基于随机集合卡尔曼滤波的半定性观测同化
最优化与控制
2018-11-14 v1 应用统计
统计方法学
摘要
集合卡尔曼滤波假设观测为具有预先指定均值和方差的高斯随机变量。在实践中，观测也可能存在探测限，例如当仪表具有最小值或最大值时。在这种情况下，大多数数据同化方案会丢弃超出范围的值，将其视为“非数值”，从而损失可能有用的定性信息。当前工作致力于开发一种处理具有探测限观测的数据同化方案。我们提出了集合卡尔曼滤波半定性方法（EnKF-SQ），并与 Borup 等人（2015）的部分确定性集合卡尔曼滤波（PDEnKF）进行性能对比测试。两者均旨在显式同化超出范围的观测：超出范围的值本质上是定性的（不等式），但人们可以为其假设一个概率分布，并相应地更新集合成员。EnKF-SQ 在孪生实验框架下使用线性和非线性玩具模型进行了测试。进行了不同的敏感性实验，以评估集合规模、观测探测限和观测数量对滤波器性能的影响。我们的数值结果表明，使用所提方案同化定性观测可改善整体预报均值，使其可用于在如海冰模型等更现实应用上的测试。
引用
@article{arxiv.1804.07648,
title = {Assimilation of semi-qualitative observations with a stochastic Ensemble Kalman Filter},
author = {Abhishek Shah and Mohamad El Gharamti and Laurent Bertino},
journal= {arXiv preprint arXiv:1804.07648},
year = {2018}
}