数据同化系统观测误差研究

发布时间：2022-07-29 20:24

　　在数据同化中,观测误差是系统不确定性的主要来源之一。为了得到更准确的预报值就需要更准确的当前状态值,而当前状态值依赖于观测值能否提供有效的观测数据。所以观测误差的大小,直接影响最终的同化效果。在数据同化过程中,如何对地面观测数据进行充分有效地利用,从观测数据中提取到有价值的模式信息,并把该观测数据和其他数据融合为数值天气预报所需要的初始数据,从而改善数值模式预报水平,是许多国内外工作者正在努力去解决的问题。而在实际同化情形下,往往会出现观测位置与状态更新位置距离较远,同时集合数目过少,在估计背景误差协方差时将会出现虚假相关情形。针对如何减小观测误差,提高观测数据的利用率,并在一定程度上消除虚假相关,本文的主要研究工作分为以下几个方面:（1）本文从数据同化基础理论入手,分析并探讨了数据同化观测误差以及虚假相关的来源与机理,并提出了通过模糊控制算法,对观测数据与状态更新位置的距离进行判断,并给定相应权重。（2）通过模糊控制算法与数据同化算法相耦合,能否得到更为准确的分析值,针对这一问题,在高维混沌Lorenz-96模型里,将耦合模糊控制算法与集合转换卡尔曼滤波,局地化集合转换卡尔曼滤波在集... 

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外的研究进展
    1.3 本文主要研究内容及结构安排
第2章 数据同化算法的理论基础
    2.1 数据同化算法发展与不足
    2.2 集合转换卡尔曼滤波
    2.3 局地化集合转换卡尔曼滤波
    2.4 协方差局地化
    2.5 本章小结
第3章 耦合模糊控制算法的研究
    3.1 模糊控制算法
        3.1.1 模糊控制理论提出及特点
        3.1.2 模糊控制理论应用
        3.1.3 模糊控制过程
        3.1.4 模糊条件与控制原则
        3.1.5 定义模变量的模糊子集
        3.1.6 知识库
    3.2 耦合模糊控制算法
        3.2.1 观测位置模糊控制原理介绍
        3.2.2 算法描述
    3.3 本章小结
第4章 模糊控制数据同化算法的对比研究
    4.1 高维混沌系统Lorenz-96 系统
    4.2 评价标准
    4.3 数值实验
        4.3.1 集合数变化
        4.3.2 观测数变化
        4.3.3 模型步长变化
        4.3.4 协方差放大因子变化
        4.3.5 强迫参数变化
        4.3.6 LETKF等效局地化系数和FETKF观测权重空间分布对比
        4.3.7 CL方法与模糊控制方法的增益矩阵对比
        4.3.8 同化时间
    4.4 本章小结
第5章 总结与展望
    5.1 本文总结
    5.2 本文展望
参考文献
攻读学位期间的研究成果
致谢


【参考文献】：
期刊论文
[1]适应性观测研究现状和展望[J]. 马旭林,于月明,陈德辉.  气象学报. 2015(02)
[2]基于区域逐步分析的集合变分资料同化方法[J]. 吴祝慧,韩月琪,钟中,杜华栋,王云峰.  物理学报. 2014(07)
[3]基于粒子滤波的一种改进的资料同化方法[J]. 冷洪泽,宋君强,曹小群,杨锦辉.  物理学报. 2012(07)
[4]一种气象观测数据求导的新方法[J]. 王业桂,蔡其发,黄思训.  物理学报. 2010(06)
[5]顺序数据同化的Bayes滤波框架[J]. 李新,摆玉龙.  地球科学进展. 2010(05)
[6]雷达回波资料反演海洋波导中观测值权重的确定[J]. 盛峥,黄思训,赵小峰.  物理学报. 2009(09)



本文编号：3667125