检索结果-内蒙古大学图书馆

中国科技论文 2015年第3期10卷 256-260页

作者：吴国灿郑小谷北京师范大学全球变化与地球系统科学研究院北京100875 遥感科学国家重点实验室北京100875

集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了... 详细信息

集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了同化中的误差。以典型的Lorenz-96预报模型来验证算法,对于较大模型误差或较强非线性观测算子的情形,结果好于传统的方法。

关键词：数据同化集合转换卡尔曼滤波非线性观测算子预报误差

来源：评论

学校读者我要写书评

暂无评论

局地化方法在集合转换卡尔曼滤波同化的适用性研究

引用

地球信息科学学报 2016年第9期18卷 1184-1190页

作者：韩培舒红许剑辉王建林武汉大学测绘遥感信息工程国家重点实验室武汉430079 广州地理研究所广东省地理空间信息技术与应用公共实验室广州510070 湖北省水土保持监测中心武汉430071

为了探索协方差局地化(Covariance Localization,CL)方法在集合转换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)同化的适用性,本文在理论上分析了CL方法应用于ETKF同化存在的困难,发展了一种适用于ETKF同化的对集合扰动进行舒... 详细信息

为了探索协方差局地化(Covariance Localization,CL)方法在集合转换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)同化的适用性,本文在理论上分析了CL方法应用于ETKF同化存在的困难,发展了一种适用于ETKF同化的对集合扰动进行舒尔积运算的近似CL方法,并结合Lorenz-96模型对近似CL方法的适用性及其对同化结果的影响进行了分析。研究结果表明:CL方法不仅能消除背景误差协方差矩阵中的伪相关,还能增加背景误差协方差矩阵的秩,但CL方法并不能直接用于ETKF同化;近似CL方法可应用于ETKF同化中,但近似舒尔积破坏了ETKF同化系统的动态平衡,导致同化结果误差较大;与CL方法相反,局地化分析(Local Analysis,LA)方法可直接应用于ETKF同化,并能较好地消除ETKF同化的背景误差协方差矩阵的伪相关,获得较优的同化结果。

关键词：协方差局地化集合转换卡尔曼滤波同化伪相关

来源：评论

学校读者我要写书评

暂无评论

基于集合转换卡尔曼滤波的局地化方法研究

基于集合转换卡尔曼滤波的局地化方法研究

引用

作者：臧绍东中国石油大学(华东)

学位级别：硕士

数据同化亦称资料同化,是根据一定的标准和方法,将不同时空、不同分辨率、不同手段获取的观测数据与动力模式有机结合,建立数据与模型相互协调的优化关系,从而给出当前模式状态的变量分析场。数据同化方法作为数值模型和观测数据之间的... 详细信息

数据同化亦称资料同化,是根据一定的标准和方法,将不同时空、不同分辨率、不同手段获取的观测数据与动力模式有机结合,建立数据与模型相互协调的优化关系,从而给出当前模式状态的变量分析场。数据同化方法作为数值模型和观测数据之间的纽带,在大气、海洋、石油等领域起到越来越重要的作用。以集合转换卡尔曼滤波为代表的集合卡尔曼滤波类方法为当前主流的业务化数据同化方法。由于基于集合的卡尔曼滤波方法利用集合模拟系统状态的变化,所以它们高度依赖于集合数目的选取。受实际计算能力的限制,在业务化系统中使用较大集合数是不可能的,但是使用较小集合数目的集合转换卡尔曼滤波往往会出现滤波发散、协方差低估和伪相关(或称为虚假相关)等各种问题,导致同化失败。协方差局地化方法是解决使用小集合导致的伪相关等问题的有效方法,然而,由于协方差局地化是作用于预测误差协方差矩阵,因此无法应用到没有显式表达预测误差协方差矩阵的集合转换卡尔曼滤波,这在一定程度上限制了集合转换卡尔曼滤波的发展。本文主要基于强非线性的Lorenz96模型和浅水方程,研究如何在集合转换卡尔曼滤波方法中使用协方差局地化的方法,以改善同化效果。利用集合扩展与随机子采样方法使得协方差局地化方法应用到集合转换卡尔曼滤波中,完善小集合数下集合转换卡尔曼滤波的研究与使用。本论文的主要研究工作如下:(1)在小集合数下,将集合扩展方法与协方差局地化方法结合,改善协方差局地化方法应用到集合转换卡尔曼滤波的不足。(2)将改进的协方差局地化方法扩展到多元模型中。(3)给出非对角观测误差协方差矩阵条件下的局地化方法的实施方法,完善相关观测误差条件下的局地化方法。通过不同的数值模拟实验,在集合转换卡尔曼滤波中,本文对提出的改进协方差局地化方法的应用进行研究。通过分析在不同集合数量、观测数量等条件下对同化效果的影响,实验结果得出改进的协方差局地化方法能够有效应用到集合转换卡尔曼滤波,有效地解决协方差低估、伪相关等问题,为集合数据同化方法的实际应用提供理论参考。

关键词：数据同化集合转换卡尔曼滤波协方差局地化欠采样

来源：评论

学校读者我要写书评

暂无评论

集合变换卡尔曼滤波数据同化方法中的协方差局地化

引用

海洋科学 2021年第6期45卷 34-43页

作者：王际朝王玥臧绍东杨俊钢纪艳菊阮宗利中国石油大学(华东)理学院山东青岛266580 自然资源部第一海洋研究所山东青岛266061

在集合数据同化中,协方差局地化(covariance localization,CL)方法的使用存在限制。集合转换卡尔曼滤波(ensemble transform Kalman filter,ETKF)作为集合平方根滤波的变种方法,是一种应用较广、计算高效的数据同化方法。本文分析了CL... 详细信息

在集合数据同化中,协方差局地化(covariance localization,CL)方法的使用存在限制。集合转换卡尔曼滤波(ensemble transform Kalman filter,ETKF)作为集合平方根滤波的变种方法,是一种应用较广、计算高效的数据同化方法。本文分析了CL方法应用于ETKF方法的困难,从而改进CL方法使其可以适用于ETKF方法。另外,结合浅水方程,利用Askey函数作为多元局地化函数,提出了一种适用于多元数值模型的CL方法。通过具体实验验证,得到了较好的分析结果。

关键词：协方差局地化集合转换卡尔曼滤波多元局地化函数

来源：评论

学校读者我要写书评

暂无评论

一种基于鲁棒集合滤波的资料同化方法

引用

高原气象 2017年第4期36卷 1052-1059页

作者：摆玉龙张转花尤元红刘颖娟西北师范大学物理与电子工程学院兰州730070

在集合卡尔曼滤波方法中,根据预报集合的统计特性提供的预报误差协方差矩阵对资料同化起决定性作用。但协方差矩阵低估会引起资料同化滤波发散问题。通过将集合转换卡尔曼滤波方法和时间局地化的H_∞滤波方法相结合,提出一种基于鲁棒集... 详细信息

在集合卡尔曼滤波方法中,根据预报集合的统计特性提供的预报误差协方差矩阵对资料同化起决定性作用。但协方差矩阵低估会引起资料同化滤波发散问题。通过将集合转换卡尔曼滤波方法和时间局地化的H_∞滤波方法相结合,提出一种基于鲁棒集合滤波思想的资料同化方法,放大转移矩阵的特征值,改善估计效果。主要思路是在集合滤波的框架下,按照鲁棒滤波的最小最大准则,实现同化系统性能的改进。利用非线性Lorenz-96混沌系统,考察集合时间局地化的H_∞滤波在系统参数变化时,对同化系统鲁棒性的影响。结果表明:集合时间局地化的H_∞滤波对系统参数变化具有很好的鲁棒性;与传统的滤波方法相比,鲁棒滤波方法提高了同化的效果。

关键词：集合转换卡尔曼滤波时间局地化的H∞滤波 Lorenz-96混沌系统鲁棒性

来源：评论

学校读者我要写书评

暂无评论

风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

引用

大气科学 2017年第1期41卷 30-42页

作者：庄潇然闵锦忠王世璋周凯蔡沅辰南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学气象灾害教育部重点实验室南京210044

风暴尺度集合预报系统(Storm-Scale Ensemble Forecast system,简称SSEFs)中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波(ETKF)更新预报系统中的混合初值扰动法。该方案将ETKF方法... 详细信息

风暴尺度集合预报系统(Storm-Scale Ensemble Forecast system,简称SSEFs)中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波(ETKF)更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京"7.21"暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验(ETKF80)和动力降尺度方案(Down)在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现(ETKF180),说明仅考虑侧边界匹配(Down和ETKF80)并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。

关键词：风暴尺度集合预报系统集合转换卡尔曼滤波混合初始扰动离散度概率预报

来源：评论

学校读者我要写书评

暂无评论

耦合模糊控制算法的数据同化观测误差处理方法

引用

遥感技术与应用 2017年第3期32卷 459-465页

作者：卢勇男摆玉龙徐宝兄王丽丽西北师范大学物理与电子工程学院甘肃兰州730070

针对数据同化过程中集合数目有限情形下的虚假相关问题,通过模糊控制算法判断观测点与状态更新点之间的距离,构造观测位置等价权重,与集合转换卡尔曼滤波方法相结合,提出一种新的数据同化方法。利用经典的Lorenz-96混沌模型,比较分析集... 详细信息

针对数据同化过程中集合数目有限情形下的虚假相关问题,通过模糊控制算法判断观测点与状态更新点之间的距离,构造观测位置等价权重,与集合转换卡尔曼滤波方法相结合,提出一种新的数据同化方法。利用经典的Lorenz-96混沌模型,比较分析集合转换卡尔曼滤波(ETKF),局地化集合转换卡尔曼滤波(LETKF)和模糊控制数据同化算法(FETKF)在不同参数变化时的性能,由此探讨3种方法的优劣。研究结果表明:新方法能够使每一步状态更新获得更有效的观测信息,减小因观测数据难以得到有效利用而带来的误差,同时避免了同化过程中的虚假相关问题,从而提高滤波精度。

关键词：数据同化模糊控制观测误差集合转换卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

集合预报最优ETKF初始扰动方法设计及其在暴雨中的应用

引用

气象科学 2018年第5期38卷 565-574页

作者：闵锦忠蔡瑾婕刘畅南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学气象灾害教育部重点实验室南京210044

为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使用初始时刻离散度检验两种ETKF初始扰动方案改进的程度,通过动力和水汽条件分析探求改进机制。利用WRF模... 详细信息

为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使用初始时刻离散度检验两种ETKF初始扰动方案改进的程度,通过动力和水汽条件分析探求改进机制。利用WRF模式构建更新预报系统,选取2014年5月一次暴雨个例进行集合降水预报试验,通过ETKF方法设计两种不同的初始扰动方案。结果表明:在分析循环中引入多物理扰动的初始扰动方案(multi)相比单一物理过程的初始扰动方案(mono)在初始时刻离散度和模拟动力水汽条件以及降水评分上均有较大改进。初始扰动中multi的离散度相比mono整体更优,显然添加了多物理扰动方案的试验对结果有改进作用;在对两种方案的机理分析中,multi对于降水位置的明显改善主要取决于散度及水汽通量散度模拟能力的提高;在离散度分析中,multi方案在强对流区域的改进效果比在整个区域中的更好,而对各变量的离散度和均方根误差之比相当,说明集合预报系统的合理性;对各量级预报结果评分显示,multi方案均呈现较好表现能力。

关键词：风暴尺度集合预报集合转换卡尔曼滤波初始扰动

来源：评论

学校读者我要写书评

暂无评论

基于ETKF的大尺度林火蔓延预测数据同化研究

基于ETKF的大尺度林火蔓延预测数据同化研究

引用

作者：周腾蛟中国科学技术大学

学位级别：博士

近年来,全球范围内的林火事件时有发生,且发生频率和过火面积成上升的趋势。林火的破坏力极大,大尺度的林火不但导致大规模人员的流离失所,还可能造成居民和消防员的伤亡、房屋和建筑的损毁,甚至会引起恶劣的社会影响和带来严重的生态... 详细信息

近年来,全球范围内的林火事件时有发生,且发生频率和过火面积成上升的趋势。林火的破坏力极大,大尺度的林火不但导致大规模人员的流离失所,还可能造成居民和消防员的伤亡、房屋和建筑的损毁,甚至会引起恶劣的社会影响和带来严重的生态灾难。实时有效地对大尺度林火蔓延进行预测,有利于合理地制定灭火战术和疏散策略,减少火灾所造成的损失。对于传统的火蔓延软件预测方法来说,给定初始火线位置、火场的地形和植被条件、风场等环境和气候条件,火蔓延的预测结果是确定的。然而,初始火线位置的不确定性、消防力量的干预、地形和植被数据的误差、风速大小和方向的变化等等,这些不确定性将导致传统方法的预测结果与真实火灾蔓延情况偏离较大,给应急救援带来不利后果。随着科技的发展,遥感技术的成熟,我们可以通过卫星或无人机获取火场的实时信息。把这些带有噪声的火线位置观测数据和火蔓延模型的预测数据相结合,通过数据同化方法,实时更新模型的状态和参数,减小模型的状态和参数误差,从而极大地提高林火蔓延预测的准确性。本论文研究目的是建立大尺度林火蔓延的数据同化预测的框架和系统,提出更贴合实际的状态和参数估计方法,并针对不利观测数据下的数据同化算法的进行改进。本文的具体工作如下:提出了基于集合的卡尔曼滤波与林火蔓延模型结合的数据同化预测框架,建立了林火蔓延的数据同化预测系统。该系统主要包括观测模块、数据同化模块、火蔓延模拟模块和控制层。观测模块,用来对观测数据进行输入;数据同化模块,由MATLAB语言编写,并编译成可执行文件;火蔓延模拟模块,是FARSITE的命令行第四版本;控制层,由Python语言编写,控制整个系统数据流的进程。在该系统上,测试了观测数据的误差变化时算法的可靠性。提出了集合转换卡尔曼滤波(ETKF)算法应用于林火蔓延的状态估计,ETKF克服了标准集合卡尔曼滤波需要人为扰动观测数据的局限。基于观测系统仿真试验,在风场条件已知和未知的情况下,比较研究了 ETKF和标准集合卡尔曼滤波在状态估计方面的性能。研究了包括过火面积、火线周长、火线位置等火蔓延行为的预测结果,并提出了用豪斯多夫距离(HD)这一相对于均方根误差(RMSE)更为保守的指标来评估数据同化算法的性能。结果显示,在风场条件已知时,ETKF和标准集合卡尔曼滤波,在处理初始条件误差和边界条件误差方面表现都较好。然而,在风场条件未知时,即还存在模型参数误差时,ETKF的预测值和分析值都明显比标准集合卡尔曼滤波的结果更接近真实值。突出体现了 ETKF在误差来源较多时这一更符合实际情况时的应用优势。提出了估计火线位置和燃料调节因子的状态和参数同时估计策略。火线位置的估计是减小模型状态误差的关键,燃料调节因子的估计是减少模型参数不确定性的重要组成部分。为此,我们仍采用基于ETKF的算法对火线位置进行修正,采用基于Monte Carlo的径向基函数神经网络(RBFNN)估计燃料调节因子。通过FireFlux Ⅰ实验和Camp Fire火灾事件的数据进行了验证,结果表明所提出的状态参数估计策略能够提高预测精度,突出了所提出的状态-参数的估计策略的优点。火线位置的估计能够检测到大尺度林火的飞火和合并,并更新火线位置。并动态确定燃料调节因子,充分模拟了林火发展的不同阶段(如“爆燃”阶段)。此外,基于Monte Carlo的RBFNN具有较低的计算成本,有助于应急救援时的决策,该方法具有较强的实用性。系统研究了在不利观测数据下ETKF算法的改进方法。在林火蔓延数据同化预测中通常假定火线位置观测数据是完整的。另外,传统意义上的观测误差也假定只有一个不确定度。由于仪器故障或火灾引起的热烟羽流或云层的存在,飞机或卫星装载的探测器所获得的林火位置的观测数据可能是不完整的和/或观测数据误差方差存在空间变化。为了克服这些问题,我们引入了一个点权值来修正“推进”项,以弥补ETKF算法在处理这类观测数据上的不足。在没有观测或观测数据可信度较低的对应预测的火点处,我们可以调整将预测火线位置推向观测火线位置的程度。通过一系列的观测系统仿真实验,比较了基于点权的ETKF(VWETKF)与ETKF的性能,验证了 VWETKF灵活的空间分布的状态估计的优越性。我们考虑了一个实际可能发生的情况,即观测到的火线是真实火线的某一部分,并且/或部分观测数据受到较大的噪声。结果表明,具有新的“推进”项的VWETKF提高了分析和预测火线位置的准确性。

关键词：林火蔓延预测数据同化集合转换卡尔曼滤波状态估计参数估计火线位置燃料调节因子误差

来源：评论

学校读者我要写书评

暂无评论

数据同化系统观测误差研究

数据同化系统观测误差研究

引用

作者：卢勇男西北师范大学

学位级别：硕士

在数据同化中,观测误差是系统不确定性的主要来源之一。为了得到更准确的预报值就需要更准确的当前状态值,而当前状态值依赖于观测值能否提供有效的观测数据。所以观测误差的大小,直接影响最终的同化效果。在数据同化过程中,如何对地面... 详细信息

在数据同化中,观测误差是系统不确定性的主要来源之一。为了得到更准确的预报值就需要更准确的当前状态值,而当前状态值依赖于观测值能否提供有效的观测数据。所以观测误差的大小,直接影响最终的同化效果。在数据同化过程中,如何对地面观测数据进行充分有效地利用,从观测数据中提取到有价值的模式信息,并把该观测数据和其他数据融合为数值天气预报所需要的初始数据,从而改善数值模式预报水平,是许多国内外工作者正在努力去解决的问题。而在实际同化情形下,往往会出现观测位置与状态更新位置距离较远,同时集合数目过少,在估计背景误差协方差时将会出现虚假相关情形。针对如何减小观测误差,提高观测数据的利用率,并在一定程度上消除虚假相关,本文的主要研究工作分为以下几个方面:(1)本文从数据同化基础理论入手,分析并探讨了数据同化观测误差以及虚假相关的来源与机理,并提出了通过模糊控制算法,对观测数据与状态更新位置的距离进行判断,并给定相应权重。(2)通过模糊控制算法与数据同化算法相耦合,能否得到更为准确的分析值,针对这一问题,在高维混沌Lorenz-96模型里,将耦合模糊控制算法与集合转换卡尔曼滤波,局地化集合转换卡尔曼滤波在集合数、观测数、模型步长、放大因子、强迫参数、局地化集合转换卡尔曼滤波的局地化系数、以及协方差的增益矩阵的同化效果做对比。结果表明:耦合模糊控制算法在同化系统里能够有效的提高滤波精度,得到更为准确的预报值。(3)耦合模糊控制算法通过对比实验,证明了该算法具有更好的滤波效果,使得预报值更加接近真实值。但在实验过程中,由于每次状态更新都需要模糊控制算法对观测位置进行距离上的判断,所以在计算过程中,需要额外的时间来得到最终的预测值。本文以数据同化方法中广泛应用的集合转换卡尔曼滤波为基础,与模糊数学为基本思想和理论的模糊控制方法相耦合,提出了耦合模糊控制的数据同化观测误差处理方法,研究的结果为今后能够在数据同化方案实际应用中提供了一定的参考价值。

关键词：数据同化观测误差模糊控制集合转换卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：