一种用于有限区域动力系统估计的替代数据同化模型
数值分析
2023-07-17 v1 机器学习
数值分析
系统与控制
系统与控制
摘要
我们提出一种新颖的基于学习的替代数据同化（DA）模型，用于在有限区域内进行高效状态估计。我们的模型采用前馈神经网络进行在线计算，消除了对高维有限区域模型进行积分的需求。相较于传统DA算法，该方法具有显著的计算优势。此外，我们的方法在在线与离线计算中均避免了有限区域模型对侧向边界条件的需求。我们的替代DA模型设计建立在一个稳健的理论框架之上，该框架利用两个基本概念：可观测性与有效区域。可观测性概念使我们能够定量确定准确DA所需的最优观测数据量。同时，有效区域概念大幅降低了计算可观测性与生成训练数据的计算负担。
引用
@article{arxiv.2307.07178,
title = {A Surrogate Data Assimilation Model for the Estimation of Dynamical System in a Limited Area},
author = {Wei Kang and Liang Xu and Hong Zhou},
journal= {arXiv preprint arXiv:2307.07178},
year = {2023}
}