【摘要】：近年來(lái),氣候變化對(duì)人類生存影響日益突出,為了加強(qiáng)對(duì)陸地、大氣以及海洋的監(jiān)測(cè)預(yù)測(cè),全球?qū)Φ赜^測(cè)系統(tǒng)計(jì)劃(GEOSS)和全球環(huán)境與安全監(jiān)測(cè)計(jì)劃(GMES)等相繼被提出。新的數(shù)學(xué)研究成果不斷被引入數(shù)據(jù)同化算法中,標(biāo)志著作為連接觀測(cè)數(shù)據(jù)和模型模擬預(yù)測(cè)的關(guān)鍵橋梁的數(shù)據(jù)同化算法已經(jīng)得到了迅速的發(fā)展。基于集合的數(shù)據(jù)同化方法近年來(lái)得到廣泛的重視和研究,已經(jīng)逐步試驗(yàn)在業(yè)務(wù)大氣數(shù)據(jù)同化系統(tǒng)中來(lái)替代變分類方法。集合Kalman濾波方法高度依賴于集合的大小,在集合數(shù)較小的情況下,會(huì)出現(xiàn)欠采樣、協(xié)方差低估、濾波發(fā)散和遠(yuǎn)距離的虛假相關(guān)等問(wèn)題,導(dǎo)致其是一種次優(yōu)濾波。局地化技術(shù)可以有效改善小集合數(shù)帶來(lái)的相關(guān)問(wèn)題。在強(qiáng)非線性Lorenz-96模型基礎(chǔ)上,研究有無(wú)局地化技術(shù)處理的效果差異,從而探討小集合數(shù)條件下的局地化技術(shù)的優(yōu)劣性;提出一種基于功率譜密度(PSD)判斷集合數(shù)據(jù)同化效果的辦法。本論文的主要工作概括如下:(1)在有限集合數(shù)下,采用Kalman增益值和PSD可以評(píng)價(jià)同化效果,結(jié)合局地化技術(shù),可以獲得效率更高的同化算法。(2)局地化技術(shù)不僅能消除背景場(chǎng)誤差協(xié)方差矩陣的虛假相關(guān),還可以增加背景場(chǎng)誤差協(xié)方差矩陣的秩。(3)協(xié)方差局地化方法在更新集合均值和集合擾動(dòng)上具有較強(qiáng)的魯棒性。研究結(jié)論有助于背景場(chǎng)誤差協(xié)方差的精細(xì)分析和估計(jì)。本文通過(guò)一系列數(shù)值實(shí)驗(yàn)對(duì)CL和LA兩種局地化方法進(jìn)行了參數(shù)敏感性實(shí)驗(yàn),觀察不同的觀測(cè)誤差和集合數(shù)對(duì)同化效果的影響,從而得出了局地分析的思想能有效地解決虛假相關(guān)等問(wèn)題,為實(shí)現(xiàn)集合數(shù)據(jù)同化的業(yè)務(wù)化提供了有價(jià)值的參考。
[Abstract]:In recent years, the impact of climate change on human survival has become increasingly prominent. In order to enhance the monitoring and prediction of land, atmosphere and ocean, the Global Earth observation system (GEO) Program (GEOSS) and the Global Environment and Safety Monitoring Program (GMES) have been put forward one after another. New mathematical research results have been introduced into the data assimilation algorithm, which indicates that the data assimilation algorithm, which is the key bridge between observation data and model simulation prediction, has been developed rapidly. The data assimilation method based on set has been paid more and more attention in recent years, and has been gradually tested to replace the variable classification method in the operational atmospheric data assimilation system. The ensemble Kalman filtering method is highly dependent on the size of the set. When the number of sets is small, problems such as under-sampling, underestimation of covariance, filtering divergence and long distance false correlation will lead to its suboptimal filtering. The localization technique can effectively improve the related problems caused by the small set number. On the basis of strong nonlinear Lorenz-96 model, this paper studies the difference in the effect of local processing with or without localization, and discusses the superiority and inferiority of localization under the condition of small set number, and puts forward a method to judge the effect of data assimilation based on power spectral density (PSD). The main work of this paper is summarized as follows: (1) under the finite set number, the assimilation effect can be evaluated by using Kalman gain value and PSD, combined with localization technique. A more efficient assimilation algorithm can be obtained. (2) Localization can not only eliminate the false correlation of background field error covariance matrix. It can also increase the rank of background field error covariance matrix. (3) Covariance localization method is robust in updating set mean and set perturbation. The results are helpful to the precision analysis and estimation of background field error covariance. In this paper, a series of numerical experiments have been carried out on the CL and LA localization methods, and the effects of different observation errors and the number of sets on the assimilation effect have been observed. It is concluded that the idea of local analysis can effectively solve the problem of false correlation and provide a valuable reference for realizing the business of data assimilation.
【學(xué)位授予單位】：西北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李洪波;楊軍鋒;;自適應(yīng)Kalman濾波在多傳感器數(shù)據(jù)融合中應(yīng)用[J];國(guó)外電子測(cè)量技術(shù);2006年06期

2 井敏英;;基于Kalman濾波的盲多用戶檢測(cè)算法[J];信息通信;2009年04期

3 向西西;黃宏光;李予東;;基于Kalman算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)仿真;2010年12期

4 劉雷雷;臧洌;邱相存;;基于Kalman算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2014年01期

5 尚曉星;李俊霞;;基于不敏Kalman濾波的多傳感器數(shù)據(jù)融合算法[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

6 李毅;陸百川;李雪;;基于多尺度Kalman濾波的多傳感器數(shù)據(jù)融合[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

7 于華楠;康健;;改進(jìn)的基于Kalman濾波的盲多用戶檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年S2期

8 王繼平;孫華燕;章喜;;基于Kalman濾波的紅外弱小目標(biāo)檢測(cè)前跟蹤算法[J];裝備學(xué)院學(xué)報(bào);2012年02期

9 劉洲洲;;基于Kalman濾波的多傳感器信息融合研究[J];電子設(shè)計(jì)工程;2013年11期

10 嚴(yán)勇;黃席樾;劉愛(ài)君;;Kalman濾波在運(yùn)動(dòng)圖像背景提取及更新中的應(yīng)用[J];自動(dòng)化與儀器儀表;2006年02期

相關(guān)會(huì)議論文 前6條

1 石瑩;孟華;鄧自立;;多傳感器信息融合穩(wěn)態(tài)Kalman跟蹤濾波器[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

2 田行偉;石瑩;;帶相關(guān)噪聲的非方廣義系統(tǒng)降階Kalman遞推濾波器[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

3 宋會(huì)杰;屈俐俐;;自適應(yīng)Kalman濾波在鐘差數(shù)據(jù)處理中的應(yīng)用[A];第三屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集——S04原子鐘技術(shù)與時(shí)頻系統(tǒng)[C];2012年

4 何紅麗;楊廷梧;任樸舟;;協(xié)方差調(diào)節(jié)的KALMAN辨識(shí)算法在航跡處理中的應(yīng)用[A];大型飛機(jī)關(guān)鍵技術(shù)高層論壇暨中國(guó)航空學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

5 李變;李海波;高玉平;胡永輝;;原子時(shí)的Kalman算法[A];2009全國(guó)時(shí)間頻率學(xué)術(shù)會(huì)議論文集[C];2009年

6 鄧自立;李春波;;自校正分布式信息融合Kalman平滑器[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 黃智慧;基于集合Kalman濾波的同化策略研究[D];西北師范大學(xué);2015年

2 李小寧;基于Kalman濾波—加權(quán)因子的多傳感器數(shù)據(jù)融合方法研究[D];電子科技大學(xué);2005年

3 梁佐江;基于Kalman濾波方法的多傳感器信息融合濾波器[D];黑龍江大學(xué);2005年

4 王欣;基于Kalman濾波方法的多傳感器信息融合最優(yōu)白噪聲反卷積濾波器[D];黑龍江大學(xué);2005年

5 郭靜雯;Kalman濾波在中國(guó)股市及貨幣供應(yīng)干預(yù)分析中的應(yīng)用[D];廣州大學(xué);2007年

6 潘家寶;時(shí)空Kalman濾波及其在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用[D];中南大學(xué);2014年

7 王好謙;基于Kalman濾波的白噪聲估計(jì)理論及其在狀態(tài)估計(jì)和反卷積中的應(yīng)用[D];黑龍江大學(xué);2002年

8 馬東鴿;基于優(yōu)化Kalman濾波的IRFPA非均勻性校正算法研究[D];重慶郵電大學(xué);2012年

9 李闖;帶不同局部動(dòng)態(tài)模型的時(shí)變系統(tǒng)Kalman融合器及其應(yīng)用[D];黑龍江大學(xué);2007年

10 黃錚;一般多傳感器Kalman濾波融合中的觀測(cè)數(shù)據(jù)壓縮[D];四川大學(xué);2003年

，

本文編號(hào)：2263056