Ensemble Kalman 滤波器逆问题新视角：对偶性、非渐近分析与收敛加速
数值分析
2026-01-27 v1 数值分析
最优化与控制
概率论
摘要
本 work 就 Ensemble Kalman 滤波器 (EnKF) 用于逆问题提供新结果与理解。特别是基于拉格朗日对偶视角，我们展示 EnKF 可从拉格朗日对偶函数的样本平均逼近 (SAA) 中推导得出。这种新型对偶视角的美妙之处在于，我们可证明并数值验证 EnKF 的一种新型非渐近收敛结果。受此新视角启发，我们还提出一种新的收敛改进策略用于 Ensemble Kalman Inversion Algorithm (EnKI)，后者是 EnKF 用于逆问题的迭代版本。具体而言，我们提出一种对样本协方差矩阵在每次迭代中进行自适应乘法修正的策略，并将其称为 EnKI-MC (I)。基于这种新的对偶视角，我们推导出 EnKI 算法每次迭代的最优修正因子，以加速收敛。此外，我们还考虑一种基于 ensemble 的乘法协方差修正策略 (EnKI-MC (II))，即对每个 ensemble 采用不同的修正方法。通过将 EnKI 视为固定点迭代，我们还提供理论结果，保证 EnKI-MC (I) 算法的收敛。数值实验包括脱卷积问题、advection-convection 问题中初始条件反演、Lorenz 96 模型中初始条件反演，以及由椭圆偏微分方程约束的逆问题，以验证 EnKF 的非渐近结果，并评估 EnKI 收敛改进策略的性能。数值结果表明，我们为 EnKI 提出的收敛策略不仅在当前技术水平上实现更快收敛，而且在算法终止时提供更高质量的解。
引用
@article{arxiv.2601.17305,
title = {A New Look at the Ensemble Kalman Filter for Inverse Problems: Duality, Non-Asymptotic Analysis and Convergence Acceleration},
author = {C G Krishnanunni and Jonathan Wittmer and Tan Bui-Thanh and Quoc P. Nguyen},
journal= {arXiv preprint arXiv:2601.17305},
year = {2026}
}