×

通过收缩协方差矩阵估计实现有效的集合卡尔曼滤波器:利用先验知识。 (英语) Zbl 1460.86042号

小结:在本文中,我们提出了一种通过收缩协方差矩阵估计实现集合卡尔曼滤波器的高效实用方法。我们的滤波器实现结合了模型实现集合带来的信息,以及基于我们对所关注的动态系统的先验知识的信息。我们通过最佳收缩因子将两种信息源进行组合。该方法利用集合协方差矩阵的秩缺陷,为基于EnKF的公式中的分析步骤提供了有效而实用的实现。还讨论了本地化和通货膨胀方面的问题。通过使用平流扩散模型和大气环流模型进行实验测试,以评估我们提出的过滤器实现的准确性。实验结果表明,使用我们提出的滤波器实现可以减轻采样噪声的影响,甚至可以避免同化过程中虚假相关性的影响。

MSC公司:

86A32型 地理统计学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Anderson,J.L.:用于数据同化的集合调整卡尔曼滤波器。每月天气回顾。doi:10.1175/1520-0493(2001)129<2884:AEAKFF>2.0.CO;2 (2001)
[2] 安德森,J.L.,安德森,S.L.:产生集合同化和预测的非线性滤波问题的蒙特卡罗实现。每月天气回顾。doi:10.1175/1520-0493(1999)127<2741:AMCIOT>2.0.CO;2 (1999)
[3] Asch,M.、Bocquet,M.和Nodet,M.:数据同化。费城工业和应用数学学会。doi:10.1137/1.9781611974546(2016)·Zbl 1361.93071号
[4] 阿拉巴马州巴布;塞格斯,AJ;沙普,M。;海明克,AW;Builtjes,PJH,针对欧洲上空二氧化硫和硫酸盐的多组分数据同化实验,大气。环境。,43, 9, 1622-1631 (2009) ·doi:10.1016/j.atmosenv.2008.12.005
[5] Bracco,A。;库查尔斯基,F。;Kallummal,R。;Molteni,F.,《数十年AGCM群的内部变率、外部强迫和气候趋势》,Clim。发电机。,23, 6, 659-678 (2004) ·doi:10.1007/s00382-004-0465-2
[6] 陈,Y。;Wiesel,A。;埃尔达,YC;Hero,AO,MMSE协方差估计的收缩算法,IEEE Trans。信号处理。,58, 10, 5016-5029 (2010) ·Zbl 1392.94142号 ·doi:10.1109/TSP.2010.53029
[7] 陈,YH;Prinn,RG,使用三维全球化学传输模型估算1996年至2001年期间的大气甲烷排放量,J.Geophys。大气研究。,111, 10, 1-25 (2006)
[8] 库伊莱特,R。;McKay,M.,《稳健收缩协方差矩阵估值器的大维分析和优化》,J.Multivar。分析。,13199-120(2014)·Zbl 1306.62119号 ·doi:10.1016/j.jmva.2014.06.018
[9] Evensen,G.,《集合卡尔曼滤波器:理论公式和实际实现》,海洋动力学。,53, 4, 343-367 (2003) ·doi:10.1007/s10236-003-0036-9
[10] Fu,G。;普拉塔,F。;祥林,H。;Heemink,A。;Segers,A。;Lu,S.,《使用卫星观测操作员对火山灰羽流进行数据同化:2010年埃亚菲亚德拉火山喷发Atmos的案例研究》。化学。物理。,17, 2, 1187-1205 (2017) ·doi:10.5194/acp-17-1187-2017年
[11] Gaspari,G。;科恩,SE,《二维和三维相关函数的构建》,Q.J.罗伊。美托洛尔。Soc.,125,554,723-757(1999)·doi:10.1002/qj.49712555417
[12] 灰布什,SJ;卡尔奈,E。;三好,T。;Ide,K。;亨特,BR,平衡与集成卡尔曼滤波定位技术,周一。天气。版次:139、2、511-522(2011)·doi:10.1175/2010MWR3328.1
[13] Hamill,T.M.,Whitaker,J.S.,Snyder,C.:集合卡尔曼滤波器中背景误差协方差估计的距离相关滤波。每月天气回顾。doi:10.1175/1520-0493(2001)129<2776:DDFOBE>2.0.CO;2(2001年)
[14] Houtekamer,P.,Mitchell,H.:大气数据同化的序贯集合卡尔曼滤波器。阿默尔。美托洛尔。Soc.129(ii),123-137。doi:10.1175/1520-0493(2001)129<0123:ASEKFF>2.0.CO;2 (2001)
[15] Houtekamer,P.L.,Zhang,F.:大气数据同化的集合卡尔曼滤波器综述。每月天气回顾。doi:10.1175/MWR-D-15-0440.1(2016)
[16] 亨特,BR;德克萨斯州科斯特利奇;Szunyogh,I.,时空混沌的有效数据同化:局部集合变换卡尔曼滤波器,物理D:非线性现象。,230,1-2112-126(2007年)·Zbl 1115.62030号 ·doi:10.1016/j.physd.2006.11.008
[17] Jin,J。;林,HX;Heemink,A。;Segers,A.,使用减少的切线线性4DVar,Atmos对粉尘排放进行空间变化参数估计。环境。,187, 358-373 (2018) ·doi:10.1016/j.atmosenv.2018.05.060
[18] Kalnay,E。;李,H。;三好,T。;杨,SC;Ballabrera-poy,J.,4dvar或集合卡尔曼滤波器?,Tellus A:动态。美托洛尔。海洋学家。,59, 5, 758-773 (2007) ·doi:10.1111/j.1600-0870.2007.00261.x
[19] 库查斯基,F。;Molteni,F。;Bracco,A.,热带西太平洋和北大西洋振荡之间的十年相互作用,Clim。动态。,1979年1月26日至91日(2006年)·doi:10.1007/s00382-005-0085-5
[20] O.莱多特。;Wolf,M.,《大维协方差矩阵的良好估计》,J.Multivar。分析。,88, 2, 365-411 (2004) ·Zbl 1032.62050 ·doi:10.1016/S0047-259X(03)00096-4
[21] Ledoit,O.,Wolf,M.:大维协方差矩阵的条件良好估计。J.多变量。分析。88(2), 365-411. doi:10.1016/S0047-259X(03)00096-4(2004)·Zbl 1032.62050
[22] Ledoit,O。;Wolf,M.,stein损失下大维协方差矩阵的最优估计,Bernoulli,24,4,3791-3832(2018)·Zbl 1415.62032号 ·doi:10.3150/17-BEJ979
[23] Lopez-Restrepo,S.,Yarce,A.,Pinel,N.,Quintero,O.,Segers,A.,Heemink,A.:通过基于EnKF的数据同化预测阿布拉山谷(哥伦比亚麦德林)的PM_10和PM_2.5。大气环境。接受(2020年)
[24] 卢,S。;林,HX;海明克,AW;Fu,G。;Segers,AJ,使用基于轨迹的4D-Var数据同化估算火山灰排放量,周一。天气。版本:144、2、575-589(2016)·doi:10.175/MWR-D-15-0194.1
[25] Miyoshi,T.,自适应协方差膨胀的高斯方法及其与局部集合变换卡尔曼滤波器的实现,Mon。天气。版次:139、1519、1535(2011)·doi:10.1175/2010MWR3570.1
[26] Molteni,F.,使用具有简化物理参数的gcm进行大气模拟。i: 模式气候学和多世纪实验中的可变性,气候动力学。,20, 2-3, 175-191 (2003) ·doi:10.1007/s00382-002-0268-2
[27] Nan,T。;Wu,J.,使用带定位的集合卡尔曼滤波器估计地下水参数,《水文地质学》。J.,19,3,547-561(2011)·doi:10.1007/s10040-010-0679-9
[28] Nino-Ruiz,E.D.,Guzman,L.,Jabba,D.:基于ledoit和wolf协方差矩阵估计器的集合卡尔曼滤波器实现。J.计算。申请。数学。384, 113163. doi:10.1016/j.cam.2020.113163(2021)·Zbl 1459.62081号
[29] Nino-Ruiz,ED;Guzman Reyes,LG公司;Beltran-Arieta,R.,通过修改的cholesky分解和迭代woodbury矩阵公式的无伴随四维变分数据同化方法,非线性动力学。,99, 3, 2441-2457 (2020) ·Zbl 1516.60024号 ·doi:10.1007/s11071-019-05411-w
[30] Nino-Ruiz,ED;Sandu,A.,基于收缩协方差矩阵估计的集合卡尔曼滤波器实现,海洋动力学。,65, 11, 1423-1439 (2015) ·doi:10.1007/s10236-015-0888-9
[31] Nino Ruiz,E.D.,Sandu,A.:使用具有收缩协方差矩阵估计的集合卡尔曼滤波器高效并行实现dddas推理。俱乐部。计算。,1-11 (2017)
[32] Ott,E。;亨特,BR;Szunyogh,I。;子民,AV;Kostelich,E。;科拉扎,M。;Kalnay,E。;帕蒂尔,D。;Yorke,JA,大气数据同化的局部集合卡尔曼滤波器,Tellus,56,415-428(2004)·doi:10.3402/tellusa.v56i5.14462
[33] Petrie,R.E.:集合卡尔曼滤波器中的定位。阅读大学硕士(2008)
[34] 昆特罗,MOL;阿米卡雷利,AA;Scaglia,G。;di Sciascio,F.,基于数值方法和递归贝叶斯估计的连续酒精发酵过程控制,生物资源,4,4,1372-1395(2009)
[35] Quintro,M.O.L.,Scaglia,G.,Di Sciascio,F.,Mut,V.:基于数值方法的生物过程控制策略和粒子过滤器状态估计。2008年IEEE国际工业技术会议,第1-6页。IEEE(2008)
[36] Richardson,P.L.,Mooney,K.:地中海外流是一个简单的平流-扩散模型。《物理学杂志》。Oceanogr公司。5(3), 476-482. doi:10.1175/1520-0485(1975)005<0476:TMOSAD>2.0.CO;2 (1975)
[37] 萨科夫,P。;Bertino,L.,enKF的两种常见定位方法之间的关系,计算。地质科学。,15, 2, 225-237 (2011) ·Zbl 1213.62150号 ·数字对象标识代码:10.1007/s10596-010-9202-6
[38] 萨科夫,P。;埃文森,G。;Bertino,L.,enKF异步数据同化,Tellus,Ser。A: 动态。美托洛尔。海洋学家。,62, 1, 24-29 (2010) ·doi:10.1111/j.1600-0870.2009.00417.x
[39] 斯托伊卡,P。;李,J。;朱,X。;Guerci,JR,《关于在时空自适应处理中使用先验知识》,IEEE Trans。信号处理。,56, 6, 2598-2602 (2008) ·Zbl 1390.94424号 ·doi:10.1109/TSP.2007.914347
[40] Timmermans,R。;赛格斯,A。;居里,L。;阿比达·R。;收件人:JL;El Amraoui,L。;Eskes,H。;De Haan,J。;Kujanpa,J。;拉霍兹,W。;Oude Nijhuis,A。;Quesada-Ruiz,S。;Ricaud,P.等人。;Veefkind,P。;Schaap,M.,Sentinel-4和Sentinel-5P任务合成天基NO2观测对对流层NO2分析的影响,Atmos。化学。物理。,19, 19, 12811-12833 (2019) ·doi:10.5194/acp-19-12811-2019
[41] Tirabassi,T.,分析性空气污染平流和扩散模型,水-空气-土壤污染。,47, 1, 19-24 (1989) ·doi:10.1007/BF00468993
[42] Touloumis,A.,高维环境中的非参数stein型收缩协方差矩阵估计,计算。统计数据分析。,83, 251-261 (2015) ·Zbl 1507.62168号 ·doi:10.1016/j.csda.2014.10.018
[43] 王,X。;巴克,DM;斯奈德,C。;Hamill,TM,wrf模型的混合etkf-3dvar数据同化方案。第一部分:观测系统模拟实验,周一。天气。版本:136、12、5116-5131(2008)·doi:10.1175/2008兆瓦2444.1
[44] 王,X。;斯奈德,C。;Hamill,TM,关于不同提出的集成-3dvar混合分析方案的理论等效性,Mon。天气。版本:135、1、222-227(2007)·doi:10.1175/MWR3282.1
[45] 朱,X。;李,J。;Stoica,P.,《知识辅助时空自适应处理》,IEEE Trans。Aerosp.航空公司。电子。系统。,47, 2, 1325-1336 (2011) ·doi:10.1109/TAES.2011.5751261
[46] Zhu,Y.,Toth,Z.,Wobus,R.,Richardson,D.,Mylne,K.:基于集合的天气预报的经济价值。项目符号。阿默尔。美托洛尔。索契。83(1), 73-84. doi:10.1175/1520-0477(2002)083<0073:TEVOEB>2.3.CO;2 (2002)
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。