存在加性模型误差时的迭代集合卡尔曼滤波
大气与海洋物理
2018-10-17 v2 应用统计
摘要
Sakov 等人（2012）在确定性框架中引入了迭代集合卡尔曼滤波（IEnKF），以扩展集合卡尔曼滤波（EnKF）并改善其在轻度至强非线性情形下的性能。然而，IEnKF 假设模型是完美的。该假设简化了对不同于观测时刻的系统状态的更新，使得将 IEnKF 应用于平滑变得自然。在本研究中，我们将 IEnKF 推广到具有加性模型误差的不完美模型情形。称为 IEnKF-Q 的新方法在集合空间中执行 Gauss-Newton 最小化。它将前一循环传播的分析集合异常与模型噪声集合异常组合为单一异常集合，并由此采取与 IEnKF 相似的代数形式。IEnKF-Q 的性能在一系列使用 Lorenz-96 模型的实验中得到检验，表明该方法一致地优于 naive 修改为容纳加性模型噪声的 EnKF 和 IEnKF。
引用
@article{arxiv.1711.06110,
title = {An iterative ensemble Kalman filter in presence of additive model error},
author = {Pavel Sakov and Jean-Matthieu Haussaire and Marc Bocquet},
journal= {arXiv preprint arXiv:1711.06110},
year = {2018}
}
备注
Accepted for publication in the Quarterly Journal of the Royal Meteorological Society