排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
集合卡尔曼滤波和粒子滤波是大气海洋领域两种先进的数据同化方法。理论上讲,粒子滤波克服了集合卡尔曼滤波中先验分布的高斯假定。但现有的关于两种方法的比较研究不够全面和系统,基于简单的洛伦兹63模式,重点对基于确定性集合卡尔曼滤波和均权重粒子滤波的数据同化方法开展对比分析,通过对观测误差和模式误差的不同配置,设计了四组试验着重研究两种方法相同试验条件下的同化效果。试验结果表明:与采用最优膨胀系数的集合卡尔曼滤波的同化方法相比,均权重粒子滤波的均方根误差更加依赖于观测信息的质量,但最优膨胀因子的集合卡尔曼滤波的均方根误差低于粒子滤波同化方法。 相似文献
2.
在大气和海洋环境研究中,粒子滤波(PF)由于在非线性数据同化方面突出的优势,逐渐成为研究热点。最近改进的均权重粒子滤波(EWPF)为粒子滤波的进一步发展指明了新方向。集合卡尔曼滤波方法 (EAKF)作为当前主要应用的数据同化方法,使用高斯假设和线性假设来解决非线性问题,然而对均权重粒子滤波方法和卡尔曼滤波方法在非线性模式下的同化结果和特点还缺少系统详细的比较研究。本文在非线性耦合气候模式下,比较研究两种同化方法,采用均方根误差(RMSE)作为评价比较标准。实验结果表明,在非线性低频观测耦合模式中EWPF结果均优于EAKF。同时根据RMSE的结果得出,EWPF的同化结果更接近观察结果,而EAKF的同化结果更接近模式真值。 相似文献
3.
1