初始場(chǎng)誤差和模式誤差是制約數(shù)值天氣預(yù)報(bào)準(zhǔn)確率提高的兩個(gè)關(guān)鍵因素,本文考慮利用歷史觀測(cè)資料實(shí)現(xiàn)時(shí)空演變的模式誤差項(xiàng)的估計(jì)問題,主要的研究內(nèi)容由兩部分構(gòu)成。第一部分研究中,我們首先通過把模式誤差項(xiàng)考慮成為準(zhǔn)確模式中的未知項(xiàng),把歷史資料看作是帶有未知項(xiàng)的準(zhǔn)確模式的特解,構(gòu)造出歷史時(shí)間段模式誤差項(xiàng)的反問題及其最優(yōu)控制問題,解決歷史時(shí)間段模式誤差項(xiàng)的估計(jì)問題。其次,我們?cè)跉v史時(shí)間段模式誤差項(xiàng)的基礎(chǔ)上,依據(jù)大氣的連續(xù)演變性和自相似性,將預(yù)報(bào)時(shí)間段的模式誤差項(xiàng)估計(jì)問題也提為反問題,進(jìn)一步構(gòu)造了該反問題所對(duì)應(yīng)的最優(yōu)控制問題。這兩個(gè)優(yōu)化問題的解分別對(duì)應(yīng)了歷史時(shí)間段與預(yù)報(bào)時(shí)間段的模式誤差項(xiàng)最優(yōu)估計(jì)。若將利用歷史資料所提取的模式誤差信息代入原數(shù)值模式,必然可獲得數(shù)值模式預(yù)報(bào)效果的改進(jìn)。我們知道,求解優(yōu)化問題常用的方法是梯度類的下降法,這類算法具有計(jì)算速度快、精度高的優(yōu)點(diǎn)。但由于梯度類下降法在數(shù)值模式約束的最優(yōu)控制問題的求解過程中,需要計(jì)算目標(biāo)泛函的梯度,進(jìn)而需要運(yùn)行原數(shù)值模式的伴隨模式或切線性模式,這往往對(duì)實(shí)際復(fù)雜的業(yè)務(wù)模式來說是不可行的。為了克服這一根本性的缺陷,在本文的第二部分研究內(nèi)容中,我們考慮采用無...

【文章頁數(shù)】：51 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
第一章 引言
第二章 數(shù)值天氣預(yù)報(bào)模式誤差項(xiàng)的最優(yōu)控制問題
    2.1 最優(yōu)控制問題的背景和模型
    2.2 歷史時(shí)間段模式誤差項(xiàng)的反問題及最優(yōu)控制問題
        2.2.1 歷史時(shí)間段最優(yōu)控制問題的提出
        2.2.2 歷史時(shí)間段最優(yōu)控制問題的離散
        2.2.3 歷史時(shí)間段最優(yōu)控制問題的求解算法
    2.3 預(yù)報(bào)時(shí)間段模式誤差項(xiàng)的反問題及最優(yōu)控制問題
        2.3.1 預(yù)報(bào)時(shí)間段最優(yōu)控制問題的提出
        2.3.2 預(yù)報(bào)時(shí)間段最優(yōu)控制問題的求解算法
    2.4 數(shù)值試驗(yàn)
    2.5 小結(jié)
第三章 基于無導(dǎo)數(shù)優(yōu)化方法的數(shù)值模式誤差估計(jì)
    3.1 基于模式搜索算法的無導(dǎo)數(shù)優(yōu)化方法
        3.1.1 模式搜索算法介紹
        3.1.2 數(shù)值試驗(yàn)
    3.2 基于演化算法的無導(dǎo)數(shù)優(yōu)化方法
        3.2.1 差分演化和自適應(yīng)差分演化算法介紹
        3.2.2 數(shù)值試驗(yàn)
    3.3 小結(jié)
第四章 總結(jié)與展望
參考文獻(xiàn)
參與科研項(xiàng)目與發(fā)表論文情況
致謝



本文編號(hào)：3859492