| 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. |