra Non-point thường đến
từ các mô hình lượng mưa-dòng chảy mà cố gắng để dự đoán
số lượng của dòng chảy và nồng độ cấu thành của nó. Các
độ tin cậy của các dự báo từ các mô hình này không phải là rất
tốt, đặc biệt là nếu khoảng thời gian ngắn (ví dụ như mỗi ngày hoặc mỗi
tuần) đều được mô phỏng. Giá trị trung bình của họ
khoảng thời gian dài hơn (ví dụ như một tháng hoặc năm) có xu hướng
đáng tin cậy hơn. Điều này chủ yếu là do ngắn hạn
đầu vào cho các mô hình, chẳng hạn như tải trọng cấu thành trên
đất và lượng mưa trong một khu vực, có thể thay đổi theo
không gian và thời gian trong khu vực và thời kỳ được
mô phỏng, và thường không được biết đến với bất kỳ chính xác .
Chương 13 ý kiến một số các mô hình tải
và hạn chế của họ.