不同矩阵分解方法对海洋数据同化的影响

论文摘要

在海洋数据同化领域,集合最优插值方法中,矩阵求逆过程所使用的奇异值分解(singular value decomposition,SVD)十分耗时。对集合最优插值中逆矩阵的求逆过程进行优化,分别使用LU分解、Choleskey分解、QR分解来替代SVD分解。首先,通过LU分解(Choleskey分解或QR分解)得到相应的三角矩阵(或正交矩阵);然后,利用分解后的矩阵来实现相关逆矩阵的计算。由于LU分解、Choleskey分解、QR分解的算法复杂度都远小于SVD分解,因此改进后的同化程序能得到大幅度的性能提升。数值结果表明,所采用的三种矩阵分解方法相比于SVD分解,都能将集合最优插值的计算效率提升至少两倍以上。值得一提的是,在四种矩阵分解中Choleskey分解使得整个同化程序的性能达到了最优。

论文目录

• 1 引言
• 2 数据同化方法
•   2.1 海洋数据同化
•   2.2 数据来源
•   2.3 集合卡尔曼滤波
•   2.4 集合最优插值
•   2.5 奇异值分解
• 3 矩阵分解求逆
•   3.1 矩阵LU分解
•   3.2 矩阵Choleskey分解
•   3.3 矩阵QR分解
• 4 实验结果与分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 管志斌,肖俊敏,季统凯,洪学海,谭光明,马岩

关键词: 海洋数据同化,集合最优插值,矩阵求逆,矩阵分解,分解

来源: 计算机科学与探索 2019年01期

年度: 2019

分类: 信息科技,基础科学

专业: 海洋学

单位: 中国矿业大学(北京)机电与信息工程学院,中国科学院计算技术研究所高性能计算机研究中心

基金: 国家重点研发计划No.2016YFC1401700~~

分类号: P73

页码: 147-157

总页数: 11

文件大小: 2716K

下载量: 163