利用人工神经网络对大气环流模型进行数据同化：常规观测

本文提出了一种利用人工神经网络（NN）模拟集合卡尔曼滤波（EnKF）作为数据同化方法的方法。在简化参数化原始方程动力学（SPEEDY）模型（一种大气环流模型（AGCM））中，使用模拟气球探空定位的合成观测数据测试了同化方法。对于数据同化方案，应用了监督神经网络——多层感知器（MLP-NN）。MLP-NN能够模拟局部集合变换卡尔曼滤波（LETKF）的分析结果。训练过程后，使用MLP-NN的方法被视为数据同化的函数。神经网络使用1982、1983和1984年前三个月的数据进行训练。使用MLP-NN对1985年数据同化周期进行了后报实验，使用了1985年1月的合成观测。数值结果证明了神经网络技术在大气数据同化中的有效性。神经网络分析的结果与LETKF分析的结果非常接近，月平均绝对温度分析的差异约为0.02。模拟表明，使用MLP-NN的主要优势在于更好的计算性能，因为分析质量相似。在数值实验中，使用MLP-NN的CPU时间周期同化比使用LETKF的周期同化快90倍。