基于集合卡尔曼滤波的动态模型时空分布参数高效稳健估计
统计方法学
2023-10-04 v2 地球物理
摘要
地球系统模型的精度受未知和/或未解析动态的损害，使得量化系统性模型误差至关重要。尽管允许参数随时空变化的模型参数估计在量化和缓解系统性模型误差方面展现前景，但时空分布模型参数的估计在实践中一直具有挑战性。本文提出一种高效实用的方法，用于估计高维空间中的时变参数。在我们提出的方法——基于集合卡尔曼滤波的离线与在线混合参数估计（HOOPE-EnKF）中，由 EnKF 估计的模型参数受离线批量优化结果约束，其中模型参数的后验分布通过比对模拟与观测的气候变量获得。HOOPE-EnKF 在使用双尺度 Lorenz96 模型与简单全球大气环流模式的合成实验中优于原始 EnKF。HOOPE-EnKF 相对于传统 EnKF 的一个优势是其性能不受模型参数膨胀因子的显著影响，从而免除了对膨胀因子进行大量调参的需要。我们深入讨论了 HOOPE-EnKF 作为改进基于过程的模型参数化及数值天气预报等真实应用中预测的实用方法的潜力。
引用
@article{arxiv.2305.07798,
title = {An efficient and robust estimation of spatio-temporally distributed parameters in dynamic models by an ensemble Kalman filter},
author = {Yohei Sawada and Le Duc},
journal= {arXiv preprint arXiv:2305.07798},
year = {2023}
}