共查询到17条相似文献，搜索用时 390 毫秒
1.
粒子滤波器(PF)是一种非常具有应用前景的非线性资料同化方法。但由于其算法本身存在的粒子退化问题,目前尚未被广泛地应用于大型地球物理模式。目前主流的集合同化系统仍然倾向于使用集合卡尔曼滤波器(EnKF)及其衍生方法。一种新近被提出的局地化粒子滤波器(LPF)在经典的粒子滤波器算法中引入局地化技术,可以使用较小的计算成本有效地避免退化问题,具有非常大的业务应用潜力。本文在全耦合的通用地球系统模式中开展了LPF和EnKF的同化实验,同化资料为模拟的卫星海表温度资料。着重考察了不同局地化参数对两种方法的不同影响,对比了局地化粒子滤波器与集合卡尔曼滤波器的同化效果差异。比较的结果表明,LPF的同化效果对于局地化参数的选择非常敏感,在使用最优局地化参数的条件下,LPF能达到与EnKF相当甚至优于后者的同化效果,并具有较大的改进空间。 相似文献
2.
《中国海洋大学学报(自然科学版)》2016,(10)
四维变分同化可利用同化窗口内所有可能的观测信息优化大气、海洋模式的初始场,从而极大地提高大气、海洋模式模拟性能,而作为4DVar标准算法的伴随方法始终无法避免繁琐与复杂的预报模式伴随方程的编程、维护以及更新。为避免伴随模式的使用,集合四维变分方法,4DEnVar方法被逐渐开发,为4DVar的求解提供了一种便捷的途径。4DEnVar一般通过局地化过程消除样本不足所造成的虚假相关,而局地化方案的不同也必然会影响到其最终的同化效果。本文将一种集合样本扩展的局地化方案引入到基于Gaussian-Newton迭代算法的非线性集合四维变分同化方法NLS-4DVar中,从而避免了原算法中为进行局地化过程而额外需要的线性化假设,使得算法收敛更稳定。另外,通过将原Gaussian-Newton迭代序列进行变形、避免了矩阵的直接求逆,极大地提高了同化算法的计算效率。利用非线性动力模型Lorenz-96所开展的观测系统模拟试验表明:采用新的样本扩展型局地化方案的NLS-4DVar算法,其同化精度略优于NLS-4DVar原始算法,由于避免了矩阵的直接求逆,其计算效率反而有所提高,同化所需时间有所降低,对于大气与海洋数据同化领域的应用具有极大的潜力。 相似文献
3.
背景误差相关结构的确定是影响海浪同化效果的关键因素之一。集合Kalman滤波是一种较为成熟的同化方法,其可以对背景误差进行实时更新和动态估计,现已广泛应用于海洋和大气领域的研究。本文基于MASNUM-WAM海浪模式,分别采用静态样本集合Kalman滤波和EAKF方法,针对2014年全球海域开展海浪数据同化实验,同化资料为Jason-2卫星高度计数据,利用Saral卫星高度计资料对同化实验结果进行检验。结果表明,两组同化方案均有效提高了海浪模式的模拟水平,EAKF方案在风场变化较大的西风带区域表现显著优于静态样本集合Kalman滤波方案,但总体上两者相差不大。综合考虑计算成本和同化效果,静态样本集合Kalman滤波方案更适用于海浪业务化预报。 相似文献
4.
基于常规三维变分同化（3DVAR）思想和反问题中的正则化技术,提出了适用于风场融合的带正则化约束项的3DVAR方法,在南海海域开展数据融合试验,同时采用模型函数方法确定合理的正则化参数,针对一次台风个例进行了QuikSCAT散射计海面风场数据和华南中尺度模式海面风场数据的融合试验,结果表明采用带正则化约束的3DVAR融合方法,明显消除了常规3DVAR方法融合风场时带来的虚假信息,融合后分析风场以及涡度场和散度场分布均匀,结构清晰,气旋中心显著,且分析场中观测起主导作用;采用信号自由度（DFS）方法对融合方法进行定量评估,发现相对常规3DVAR方法,带正则化约束的3DVAR融合系统中观测数据提供的DFS较多,同时提高了观测场对分析场的影响;基于独立观测资料对融合结果进行检验发现相对华南中尺度模式和常规3DVAR方法的统计结果,带正则化约束的3DVAR方法得到的风场具有最小的均方根误差和最大的相关系数。 相似文献
5.
集合滤波和三维变分混合数据同化方法研究 总被引：2，自引：0，他引：2
发展了一种新的混合数据同化方法——基于集合滤波和三维变分的混合数据同化方法。该方法将集合调整卡尔曼滤波(ensemble adjustment Kalman filter,EAKF)得到的集合样本扰动通过一个转换矩阵的形式直接作用到背景场上,利用顺序滤波的思想得到分析场的一个扰动;然后在三维变分(three dimensional variational analysis,3D-Var)的框架下与观测数据进行拟合,从而给出分析场的最优估计。文中以Lorenz63模型为例,开展了理想数据同化试验,结果表明,相比于集合调整卡尔曼滤波,这种新的混合同化方法可以给出更好的同化结果。 相似文献
6.
风暴潮是一种复杂的对众多因素敏感又备受关注的海洋现象。本文基于协方差局地化的集合卡尔曼滤波方法（EnKF）,选择201810号台风“安比”登陆上海的风暴潮过程,首次将海洋站和FVCOM数值模拟的不同来源、不同误差信息、不同时空分辨率的风暴潮进行数据同化融合,获得了逐72 h的上海海域风暴潮的最优解,进行了同化结果评估验证,并给出了集合样本数和Schur半径设置范围。结果表明,实测计算和数值模拟的风暴增减水之间均方根误差为0.20 m,实测和同化计算的风暴增减水之间均方根误差为0.07 m,准确度提高了65%;独立观测和同化计算的风暴增减水均方根误差为0.09 m,集合离散度与均方根误差比值为0.90,同化效果较好且可信;同化后的风暴增减水能够较好地刻画双峰增水、台风眼增水、增水锋面等特征,对于风暴潮研究、数值模拟结果订正、海洋防灾减灾等有重要意义。 相似文献
7.
MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响 总被引：1，自引：1，他引：0
模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。 相似文献
8.
基于POM(Princeton Ocean Model)建立一个南海北部集合卡曼滤波的同化模式,主要用于卫星海表面温度的同化.模式的平均水平分辨率为5km,垂向分层为20层;侧边界条件嵌套到一个大范围的南海海洋模式,在同化方案上采用一个均方根集合卡曼滤波算法,避免观测的扰动;适当引入局地化算子,消除样本在空间上的虚假相关,同时增加集合样本的自由度.该同化试验同化了2008年夏季6月到7月的GHRSST(Global High-Resolution Sea Surface Temperature),然后采用2008年夏季SCOPE(Northern South China Sea Coastal Oceanographic Process Experiment)航次的温、盐数据对同化结果进行评估.结果表明,相对于未同化模式模拟结果,同化模式温度的改善比较明显,表现在加强了南海北部的上升流,校正了海表温度的偏差,改善了温度的垂向分布.由于集合卡曼滤波是一种多变量调整的同化方法,同化SST不仅能改善表层与次表层的温度分布,而且对流场和盐度的调整也比较明显. 相似文献
9.
10.
EnKF和SIR-PF在贝叶斯滤波框架下的比较和结合 总被引：3，自引：0，他引：3
贝叶斯估计理论为非线性、非高斯系统的数据同化提供了一个统一的框架。在本文中,我们利用著名的洛伦茨吸引子(Lorenz'63)模式对两种基于贝叶斯滤波理论的数据同化方法——集合卡尔曼滤波器(EnKF)和重取样粒子滤波器(SIR-PF)——进行了较为全面的比较。比较的结果揭示了两种方法的优缺点:即当集合成员数目较多时,SIR-PF的同化效果优于EnKF;反之,则EnKF的表现较好。进一步地,我们使用统计方法分析了两者表现的差异和原因。最近提出的一种集合卡尔曼粒子滤波器(EnKPF)通过使用一个可控的参数整合EnKF和SIR-PF的分析格式,可以结合两者的优点。本文在充分比较两种方法的前提下,重新阐释并改进了原有的EnKPF算法,使之适用于非线性的观测算子。通过使用相同的洛伦茨模式实验,我们揭示了EnKPF实质上提供了关于EnKF和SIR-PF的连续插值,使得后两者可以视为其特殊情况。并且,在集合成员数目有限的前提下,EnKPF可以在一定程度上避免滤波退化的发生,取得优于EnKF和SIR-PF的同化效果。 相似文献
11.
传统的四维变分数据同化方法在同化观测资料的同时可以对数值模式参数进行优化,然而传统的四维变分方法需要针对不同的数值模式编写特有的伴随模式,因此算法的可移植性差,同时计算时耗费大量资源。本文提出了一种新的基于解析四维集合变分的参数优化方法,该方法以迭代搜索得到的模式参数为基准展开扰动并构建样本集合,由此显式地计算协方差矩阵,并得到代价函数极小值的解析解,从而避免了伴随模式的使用。基于Lorenz-63模型对该方法进行单参数和多参数数值试验和优化效果检验,并在不同的同化时间窗口长度和观测采样间隔情况下,采用传统四维变分方法与之进行对比,结果显示,新方法表现出与传统四维变分相同的优化性能,都能有效收敛到真值,而新方法不需要计算伴随模式,可移植性好。本文还测试了不同的集合成员个数和模式参数真值的情况下新方法的同化效果,结果表明,新方法对集合样本个数及模型参数真值不敏感,采用较少的集合样本即可完成数据同化。 相似文献
12.
The article proposes parallel implementation of the Ensemble Optimal Interpolation (EnOI) data assimilation (DA) method in eddy-resolving World Ocean circulation model. The results of DA experiments in North Atlantic with ARGO drifters are compared with the multivariate optimal interpolation (MVOI) DA scheme. The sensitivity of the model error, i.e., the difference between the model and observations depending on the number of ensemble elements, is also assessed and presented. The effectiveness of this method over the MVOI scheme is confirmed. The model outputs with and without assimilation are also compared with independent sea surface temperature data from ARMOR 3d. 相似文献
13.
在黄海海雾的数值模拟中,EnKF（ensemble Kalman filter）是一种优于3DVAR（three-dimensional variational）的数据同化方法。研究发现,对EnKF初始场集合体采取常用的集合平均所产生的确定性预报初始场,会出现初始场中海雾在预报开始后就迅速消失以及接下来海雾难以生成的异常现象。通过详细的海雾个例研究,清晰地揭示并解释了此现象,指出这是集合平均造成初始场中云水与温度湿度之间存在不协调关系所导致的后果,并提出了一种择优加权平均方法来取代常用的集合平均。研究结果表明,海雾确定性预报采用择优加权平均所构建的初始场,可以消除上述异常现象,显著改进海雾模拟效果。 相似文献
14.
In atmospheric data assimilation (DA), observations over a 6–12-h time window are used to estimate the state. Non-adaptive moderation or localization functions are widely used in ensemble DA to reduce the amplitude of spurious ensemble correlations. These functions are inappropriate (1) if true error correlation functions move a comparable distance to the localization length scale over the time window and/or (2) if the widths of true error correlation functions are highly flow dependent. A method for generating localization functions that move with the true error correlation functions and that also adapt to the width of the true error correlation function is given. The method uses ensemble correlations raised to a power (ECO-RAP). A gallery of periodic one-dimensional error models is used to show how the method uses error propagation information and error correlation width information retained by powers of raw ensemble correlations to propagate and adaptively adjust the width of the localization function. It is found that ECO-RAP localization outperforms non-adaptive localization when the true errors are propagating or the error correlation length scale is varying and is as good as non-adaptive localization when such variations in error covariance structure are absent. 相似文献
15.
2018年第14号台风“摩羯”对山东造成了大范围暴雨和大风天气,基于WRF（Weather Research and Forecasting）模式及其Hybrid-3DVAR混合同化预报系统,对Hybrid-3DVAR不同集合协方差比例和不同航空气象数据转发（aircraft meteorological data relay,以下简称AMDAR）资料同化时间窗对台风“摩羯”预报的影响进行了数值研究。结果表明：加大集合协方差比例对台风“摩羯”路径预报有较大影响和改进;当全部取来自集合体的流依赖误差协方差时,预报的台风路径最好,降水预报也最接近实况;AMDAR资料同化对于台风路径和降水预报也有正的改进作用,但加大集合协方差比例到100%时对台风路径预报影响更大;不同资料同化时间窗会影响同化的AMDAR资料数量,从而影响台风降水精细化预报;45 min同化时间窗的要素预报误差最小,对台风造成的强降水精细特征预报最接近实况;不同资料同化时间窗主要影响台风降水预报落区分布,对台风路径预报影响相对较小。 相似文献
16.
Surface currents measured by high frequency （HF） radar arrays are assimilated into a regional ocean model over Qingdao coastal waters based on Kalman filter method. A series of numerical experiments are per- formed to evaluate the performance of the data assimilation schemes. In order to optimize the analysis pro- cedure in the traditional ensemble Kalman filter （ENKF）, a different analysis scheme called quasiensemble Kaman filter （QENKF） is proposed. The comparisons between the ENKF and the QENKF suggest that both them can improve the simulated error and the spatial structure. The estimations of the background error covariance （BEC） are also assessed by comparing three different methods： Monte Carlo method; Canadian quick covariance （CQC） method and data uncertainty engine （DUE） method. A significant reduction of the root-mean-square （RMS） errors between model results and the observations shows that the CQC method is able to better reproduce the error statistics for this coastal ocean model and the corresponding external forcing. In addition, the sensibility of the data assimilation system to the ensemble size is also analyzed by means of different scales of the ensemble size used in the experiments. It is found that given the balance of the computational cost and the forecasting accuracy, the ensemble size of 50 will be an appropriate choice in the Qingdao coastal waters. 相似文献
17.
Asynchronous data assimilation with the EnKF 总被引：3，自引：0，他引：3
This study revisits the problem of assimilation of asynchronous observations, or four-dimensional data assimilation, with the ensemble Kalman filter (EnKF). We show that for a system with perfect model and linear dynamics the ensemble Kalman smoother (EnKS) provides a simple and efficient solution for the problem: one just needs to use the ensemble observations (that is, the forecast observations for each ensemble member) from the time of observation during the update, for each assimilated observation. This recipe can be used for assimilating both past and future data; in the context of assimilating generic asynchronous observations we refer to it as the asynchronous EnKF. The asynchronous EnKF is essentially equivalent to the four-dimensional variational data assimilation (4D-Var). It requires only one forward integration of the system to obtain and store the data necessary for the analysis, and therefore is feasible for large-scale applications. Unlike 4D-Var, the asynchronous EnKF requires no tangent linear or adjoint model. 相似文献