基于高斯尺度混合的集合卡尔曼滤波自适应协方差膨胀
数据分析、统计与概率
2019-03-27 v4 混沌动力学
应用统计
摘要
本文研究乘性膨胀：集合卡尔曼滤波(EnKF)中状态协方差的互补缩放。首先，对 EnKF 中的误差来源进行编目并与膨胀相关联地讨论；非线性作为采样误差的来源受到特别关注。对此，通过高斯尺度混合重新推导了称为 EnKF-N 的“有限尺度”改进，再次展示了它如何产生自适应膨胀。回顾了现有的自适应膨胀估计方法，并从比较分析中获得了若干见解。选取其中一种自适应膨胀方法补充 EnKF-N，构成一种混合方法，适用于存在模型误差且参数化不完善的情境。基准测试来自双尺度 Lorenz 模型及其慢尺度截断的实验。所提出的自适应膨胀混合 EnKF-N 方法相较于现有方法取得了系统的精度提升，尽管程度适中。
引用
@article{arxiv.1801.08474,
title = {Adaptive covariance inflation in the ensemble Kalman filter by Gaussian scale mixtures},
author = {Patrick N. Raanes and Marc Bocquet and Alberto Carrassi},
journal= {arXiv preprint arXiv:1801.08474},
year = {2019}
}