基于 nudging 引导的深度神经网络数据同化
数值分析
2021-11-24 v1 数值分析
摘要
nudging 数据同化算法是一种强大的工具，用于在观测不完整且含噪声的情况下对感兴趣的现象进行预报。鉴于机器学习的易计算性和预报能力，其在数据同化中正变得日益流行。本文提出了一种通过机器学习进行数据同化的新方法，其中深度神经网络（DNNs）被教导执行 nudging 算法。所提出的基于 DNN 的算法的精度与 nudging 算法相当，并通过 Lorenz 63 和 Lorenz 96 数值算例得到验证。该方法的主要优势在于，一旦训练完成，DNNs 的求值代价很低，而 nudging 通常需要求解微分方程。针对 Lorenz 63 模型的连续与离散时间模型，建立了标准的指数型逼近结果。这些结果可直接与 DNNs 的估计（在可用时）相结合，以推导所提算法的整体逼近误差估计。
引用
@article{arxiv.2111.11505,
title = {Data Assimilation with Deep Neural Nets Informed by Nudging},
author = {Harbir Antil and Rainald Löhner and Randy Price},
journal= {arXiv preprint arXiv:2111.11505},
year = {2021}
}
备注
20 pages