4D-VAR公司

本文研究了一种新的数据同化算法,称之为前后推移(BFN)。由于与变分格式相比,这种格式不需要任何线性化,也不需要伴随方程,也不需要极小化过程,但它为每次迭代提供了一个新的初始条件估计。我们在一个二维浅水模型上研究了它的收敛性和效率。在数值实验过程中,与标准变分算法(4D-VAR)进行了比较。最后,介绍了一种混合方法,将BFN算法作为4D-VAR算法的预处理工具。我们证明了BFN算法在第一次迭代中是非常强大的,并且混合方法可以显著地提高th!利用4D-VAR方案辨识初始条件,减少收敛所需的迭代次数。


zbMATH中的参考文献(参考12篇文章,1标准件)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. Auroux,Didier:地球物理流体的数据同化(2017)
  2. Auroux,Didier;Blum,Jacques;Ruggiero,Giovanni:地球物理流体的数据同化:扩散前后推动(2016)
  3. Béréziat,Dominique;Herlin,Isabelle:使用数据同化解决不适定图像处理问题(2011)
  4. Chen,X.;Navon,I.M.;Fang,F.:应用于有限元浅水方程模型的双加权信赖域自适应POD 4D-VAR(2011)
  5. Strunk,Achim;Elbenn,Hendrik;Ebel,Adolf:《利用卫星观测进行空气质量反演系统评估》(2011年)ioport公司
  6. Dimitriu,Gabriel;Apreputesei,Narcsa;Ştefănescu,Răzvan:使用自适应POD程序进行数据同化的数值模拟(2010年)
  7. Strunk,Achim;Ebel,Adolf;Elbenn,Hendrik;Friese,Elmar;Goris,Nadine;Nieradzik,Lars-Peter:大气化学数据的四维变分同化——在空气质量区域模拟中的应用(2010)
  8. Auroux,D.:应用于浅水模型的前后推进算法,与4D-VAR的比较和混合(2009)
  9. Fang,F.;Pain,C.C.;Navon,I.M.;Piggott,M.D.;Gorman,G.J.;Farrell,P.E.;Allison,P.A.;Goddard,A.J.H.:POD降阶4D Var自适应网格海洋建模方法(2009年)
  10. 变分同化的应用
  11. Jiang,Lijian;Douglas,Craig C.:4D Var中的算子分裂方法分析(2009)
  12. Korn,Peter:Navier-Stokes-(\alpha)方程的数据同化(2009)