文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 理学 > 集合数据同化方法的发展与应用概述
侵权投诉

集合数据同化方法的发展与应用概述

第25卷 第1期Vol125 No11海  洋  学  研  究                2007年3月Mar., 2007JOURNALOFMARINESCIENCES

文章编号:10012909X(2007)0120088207

集合数据同化方法的发展与应用概述

张学峰1,2,3,黄大吉1,2,章本照3,童元正1,2

(11国家海洋局第二海洋研究所,浙江杭州 310012;验室,浙江杭州 310012;31浙江大学,310027)

摘 要:,因此,它们获

得了普及性的应用;。综述了包括集合卡尔

曼滤波,blemanFilter)、集合卡尔曼平滑(EnKS,EnsembleKalman

(EnSRF,EnsembleSquare2RootFilter)和减秩卡尔曼滤波(SEEK,

SingularExtendedKalmanFilter)等集合数据同化方法的研究进展状况。通过与其它

数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在

的问题并展望了该方法的研究和应用前景。

关键词:数据同化;集合数据同化;EnKF;EnKS;EnSRF;SEEK

中图分类号:O14415   文献标识码:A

0 引言

数据同化方法在海洋和气象学科研究中有着广泛的应用,无论是业务数值预报,还是处理常规和非常规的观测资料,数据同化都扮演着一个极为重要的角色。目前,比较先进的数据同化方法有两种:第一种是以最优控制理论为基础的四维变分数据同化方法;第二种是以统计估计理论和集合论为基础的集合数据同化方法。第二种与第一种方法相比具有以下几方面的优势:(1)集合数据同化不仅给出最优估计的分析结果,还给出结果的置信估计区间;(2)集合数据同化不需要建立预报模式的切线性模式和伴随模式,不必在时间上向后积分,代码的编写相对容易;(3)集合数据同化可以弥补由于预报模式本身的误差而导致预报的不确定性问题,改善模式的预报精度。与经典的卡尔曼滤波(KF,KalmanFilter)相比,集合数据同化一方面克服了KF方法不能在强非线性系统中应用的缺陷,另一方面解决了KF方法在计算预报误差协方差时对计算资源需求量过大的问题,在数据同化领域中逐渐扮演起主要角色。集合数据同化主要包括:集合卡尔曼滤波(EnKF,EnsembleKalmanFilter)、集合卡尔曼平滑(EnKS,EnsembleKalmanSmoother)、集合方均根滤波

收稿日期:2005201224

基金项目:国家自然科学基金资助项目(40076010);国家重点基础研究发展规划资助项目(G1999043701)作者简介:张学峰(1978-),男,辽宁本溪市人,硕士,主要从事海洋动力学研究。

第1页

你可能喜欢

  • 相对误差
  • 卡尔曼滤波matlab
  • 数据算法
  • 数据统计分析
  • 计算方法
  • 遥感物理

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email