Проведен сравнительный анализ применения алгоритмов прямого поиска для выполнения автоматической настройки и оценки значений параметров двух моделей нестратифицированных водных экосистем – Невской губы (НГ) и Вислинского залива (ВЗ) Балтийского моря. Обе модели построены на одних и тех же методологических принципах, однако имеют разную структуру, разное количество модельных переменных и эмпирических параметров. Биогидрохимический блок является основным структурным компонентом обеих моделей. Для экосистемы ВЗ он состоит из двух частей: «Планктонного блока» и блока «Бентос». Моделирование процессов трансформации биогенных веществ в заливе проведено совместно для водной среды и верхнего (деятельного) слоя донных отложений. В модели экосистемы НГ используется «Планктонный блок», а все процессы описываются только для водной среды. Моделирование позволяет количественно исследовать механизмы процессов биогидрохимической трансформации: соединений C, N, P и Si в экосистеме ВЗ; соединений N и P – в экосистеме НГ. Обе модели позволяют изучать особенности динамики растворенного в воде кислорода. Моделирование дает возможность учесть взаимодействие компонентов экосистемы при совместном воздействии как природных, так и антропогенных факторов. Модель экосистемы НГ содержит 58 эмпирических параметров, а модель экосистемы ВЗ – 373. Решение задачи поиска наиболее оптимальных значений параметров (калибровки моделей) выполнено с помощью разных алгоритмов оптимизации. В качестве критерия адекватности моделей использован критерий Тейла. Решение оптимизационной задачи основано на компьютерной реализации двухэтапного алгоритма прямого поиска. На первом этапе применяли алгоритм случайного поиска. На втором этапе выполняется локальный поиск. Для его реализации использован модифицированный симплексный метод Нелдера-Мида. Показано, что предлагаемые алгоритмы прямого поиска параметров для биогидрохимического блока имитационных моделей позволяют в целом успешно решать оптимизационную задачу даже при недостаточно полном объеме данных наблюдений и сравнительно высокой их дисперсии. Применяемые алгоритмы эффективны. Они обеспечивают надежность и сходимость получаемых результатов вычислений. Установлено, что для ряда параметров рассмотренных моделей статистически достоверны межгодовые отличия значений параметров. Поэтому для проведения сценарных расчетов и/или решения задач прогнозирования следует с большой осторожностью использовать одни и те же значения модельных параметров для разных лет. Проведена оценка чувствительности моделей к изменениям значений параметров. Сравнительный анализ показал, что группы «ведущих» параметров, которые наиболее сильно влияют на чувствительность имитационных моделей, во многом зависят от структуры модели. Кроме того, параметрическая чувствительность модели может быть обусловлена межгодовыми изменениями условий функционирования экосистемы и последующими за этим перестройками ее структуры и перераспределениями потоков веществ внутри экосистемы.