×
尼诺·鲁伊斯，埃利亚斯·戴维

基于信赖域优化的非线性数据同化。 （英文） Zbl 1438.62152号

计算。申请。数学。 38，第3号，第129号论文，第26页（2019年）.
摘要：在本文中，我们提出了一种高效实用的基于信任域方法的集成卡尔曼滤波器的实现方法，用于非高斯数据同化。该方法的工作原理如下：利用模型实现集合的经验矩估计背景误差分布的参数，然后在迭代过程中，提出一种迭代方法来建立三维变分（3D-Var）代价函数的二次代理模型，利用这些模型来近似求解3D-Var优化问题，并使用信赖域框架评估解的质量。此外，从理论上证明了所提出的信赖域实现的全局收敛性。利用Lorenz 96模型进行了实验测试。此外，实验中考虑了两种不同的观测算子：线性观测算子和非凸不连续观测算子。为了丰富数值结果，采用了不同的集合大小和观测次数（及其时间频率）。最大似然集合滤波器（MLEF）被用作参考滤波器，以评估我们提出的滤波器实现的性能。每个参数配置都进行了十次实验（重复）。结果表明，平均而言，所提出的滤波器在均方根误差方面优于MLEF，更重要的是，当滤波器在MLEF环境下可能发散时，它收敛到误差分布的后验模式。

MSC公司：

62L20型 随机近似
60J22型 马尔可夫链中的计算方法
49公里45 随机问题的最优性条件
62M20型 随机过程推断和预测

关键词：

非线性观测算子;数据同化;信托区域框架;集合卡尔曼滤波

软件：

合卡尔曼滤波
PDF格式BibTeX公司 XML格式引用
\textit{E.D.Nino-Ruiz}，计算。申请。数学。38，第3号，第129号论文，第26页（2019年；Zbl 1438.62152）
全文： 内政部

参考文献：

[1] Amour I，Kauranne T（2016）使用COHERNS模型的二维和三维版本进行数据同化的变分集合卡尔曼滤波方法。国际数值方法流体83（6）：544-558。https://doi.org/10.1002/fld.4276 ·doi:10.1002/fld.4276
[2] Anderson JL（2012），集合卡尔曼滤波数据同化中的定位和采样误差校正。周一天气评论140（7）：2359-2371·doi:10.1175/MWR-D11-00013.1
[3] Andrei N（2017）无约束优化的自适应缩放BFGS方法。数字算法：1-20
[4] Bickel DR，Padilla M（2014）相干推断的无先验框架及其简单收缩估计的推导。J Stat Plan推断145:204-221·Zbl 1279.62068号 ·doi:10.1016/j.jspi.2013.08.011
[5] Bishop CH，Toth Z（1999），集合变换和自适应观测。大气科学杂志56（11）：1748-1765·doi:10.1175/1520-0469（1999）056<1748:ETAAO>2.0.CO；2
[6] Buehner M（2011）大气数据同化的空间/光谱协方差局部化方法评估。周一天气评论140（2）：617-636·doi:10.1175/MWR-D-10-05052.1
[7] Carrassi A，Vannitsem S，Zupanski D，Zupanski M（2009）混沌系统中的最大似然集成滤波器性能。Tellus A 61（5）：587-600·doi:10.1111/j.1600-0870.2009.00408.x
[8] Conn AR、Gould NIM、Toint PL（2000）信托区域方法。费城SIAM·Zbl 0958.65071号 ·数字对象标识代码：10.1137/1.9780898719857
[9] Conn AR，Scheinberg K，Vicente LN（2009）一般无导数信赖域算法到一阶和二阶临界点的全局收敛性。SIAM J Optim 20（1）：387-415·Zbl 1187.65062号 ·数字对象标识代码：10.1137/060673424
[10] Conn AR，Scheinberg K，Vicente LN（2009）无导数优化简介。费城SIAM·Zbl 1163.49001号 ·数字对象标识代码：10.1137/1.9780898718768
[11] Evensen G（2015）EnKF-集合卡尔曼滤波器。http://enkf.nersc.no/。4月24日访问
[12] Evensen G（2003）集合卡尔曼滤波器：理论公式和实际实现。Ocean Dyn海洋动力学53（4）：343-367·doi:10.1007/s10236-003-0036-9
[13] Fertig EJ、Harlim J、Hunt BR（2007）4d-var和4d集合卡尔曼滤波器的比较研究：用Lorenz-96进行完美模型模拟。Tellus A 59（1）：96-100·doi:10.1111/j.1600-0870.2006.00205.x
[14] Gao J，Xue M，Stensrud DJ（2013）风暴尺度数据同化混合EnKF-3DVar算法的开发。Adv Meteorol 2013年。https://doi.org/10.1155/2013/512656 ·doi:10.1155/2013/512656
[15] Gillijns S、Mendoza OB、Chandrasekar J、De Moor BLR、Bernstein DS、Ridley A（2006）什么是集合卡尔曼滤波器，它的工作情况如何？In:2006年美国控制会议，第6页
[16] Godinez HC，Moulton JD（2012），集合卡尔曼滤波器的有效无矩阵算法。计算地质科学16（3）：565-575·doi:10.1007/s10596-011-9268-9
[17] Gottwald GA，Melbourne I（2005）《含噪声确定性系统中的混沌测试》。物理D：非线性现象212（1）：100-110·Zbl 1097.37024号 ·doi:10.1016/j.physd.2005.09.011
[18] Greybush SJ、Kalnay E、Miyoshi T、Ide K、Hunt BR（2011）平衡和集合卡尔曼滤波器定位技术。周一天气评论139（2）：511-522·doi:10.1175/2010MWR3328.1
[19] Hamill TM，Snyder C（2000）混合集成卡尔曼滤波器三维变分分析方案。周一天气评论128（8）：2905-2919·doi:10.1175/1520-0493（2000）128<2905:AHEKFV>2.0.CO；2
[20] Hoteit I，Luo X，Pham D-T（2012）《粒子卡尔曼滤波：集合卡尔曼滤波器的非线性贝叶斯框架》。周一天气评论140（2）：528-542·doi:10.1175/2011年MWR3640.1
[21] Karimi A，Paul MR（2010）Lorenz-96模型中的广泛混乱。混沌学科间J非线性科学20（4）：043105·数字对象标识代码：10.1063/1.3496397
[22] Leeuwen PJV（2009）地球物理系统中的粒子过滤。《周一天气评论》137（12）：4089-4114·doi:10.1175/2009年MWR2835.1
[23] Leeuwen PJV，Cheng Y，Reich S（2015）非线性数据同化，第2卷。柏林施普林格·Zbl 1330.62004号 ·doi:10.1007/978-3-319-18347-3
[24] Lin H，Weygandt SS，Benjamin SG，Ming H（2017）卫星辐射数据同化中每小时更新的快速刷新。天气预报32（4）：1273-1287·doi:10.1175/WAF-D-16-021.1
[25] Mascarenhas WF（2004）采用精确线搜索的bfgs方法无法实现非凸目标函数。数学程序99（1）：49-61·Zbl 1082.90108号 ·doi:10.1007/s10107-003-0421-7
[26] Minamide M，Zhang F（2017）同化全天卫星辐射的自适应观测误差膨胀。周一天气评论145（3）：1063-1081·doi:10.1175/MWR-D-16-0257.1
[27] Nino Ruiz ED，Sandu A，Anderson J（2014）基于迭代Sherman-Morrison公式的集合卡尔曼滤波器的有效实现。统计计算25:1-17·Zbl 1331.62357号 ·文件编号：10.1007/s11222-014-9454-4
[28] Nino-Ruiz ED，Sandu A，Deng X（2015）基于改进Cholesky分解的并行集成卡尔曼滤波器实现。摘自：第六届大型系统可伸缩算法最新进展研讨会论文集，ACM，第4页·Zbl 1454.62278号
[29] Nino-Ruiz ED（2018）基于信赖域方法的隐式代理模型。计算机科学杂志26:264-274·doi:10.1016/j.jocs.2018.02.003
[30] Nurujjaman M，Apte A，Vinayachandran P（2013）印度洋ROMS模型中使用集合变换卡尔曼滤波器（ETKF）进行数据同化。欧洲物理杂志排名前222（3-4）：875-883·doi:10.1140/epjst/e2013-01890-3
[31] Prakash J，Patwardhan SC，Shah SL（2011）《关于使用粒子滤波器进行无约束和约束状态估计时重要性分布的选择》。J过程控制21（1）：3-16·doi:10.1016/j.jprocon.2010.08.001
[32] Sakov P，Oke PR（2008）集合卡尔曼滤波器的确定性公式：集合平方根滤波器的替代方法。Tellus A 60（2）：361-371·doi:10.1111/j.1600-0870.2007.00299.x
[33] Sakov P，Oke P（2008）集合卡尔曼滤波器的确定性公式：集合平方根滤波器的替代方法。Tellus A 60（2）·doi:10.1111/j.1600-0870.2007.00299.x
[34] Shanno DF（1985）关于Broyden-Fletcher-Goldfarb-Shanno方法。最优化理论应用杂志46（1）：87-94·兹伯利0542.90082 ·doi:10.1007/BF00938762
[35] Slivinski L、Spiller E、Apte A和Sandstede B（2015）用于拉格朗日数据同化的混合粒子组装卡尔曼滤波器。周一天气评论143（1）：195-211·doi:10.1175/MWR-D-14-00051.1
[36] Snyder C、Bengtsson T、Bickel P、Anderson J（2008）《高维粒子滤波的障碍》，《Mon Weather Rev 136》（12）：4629-4640·doi:10.1175/2008MWR2529.1
[37] Tippett MK、Anderson JL、Bishop CH、Hamill TM、Whitaker JS（2003）合集平方根滤波器。《周一天气评论》131（7）：1485-1490·doi:10.1175/1520-0493（2003）131<1485:ESRF>2.0.CO；2
[38] Weerts AH，El Serafy GYH（2006），用水文概念降雨径流模型进行状态更新的粒子滤波和集合卡尔曼滤波。水资源研究42（9）。https://doi.org/10.1029/2005WR004093
[39] Zhang F，Minamide M，Clothiaux EE（2016）同化来自goes-r的全天红外卫星辐射对热带气旋对流许可分析和预测的潜在影响。地球物理研究快报43（6）：2954-2963·doi:10.1002/2016GL068468
[40] Zupanski M（2005）最大似然集合滤波器：理论方面。周一天气评论133（6）：1710-1726·doi:10.1175/MWR2946.1
[41] Zupanski M，Navon IM，Zupanski-D（2008）最大似然集合滤波器作为一种不可微最小化算法。Q J R Meteorol Soc 134（633）：1039-1050·doi:10.1002/qj.251
[42] Zupanski D、Scott DA、Uliasz M、Zupansk M、Schuh AE、Rayner PJ、Peters W、Corbin KD（2007）《采用最大似然集合滤波器（MLEF）的碳通量偏差估计》。《地球物理研究大气杂志》112（D17）。https://doi.org/10.1029/2006JD008371
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。