Инд. авторы:	Климова Е.Г.
Заглавие:	Использование ансамблевого фильтра Калмана при планировании дополнительных наблюдений
Библ. ссылка:	Климова Е.Г. Использование ансамблевого фильтра Калмана при планировании дополнительных наблюдений // Метеорология и гидрология. - 2011. - № 8. - С.23-33. - ISSN 0130-2906.
Внешние системы:	РИНЦ: 16532816;
Реферат:	rus: Одним из основных элементов, влияющих на результат процедуры усвоения данных в моделях, являются наблюдения. В последнее время появились дополнительные источники наблюдений, такие как, например, данные самолетов. В связи с этим возникла задача получения дополнительных наблюдений для уточнения результата процедуры усвоения данных. Рассмотрены подходы к оценке областей дополнительных наблюдений для повышения точности анализа и прогноза в процедуре усвоения данных. Предлагается методика планирования сети наблюдений, использующая ансамблевый фильтр Калмана. Приводятся результаты численных экспериментов по оценке свойств алгоритма с моделью, основанной на баротропном квазигео- строфическом уравнении вихря.
Издано:	2011
Физ. характеристика:	с.23-33
Цитирование:	1. 1. Беллман Р. Введение в теорию матриц. - М., Наука, 1969, 368 с. 2. 2. Климова Е. Г. Алгоритм усвоения данных наблюдений на основе адаптивного субоптимального фильтра Калмана. - Метеорология и гидрология, 2005, № 3, с. 24-35. 3. 3. Климова Е. Г. Метод усвоения данных наблюдений, основанный на ансамблевом p-алгоритме. - Метеорология и гидрология, 2008, № 9, с. 45-53. 4. 4. Климова Е. Г. Метод усвоения данных наблюдений, основанный на применении p-алгоритма. - Метеорология и гидрология, 2008, № 3, с. 16-26. 5. 5. Климова Е. Г. Численные эксперименты по усвоению метеорологических данных с помощью субоптимального фильтра Калмана. - Метеорология и гидрология, 2003, № 10, с. 54-67. 6. 6. Красовский А. А., Белоглазов И. Н., Чигин Г. П. Теория корреляционно-экстремальных навигационных систем. - М., Наука, 1979, 448 с. 7. 7. Марчук Г. И. Методы вычислительной математики. - М., Наука, 1989, 535 с. 8. 8. Справочник по теории автоматического управления. /Под ред. А. А. Красовского. - М., Наука, 1987, 711 с. 9. 9. Яглом А. М. Корреляционная теория стационарных случайных функций. - Л., Гидрометеоиздат, 1981, 279 с. 10. 10. Berliner L. M., Lu Z.-Q., and Snyder C. Statistical design for adaptive weather observations. - J. Atmos. Sci., 1999, vol. 56, pp. 2536- 2552. 11. 11. Bishop G. H., Etherton B. J., and Majumdar S. J. Adaptive sampling with the ensemble transform Kalman filter. Part I: Theoretical aspects. - Mon. Wea. Rev., 2001, vol. 129, pp. 420-436. 12. 12. Bishop C. H. and Reynolds C. A. Optimization of the fixed global observing network in a simple model. - J. Atmos. Sci., 2003, vol. 60, pp. 1471-1489. 13. 13. Buizza R. and Montani A. Targeting observations using singular vectors. - J. Atmos. Sci., 1999, vol. 56, No. 17, pp. 2965-2985. 14. 14. Cardinali C. and Buizza R. Forecast skill of targeted observations: A singular-vector-based diagnostic. - J. Atmos. Sci., 2003, vol. 60, pp. 1921-1940. 15. 15. Evensen G. The ensemble Kalman filter: Theoretical formulation and practical implementation. - Ocean Dyn., 2003, vol. 53, pp. 343- 367. 16. 16. Fisher M. and Andersson E. Development in 4D-Var and Kalman Filtering. - Reading, England, ECMWF, Technical Memorandum No. 357, 2001, 36 p. 17. 17. Ghil M. and Malanotte-Rizzolli P. Data assimilation in meteorology and oceanography. /In: Advances in Geophysics. - Academic Press, 1991, vol. 33, pp. 141-266. 18. 18. Hamill T. M. and Snyder C. Using improved background-error covariance from an ensemble Kalman filter for adaptive observations. - Mon. Wea. Rev., 2002, vol. 130, pp. 1552-1572. 19. 19. Houtekamer P. L. and Mitchell H. L. Data assimilation using an ensemble Kalman filter technique. - Mon. Wea. Rev., 1998, vol. 126, pp. 796-811. 20. 20. Houtekamer P. L. and Mitchell H. L. Ensemble Kalman filtering. - Quart. J. Roy. Meteorol. Soc., 2005, vol. 131, pp. 1-23. 21. 21. Hunt B. R., Kostelich E. J., and Szunyogh I. Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman filter. - Phys. Dyn., 2007, vol. 230, pp. 112-126. 22. 22. Jazwinski A. H. Stochastic Processes and Filtering Theory. - New York, Academic Press, 1970, 377 p. 23. 23. Kalnay E., Hunt B. R., Kostelich E. J., et al. Four-dimensional ensemble Kalman filtering. - Tellus, 2004, vol. 56A, pp. 273-277. 24. 24. Lorenc A. The potential of the ensemble Kalman filter for NWP - a comparison with 4D-Var. - Quart. J. Roy. Meteorol. Soc., 2003, vol. 129, pp. 3183-3203. 25. 25. Majumdar S. J., Bishop C. H., Buizza R., and Gelaro R. A comparison of ensemble-transform Kalman filter targeting guidance with ECMWF and NRL total-energy singular-vector guidance. - Quart. J. Roy. Meteorol. Soc., 2002, vol. 128, pp. 2527-2549. 26. 26. Palmer T. N., Gelaro R., Barkmeuer J., and Buizza R. Singular vectors, metrics and adaptive observations. - J. Atmos. Sci., 1998, vol. 55, pp. 633-653. 27. 27. Pu Z.-X. and Kalnay E. Targeting observations with the quazi-inverse linear and adjoint NCEP global models: Performance during FASTEX. - Quart. J. Roy. Meteorol. Soc., 1999, vol. 125, pp. 3329-3337.