Информация о публикации

Просмотр записей
Инд. авторы: Климова Е.Г.
Заглавие: Оценка параметров модели с помощью алгоритма ансамблевого сглаживания Калмана
Библ. ссылка: Климова Е.Г. Оценка параметров модели с помощью алгоритма ансамблевого сглаживания Калмана // Труды Международной конференции "Вычислительная математика и математическая геофизика": посвященная 90-летию со дня рождения академика А. С. Алексеева. - 2018. - Новосибирск: Институт вычислительной математики и математической геофизики Сибирского отделения РАН. - С.196-202.
Внешние системы: РИНЦ: 37014779;
Реферат: rus: Оценка состояния окружающей среды по математической модели и данным наблюдений производится с помощью процедуры усвоения данных. Важной составляющей процедуры усвоения данных является оценка не только прогнозируемых величин, но и параметров, не описываемых моделью. В статье предлагается алгоритм совместной оценки прогнозируемых переменных и параметров модели на основе ансамблевого фильтра Калмана. Для использования данных наблюдений из некоторого временного интервала при оценке значений в заданный момент времени рассматривается алгоритм ансамблевого сглаживания Калмана. В статье рассматривается обобщение ансамблевого алгоритма, представляющего собой вариант стохастического ансамблевого фильтра Калмана. Приводится обоснование применимости алгоритма трансформации возмущений к задаче ансамблевого сглаживания. Проводится сравнение детерминированного и стохастического вариантов ансамблевой фильтрации и сглаживания. В статье приводятся результаты модельных численных экспериментов по оценке параметра модели, а именно, эмиссии пассивной примеси для 1-мерной модели переноса и диффузии.
Ключевые слова: ансамблевое сглаживание; ансамблевый фильтр Калмана;
Издано: 2018
Физ. характеристика: с.196-202
Конференция: Название: Международная конференция «Вычислительная математика и математическая геофизика»
Город: Новосибирск
Страна: Россия
Даты проведения: 2018-10-08 - 2018-10-12
Цитирование:
1. Справочник по теории автоматического управления под ред. А.А. Красовского. Москва: Наука, 1987.711 с.
2. Evensen, G. Data assimilation. The ensemble Kalman filter, Spriger-Verlag, Berlin Heideberg, 2009.
3. Evensen, G., P.J. van Leeuwen An ensemble Kalman smoother for nonlinear dynamics // Monthly Weather Review. 2000. V. 128. P. 1852-1867.
4. Feng L. et al. Consistent regional fluxes of CH4 and CO2 inferred from GOSAT proxy XCH4:XCO2 retrievals, 2010-2014 // Atmospheric chemistry and physics. 2017. V. 17. P. 4781-4797.
5. Fraser A. et al. Estimating regional fluxes of CO2 and CH4 using space-borne observations of XCH4:XCO2 // Atmospheric chemistry and physics. 2014. V. 14. P. 12883-12895.
6. Houtekamer, H.L. Zhang, F. Review of the ensemble Kalman filter for atmospheric data assimilation // Monthly Weather Review. 2016. V. 144, P. 4489-4532.
7. Hunt B.R., Kostelich E.J., Szunyogh I. Efficient data assimilation for statiotemporal chaos: A local ensemble transform Kalman filter //Physica D. 2007. V. 230. P. 112-126.
8. Jazwinski, A.H. Stochastic processes and filtering theory. Academic Press, New York, 1970.
9. Kang J. et al. Estimating of surface carbon fluxes with an advanced data assimilation methodology // Journal of geophysical research. 2012. V.116. D24101, doi:10.1029/2012JD018259.
10. Klimova E. A suboptimal data assimilation algorithm based on the ensemble Kalman filter // Quarterly Journal of the Royal Meteorological Society. 2012. V. 138, P. 2079-2085.
11. Tsuruta A. et al. Global methane emission estimation for 2010-2012 from Carbon tracker Europe-CH4 v.10. // Geoscientific model development. 2017. V. 10. P. 1261-1287.