基于粒子滤波同化的SCIPUFF烟羽预测与Dipole Pride 26数据的比较
应用统计
2011-07-11 v1 分布式、并行与集群计算
数据分析、统计与概率
摘要
本文介绍了粒子滤波在基于烟团扩散模型的数据同化中的应用。粒子滤波能够估计高阶矩，非常适合强非线性和/或非高斯模型。使用高斯烟团模型SCIPUFF来预测化学事故后的化学浓度场。该模型高度非线性，状态维度可变，且经过足够时间后维度很高。虽然粒子滤波框架自然支持可变状态维度，但高维度对选择足够数量的粒子提出了挑战，尤其是对于Bootstrap版本。我们实现了一种Bootstrap粒子滤波，并将其性能与SCIPUFF预测进行了比较。模型和粒子滤波均在Dipole Pride 26实验数据上进行了评估。由于没有可用的真实数据，数据被分为训练集和测试集。我们表明，即使使用数量适中的粒子，Bootstrap粒子滤波也能提供比过程模型更好的浓度场估计，且计算复杂度没有过度增加。
引用
@article{arxiv.1107.1545,
title = {Comparison of SCIPUFF Plume Prediction with Particle Filter Assimilated Prediction for Dipole Pride 26 Data},
author = {Gabriel Terejanu and Yang Cheng and Tarunraj Singh and Peter D. Scott},
journal= {arXiv preprint arXiv:1107.1545},
year = {2011}
}
备注
The Chemical and Biological Defense Physical Science and Technology Conference, New Orleans, November 2008