本文選題：資料同化 + 集合卡爾曼濾波器��； 參考：《海洋學(xué)報》2016年03期

【摘要】：在海洋動力系統(tǒng)的數(shù)值模擬中,海洋資料同化是一種能夠有效融合多源海洋觀測資料和數(shù)值模式的方法。它不僅可以顯著地提高數(shù)值模擬的效果,構(gòu)造海洋再分析資料場,還能有效減少海洋和氣候預(yù)報時模式初始條件的不確定性。因此,海洋資料同化對于海洋研究和業(yè)務(wù)化應(yīng)用具有非常重要的意義。資料同化方法的研究一直是大氣、海洋科學(xué)的熱門課題之一。其中,集合卡爾曼濾波器(EnKF)是一種有效的資料同化方法,自提出以來經(jīng)過了20多年的發(fā)展和改進(jìn),已經(jīng)在海洋資料同化中得到了廣泛的研究和應(yīng)用。近年來,隨著動力模式的不斷發(fā)展和計算能力的提高,粒子濾波器由于不受模型線性和誤差高斯分布假設(shè)的約束,也逐漸成為了當(dāng)前資料同化方法研究的熱點(diǎn)。本文分析和總結(jié)了目前關(guān)于集合卡爾曼濾波器和粒子濾波器的一些最新理論研究結(jié)果,在貝葉斯濾波理論的框架下討論了這兩類算法的關(guān)聯(lián)和區(qū)別,以及各自在資料同化實(shí)踐中的優(yōu)勢和不足。在此基礎(chǔ)上,我們探討了粒子濾波器應(yīng)用于海洋模式資料同化的主要困難和目前可行的一些解決方法,展望了集合資料同化方法研究的新趨勢,為集合資料同化方法的進(jìn)一步發(fā)展和應(yīng)用提供理論基礎(chǔ)。
[Abstract]:In the numerical simulation of marine dynamic system, ocean data assimilation is a method which can effectively fuse multi-source ocean observation data and numerical model. It can not only significantly improve the effect of numerical simulation and construct ocean reanalysis data field, but also can effectively reduce the uncertainty of the initial conditions of the model in ocean and climate prediction. Therefore, ocean data assimilation plays an important role in marine research and application. The study of data assimilation method has been one of the hot topics in atmospheric and marine science. The ensemble Kalman filter (EKF) is an effective method for data assimilation. It has been developed and improved for more than 20 years and has been widely studied and applied in ocean data assimilation. In recent years, with the continuous development of dynamic models and the improvement of computational power, particle filters have become a hot topic in the research of data assimilation methods because they are not constrained by the assumption of linear model and the distribution of error Gao Si. In this paper, we analyze and summarize some new theoretical research results about set Kalman filter and particle filter, and discuss the correlation and difference between these two algorithms under the framework of Bayesian filtering theory. And their advantages and disadvantages in the practice of data assimilation. On this basis, we discuss the main difficulties in the application of particle filter to ocean model data assimilation and some feasible solutions, and look forward to the new trends in the research of aggregate data assimilation methods. It provides a theoretical basis for the further development and application of ensemble data assimilation methods.
【作者單位】： 國家海洋局第二海洋研究所衛(wèi)星海洋環(huán)境動力學(xué)國家重點(diǎn)實(shí)驗(yàn)室;北大不列顛哥倫比亞大學(xué)環(huán)境科學(xué)及工程系;
【基金】：國家自然科學(xué)基金項(xiàng)目(41276029;41321004) 科技部國家基礎(chǔ)科研項(xiàng)目(2013CB430302) 衛(wèi)星海洋環(huán)境動力學(xué)國家重點(diǎn)實(shí)驗(yàn)室自主課題(SOEDZZ1404;SOEDZZ1518)
【分類號】：P717

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何斌;翟國慶;高坤;周蓓鋒;;云跡風(fēng)資料同化對東亞海域風(fēng)場數(shù)值模擬的影響[J];海洋學(xué)報(中文版);2007年06期

2 朱江;周廣慶;閆長香;符偉偉;游小寶;;一個三維變分海洋資料同化系統(tǒng)的設(shè)計和初步應(yīng)用[J];中國科學(xué)(D輯:地球科學(xué));2007年02期

3 朱江;閆長香;;三維變分資料同化中的非線性平衡約束[J];中國科學(xué)(D輯:地球科學(xué));2005年12期

4 陳耀登;閔錦忠;高玉芳;;涌潮河口底摩擦系數(shù)伴隨資料同化研究[J];水科學(xué)進(jìn)展;2011年03期

5 喬方利，，張慶華;紅外和水色遙感資料同化研究設(shè)想[J];黃渤海海洋;1994年04期

6 路澤廷;朱江;符偉偉;何滄平;薛洪斌;趙艷玲;;全球海洋資料同化系統(tǒng)ZFL_GODAS的研制和初步評估試驗(yàn)[J];氣候與環(huán)境研究;2014年03期

7 朱江;第二屆全國海洋資料同化學(xué)術(shù)研討會召開[J];科學(xué)通報;2004年23期

8 何娜;張祖強(qiáng);肖賢俊;郭品文;;海洋環(huán)流模式中衛(wèi)星遙感資料同化的應(yīng)用進(jìn)展[J];海洋科學(xué);2008年12期

9 游小寶;周廣慶;朱江;李榮鳳;;中國及周邊海海溫資料同化系統(tǒng)[J];科學(xué)通報;2003年S2期

10 殷永紅;ARGO資料同化與海氣耦合過程研究[J];Annual Report of CAMS;2003年00期

相關(guān)會議論文 前1條

1 何斌;翟國慶;高坤;周蓓鋒;;云跡風(fēng)資料同化對東亞海域風(fēng)場數(shù)值模擬的影響[A];中國氣象學(xué)會2005年年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 曹艷華;四維變分資料同化的降維方法及在海洋資料同化中的應(yīng)用[D];首都師范大學(xué);2006年

2 萬莉穎;集合同化方法在太平洋海洋高度計資料同化中的應(yīng)用研究[D];中國科學(xué)院研究生院（大氣物理研究所）;2006年

3 張愛軍;最優(yōu)變分伴隨方法及在近岸水位資料同化中的應(yīng)用[D];中國科學(xué)院海洋研究所;2000年

相關(guān)碩士學(xué)位論文 前3條

1 武豐民;基于BCC_GODAS2.0的20年歷史海洋資料再分析[D];南京信息工程大學(xué);2011年

2 劉成思;集合卡爾曼濾波資料同化方案的設(shè)計和研究[D];中國氣象科學(xué)研究院;2005年

3 孫盟;全球海浪模式背景誤差的靜態(tài)集合樣本構(gòu)造及其在數(shù)據(jù)同化和預(yù)報中的應(yīng)用[D];國家海洋局第一海洋研究所;2014年

本文編號：1838959