用于集合滤波自适应膨胀与协方差局部化的最优实验设计框架
计算工程、金融与科学
2019-03-26 v2 应用统计
摘要
我们开发了一个最优实验设计框架，用于自适应调整数据同化问题中的协方差膨胀与局部化。协方差膨胀和局部化在所有实际数据同化系统中被广泛用来缓解使用有限大小集合的影响。膨胀因子和局部化半径的选择都会对同化方案的性能产生显著影响。这些参数通常通过试错法调整，导致在实践中优化代价高昂。近来提出的空间和时间变化的膨胀参数与局部化半径已在经验上证明能提升所采用同化滤波器的性能。在本研究中，我们提出一个用于自适应调整膨胀和局部化参数的变分框架。这些参数各自独立优化，目标是最小化后验状态的不确定性。所提框架不假设观测或先验误差不相关，且原则上可在不具备关于模型和观测的专家知识下应用。因此，它适用于处理密集以及稀疏的观测网络。我们给出了数学公式、该方法的算法描述，以及使用两层 Lorenz-96 模型的数值实验。
引用
@article{arxiv.1806.10655,
title = {An Optimal Experimental Design Framework for Adaptive Inflation and Covariance Localization for Ensemble Filters},
author = {Ahmed Attia and Emil Constantinescu},
journal= {arXiv preprint arXiv:1806.10655},
year = {2019}
}
备注
31 pages, 15 figures