导读:本文包含了集合卡尔曼变换论文开题报告文献综述及选题提纲参考文献,主要关键词:海洋资料同化,局地集合变换卡尔曼滤波,负载均衡策略,高性能
集合卡尔曼变换论文文献综述
范峥,李宏,刘向文,徐芳华[1](2019)在《基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速》一文中研究指出通过对局地集合变换卡尔曼滤波(LETKF)算法的计算时间复杂度的完整分析,发现计算集合空间分析场误差协方差的逆矩阵这一过程计算量最大,耗时最长。且在并行计算环境下,该步骤CPU计算量分配不均是影响计算效率的直接原因。为解决这一问题,采用"贪心算法"设计了一套新的负载均衡策略,并使用该策略开发了一个基于LETKF和并行海洋模块2(POP2)的高性能并行海洋资料同化系统。将2004年1~2月日平均的最优插值海表温度资料(OISST)和同时期的Argo温盐剖面资料同化进入POP2。结果表明,同化有效降低了温度和盐度的均方根误差。同时,在不改变计算结果的前提下,相比原始同化系统,新系统计算性能提升1倍。在更高分辨率(0.1°×0.1°)下,该系统的计算性能仍然可以提升1倍,说明新设计的负载均衡方案稳定可靠。该方案具有很强的可扩展性和移植性,在业务预报中有广泛的应用前景。(本文来源于《地球科学进展》期刊2019年05期)
崔宝龙,笪良龙,过武宏[2](2018)在《基于集合卡尔曼变换的东中国海声学敏感区判定方法》一文中研究指出为改善海洋与水声环境预报质量,针对常规观测成本高、资料利用率低等问题,将适应性观测方法应用于海洋声学领域。结合海洋-声学耦合模式与集合卡尔曼转换敏感区诊断方法,以东中国海宫古海峡北部区域为验证区,计算并分析不同条件下海洋环境敏感区与声学敏感区分布,通过观测系统模拟试验验证适应性观测对验证区预报的提升效果。结果表明,两种敏感区位置随时间间隔增加均向验证区上游移动,海洋环境敏感区相比于声学敏感区分布更为集中,且平移特征更明显;对海洋环境敏感区和声学敏感区添加适应性观测均能提升海洋与水声环境的预报质量,提升效果随时间间隔增加而减小,在某种类型敏感区的适应性观测对相对应参数的预报质量提升效果优于对其他类型敏感区进行观测的效果。(本文来源于《应用声学》期刊2018年06期)
何佩仪[3](2018)在《集合变换卡尔曼滤波局地化(LETKF)方案的发展及应用研究》一文中研究指出集合变换卡尔曼滤波(ETKF)是一种有效的集合预报初始扰动方案,得到广泛应用。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使ETKF方案中两个距离较远的状态变量产生较高的虚假相关,从而影响集合扰动的质量。为了有效解决远距离虚假相关的问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),研究发展了 ETKF局地化方案(LETKF),确定了 LETKF方案的局地化尺度等关键参数;通过暴雨个例和连续批量试验,从初始扰动的相关分布、能量结构、演变特征以及集合预报综合检验等多方面,分析了 LETKF方案消除远距离虚假扰动的有效性。结果表明,GRAPES区域集合预报中,LETKF局地化能够有效消除远集合扰动的距离虚假相关,进一步改善了集合扰动的质量,更加合理地捕捉到快速增长的分析误差的物理结构,较准确地再现数值模式预报误差的线性与非线性传播和演变特征。主要结论如下:(1)研究发展了 GRAPES REPS的LETKF局地化初始扰动方案。新构建的LETKF局地化方案能够有效消除区域集合扰动的远距离虚假扰动信息,提高集合扰动的整体质量。(2)在当前模式水平分辨率和15个集合成员的条件下,LETKF局地化半径为700 km的结果,对于消除集合扰动的远距离虚假、改进集合扰动质量的效果相对最好。集合扰动的相关分布、能量结构、演变特征证明了局地化方案的有效性及相应扰动结构的合理性。另外,引入低层大气信息合理增大预报的集合离散度,进一步优化了 LETKF局地化方案的性能。(3)基于个例分析和批量试验,结果表明LETKF局地化方案对改进集合预报预报质量,尤其是小雨、中雨、暴雨量级的预报具有较好效果。相比于GRAPES REPS,局地化方案的区域集合预报整体质量具有较明显的优势,尤其是对温度场的改善更为显着。不同物理量、不同层次的集合扰动、离散度的发展与传播特征并不一致。通常,对流层中高层质量较好,低层相对较差。(本文来源于《南京信息工程大学》期刊2018-06-01)
马旭林,于月明,姜胜,李炬[4](2014)在《基于集合卡尔曼变换的目标观测敏感区识别系统优化及影响试验》一文中研究指出在基于集合卡尔曼变换(Ensemble Transform Kalman Filter,ETKF)方法的适应性观测系统的基础上,考虑湿度因子作用并增加对流层低层的大气运动信息,发展了更加适用于我国中尺度高影响天气系统敏感区识别的优化方案。针对环北京夏季暴雨和冬季降雪的高影响天气个例,分别设计4组试验进行观测敏感区识别试验,考察了优化方案目标观测敏感区识别质量,并对分析和预报结果进行了评估。结果表明:优化方案的目标观测敏感区识别效果最佳,对环北京夏季暴雨和冬季降雪天气的目标观测敏感区质量有明显改善,湿度因子可使最强观测敏感区更加集中,对夏季降水敏感区的影响比冬季降雪天气更加明显。低层大气信息的引入对最强观测敏感区的准确识别也具有重要的积极作用。目标观测敏感区的目标资料对分析和短期预报质量具有明显的正贡献。(本文来源于《大气科学学报》期刊2014年06期)
龙柯吉,陈静,马旭林,纪永明[5](2011)在《基于集合卡尔曼变换的区域集合预报初步研究》一文中研究指出为了深入研究集合卡尔曼变换(Ensemble Transform Kalman Filter,ETKF)初值扰动方法,提高集合预报质量,从全球大集合预报资料中提取初始扰动场,建立区域模式的ETKF初值扰动方案,对2008年7月22日发生在中国东部的一次暴雨过程进行集合预报试验,并分析ETKF方案构造的扰动场特征和集合预报效果。结果表明,由ETKF初始扰动方案产生的扰动场大小与分布合理,能够反映观测站点的空间分布,能够保持所有正交、不相关方向的误差方差。集合预报降水落区相对控制预报有所改善,集合平均小雨和中雨TS评分和BS评分总体优于控制预报。24h集合预报的Talagrand分布优于36h预报。试验结果揭示了ETKF初值扰动方案的基本性质及利用ETKF方法进行区域集合预报的可行性。(本文来源于《成都信息工程学院学报》期刊2011年01期)
马旭林,薛纪善,陆维松[6](2008)在《GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究》一文中研究指出初始扰动方案是集合预报研究的核心问题之一。文中根据最新提出的基于集合卡尔曼变换(ETKF)理论的集合初始扰动方案,利用模拟观测系统及其调整的观测误差与放大因子的方案,研究发展了针对中国GRAPES全球预报系统的集合初始扰动方案,建立了GRAPES全球集合预报系统。利用14个集合成员进行了近两个月的集合预报试验,重点研究了初始扰动的结构特征、扰动振幅以及扰动增长特征,分析了集合扰动初始场的质量与性能。初步试验结果表明,基于ETKF初始扰动方案的GRAPES全球集合初始扰动能够较好地反映分析误差方差的主要模态结构和扰动振幅,并具有比较合理的集合离散度。分析误差方差能够准确地反应模拟观测资料的空间分布特征。初始扰动方差近似等于预报误差方差,并对全球观测系统的空间变化具有准确的响应。集合扰动具有合适的增长率,在96h的预报时效内可以有效地保持适当的集合离散度。52d集合预报统计分析显示,北半球集合平均的预报质量评分相对于控制预报具有较明显的优势,副热带高压特征线的个例预报也表明GRAPES全球集合预报在短期预报时效内具有很好的预报效果。基于ETKF初始扰动方案的GRAPES全球集合预报系统显示出良好的发展前景和应用潜力。(本文来源于《气象学报》期刊2008年04期)
马旭林[7](2008)在《基于集合卡尔曼变换(ETKF)理论的适应性观测研究与应用》一文中研究指出适应性观测是近几年国际上提出的一种有效改善中短期天气预报质量的新思想,是国际THORPEX科学计划的核心内容,也是当前国际数值预报领域研究的前沿热点问题。无论是适应性观测理论,还是针对高影响天气系统的观测试验,我国都处于初步阶段。为积极参加国际THORPEX科学计划,提升我国适应性观测研究的科学水平,改善高影响天气预报质量,本文对适应性观测相关科学问题开展了研究。本研究主要针对我国典型性高影响天气系统特征,借鉴与吸收国际最新适应性观测研究成果,根据集合卡尔曼变换(ETKF)理论,研究发展了ETKF适应性观测系统与基于ETKF初始扰动方案的GRAPES全球集合预报系统。利用GRAPES全球集合预报和国际TIGGE集合预报资料,针对我国台风和江淮强降水高影响天气,研究了ETKF信号方差的结构特征,揭示了信号方差(目标观测区)与集合数、预报时间长度、气象物理量之间的关系及其对不同集合预报的依赖性,并着重研究了适应性观测对我国典型性高影响天气预报的影响及其目标观测区的分布特征。论文的创新之处与主要科学结论有如下几个方面:(1)发展建立了ETKF适应性观测系统根据ETKF理论,结合GRAPES 3DVar资料同化系统,发展建立了适用于我国高影响天气系统的ETKF适应性观测系统。选择能够准确反映预报不确定性的总能量构造信号方差,作为识别目标观测区的度量变量。ETKF适应性观测系统具有较强的预报信号方差的能力,可以合理的识别出目标观测区。(2)目标观测区结构特征及其与影响因素的关系集合成员数对中低纬度热带气旋的目标观测区预报的准确性具有明显的影响,大于37个集合成员识别的目标观测区比较准确。目标观测区的结构与可靠性随预报长度的不同也存在变化,对不同集合预报具有较强的依赖性,表明集合预报质量对ETKF适应性观测具有重要的作用。(3)我国台风预报的适应性观测研究研究表明,西太平洋热带台风的目标观测主要位于台风中心北侧引导气流区。目标观测并不能确保改善所有的分析误差,对不同层次、不同物理量的改善程度也存在差别,同时也可能降低分析质量。对位势高度与温度的分析误差和预报误差具有明显的改善作用,对不同层次的风场预报的影响不完全相同。对台风路径和中心强度的前24h预报误差具有明显的改善,其后的改善效果并不显着。目标观测资料对路径预报优于对台风强度预报的改善效果。(4)适应性观测在江淮强降水预报中的应用研究江淮强降水天气系统的目标观测敏感区基本位于引起强降水的低涡系统的槽前位置。目标观测对分析和预报均表现出改善效果,但也存在局部质量降低的情形。不同的分析变量和层次,其改善或降低的效果也不完全相同。对预报的改善主要体现在对流层中低层的部分预报变量,尤其是位势高度的改善作用最为明显。目标观测对降水预报的落区和强降水中心具有一定的改善作用,但并没有明显改善强降水预报的量级。(5)发展了基于ETKF初始扰动方案的GRAPES全球集合预报系统GRAPES集合初始扰动在北半球可以反映出分析误差方差的主要特征结构,扰动大小合理,并能具有合理的集合离散度,但南半球扰动效果并不理想;扰动增长与预报误差的增长特征基本一致,集合方差可以正确地解释更多的预报误差方差;集合预报能够合理的表示出实际大气可能的发展状态。基于ETKF初始扰动方案的GRAPES全球集合预报系统显示出良好的发展潜力与应用价值。本研究工作首先建立了我国具有科研与业务应用能力的ETKF适应性观测系统,对我国积极从事国际适应性观测研究合作和开展我国的适应性观测试验提供了系统平台。本工作对我国高影响天气系统目标观测的科学问题有了初步理解,为将来持续研究奠定了基础。同时,也为改善我国高影响天气预报质量提供了有效途径和积极的探索。GRAPES全球集合预报系统也为我国全球业务集合预报的发展提供了新方案。(本文来源于《南京信息工程大学》期刊2008-05-01)
田伟红,庄世宇[8](2007)在《适应性观测与集合变换卡尔曼滤波方法介绍》一文中研究指出给出适应性观测理论和集合变换卡尔曼滤波方法及其研究现状的综述。重点介绍了集合变换卡尔曼滤波方法及其相关的一些问题。在数值预报领域,一种新的途径是利用数值预报系统信息在预报时效内确定出某些区域,如果在这些区域进行补充观测,可以最有效地改进预报技能。这种方法被称为适应性或目标观测,所确定的观测区域称为敏感区,敏感区内增加观测后分析质量将得到改善,对后续的预报技能可产生最大的预期影响。目前适应性观测研究已经成为世界气象组织(WMO)组织的THORPEX计划的一个子计划。集合变换卡尔曼滤波(The Ensemble Transform Kalman Filer,简称ETKF)是一种次优的卡尔曼滤波方案,最早是作为一种适应性观测算法提出的,现在还被用于集合预报初始扰动的生成。ETKF方法不仅可以同化观测资料,而且可以估计出观测对预报误差的影响。它与其它集合卡尔曼滤波方案不同之处在于:ETKF利用集合变换和无量纲化的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测造成的预报误差协方差的减少量,预报误差减少最多的一组观测所对应的区域就是所寻找的敏感区。(本文来源于《热带气象学报》期刊2007年02期)
田伟红[9](2006)在《集合变换卡尔曼滤波方法在集合预报和适应性观测中的初步应用》一文中研究指出近年来,为了最大程度地改进预报技能,一种利用预报系统信息来确定进行补充观测区域的方法迅速发展起来,我们称之为适应性观测方法或目标观测方法。确定的观测区域称之为敏感区域,在敏感区内改善分析质量对后续的预报技能产生最大的预期影响。目前适应性观测研究已经成为THORPEX计划中的一个子计划。集合变换卡尔曼滤波(theensemble transform Kalman filer简称ETKF)方法最早是作为一种适应性观测算法提出的,现又被用于集合预报初始扰动的生成。ETKF方法是一种次优的卡尔曼滤波方案,像其它卡尔曼滤波方案一样,它不仅可以同化观测资料而且可以估计出观测对预报误差协方差的影响。它与其它集合卡尔曼滤波方案不同在于它利用集合变换和无量纲的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测所造成的预报误差的减少量。现有的研究成果表明,ETKF方法无论是作为集合预报初始扰动的生成方法还是作为一种适应性观测算法都具有业务应用的潜力。目前国内在集合变换卡尔曼滤波方面的研究开展地比较少,因此对集合变换卡尔曼滤波方法的研究具有重要的科学价值和现实意义。本文在前人的理论研究基础之上,构建ETKF系统平台,利用了实际大气预报模式进行数值试验,对集合变换卡尔曼滤波理论及其在集合预报和适应性观测两方面的应用进行了研究。下面是本文的研究结果和结论:(1)集合变换卡尔曼滤波方法作为一种集合预报初始扰动的生成方法时,在假设系统是线性和不随时间变化、观测网的地理分布不变、观测误差固定、并且初始集合扰动代表误差增长的方向时,所得到的分析扰动在彼此正交化的观测空间中的概率分布是一样的。本文选取了一次暴雨过程进行试验,根据试验结果统计分析发现在真实大气模式的试验设置下,利用ETKF方法得到的分析扰动在集合子空间基本上也是等概率分布的。(2)在集合预报试验当中,由于集合数的限制会造成分析误差协方差矩阵的低估,需要引入扩大因子(inflation factor)调整集合预报扰动的幅度。本文利用两种不同的扩大因子计算方案进行试验,试验1选用Wang和Bishop(2003)文中介绍的方法进行试验,试验2是采用类似Breeding方法调整集合扰动的大小。试验1得到的扰动的幅度是先增大后减小,最后趋于稳定;试验2的扰动是缓慢的增长,增长到一定大小保持不变。两组试验得到的扰动场最终都趋于稳定,扰动维持在观测误差大小附近,说明两种方法得到的扰动增长是合理变化的。(3)考察了集合数的变化对扩大因子的影响,试验表明随着集合数的增加一倍扩大因子的数值减少了将近一半。说明在集合数增大的过程中扩大因子的作用在逐渐变小。(4)集合变换卡尔曼滤波方法作为一种适应性观测算法,可以直接估计出加入观测后预报误差的减少量。本文用ETKF方法得到的预报误差减少量的变化与深层平均风(DLM)的结果进行了对比,结果表明利用ETKF方法估计得到的信号方差是合理的。(本文来源于《中国气象科学研究院》期刊2006-05-01)
集合卡尔曼变换论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为改善海洋与水声环境预报质量,针对常规观测成本高、资料利用率低等问题,将适应性观测方法应用于海洋声学领域。结合海洋-声学耦合模式与集合卡尔曼转换敏感区诊断方法,以东中国海宫古海峡北部区域为验证区,计算并分析不同条件下海洋环境敏感区与声学敏感区分布,通过观测系统模拟试验验证适应性观测对验证区预报的提升效果。结果表明,两种敏感区位置随时间间隔增加均向验证区上游移动,海洋环境敏感区相比于声学敏感区分布更为集中,且平移特征更明显;对海洋环境敏感区和声学敏感区添加适应性观测均能提升海洋与水声环境的预报质量,提升效果随时间间隔增加而减小,在某种类型敏感区的适应性观测对相对应参数的预报质量提升效果优于对其他类型敏感区进行观测的效果。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集合卡尔曼变换论文参考文献
[1].范峥,李宏,刘向文,徐芳华.基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速[J].地球科学进展.2019
[2].崔宝龙,笪良龙,过武宏.基于集合卡尔曼变换的东中国海声学敏感区判定方法[J].应用声学.2018
[3].何佩仪.集合变换卡尔曼滤波局地化(LETKF)方案的发展及应用研究[D].南京信息工程大学.2018
[4].马旭林,于月明,姜胜,李炬.基于集合卡尔曼变换的目标观测敏感区识别系统优化及影响试验[J].大气科学学报.2014
[5].龙柯吉,陈静,马旭林,纪永明.基于集合卡尔曼变换的区域集合预报初步研究[J].成都信息工程学院学报.2011
[6].马旭林,薛纪善,陆维松.GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究[J].气象学报.2008
[7].马旭林.基于集合卡尔曼变换(ETKF)理论的适应性观测研究与应用[D].南京信息工程大学.2008
[8].田伟红,庄世宇.适应性观测与集合变换卡尔曼滤波方法介绍[J].热带气象学报.2007
[9].田伟红.集合变换卡尔曼滤波方法在集合预报和适应性观测中的初步应用[D].中国气象科学研究院.2006
标签:海洋资料同化; 局地集合变换卡尔曼滤波; 负载均衡策略; 高性能;