批序贯数据同化的修正 Kriging 更新公式
机器学习
2012-03-30 v1 统计计算
摘要
近期，大量工作致力于在序贯同化观测数据时高效计算 Kriging 预测值。特别是，Barnes 和 Watson (1992)、Gao 等人 (1996) 以及 Emery (2009) 推导出了能够显著节省计算量的 Kriging 更新公式。利用先前计算的 Kriging 均值和方差，有助于在向已有的 个观测值添加一个新观测值时，避免昂贵的 矩阵求逆运算。除了考虑单个新观测值的传统更新公式外，Emery (2009) 还提出了针对批序贯情形（即同时同化 个新观测值）的公式。然而，Emery (2009) 中给出的未经证明的批序贯情形下的 Kriging 方差和协方差公式是不正确的。本文修正了这一问题，并建立了在同化多个并行观测值时更新 Kriging 方差和协方差的修正表达式。
引用
@article{arxiv.1203.6452,
title = {Corrected Kriging update formulae for batch-sequential data assimilation},
author = {Clément Chevalier and David Ginsbourger},
journal= {arXiv preprint arXiv:1203.6452},
year = {2012}
}