考虑模型误差的数据同化

粘滞是一种适用于分析和实现的数据同化方法，也据称不像其他同化方法那样对模型误差敏感。然而，粘滞在模型误差存在下的行为鲜少被分析。本报告对粘滞用于纠正模型误差进行了分析。分析表明，随着粘滞参数 $\chi \to \infty$，模型误差的贡献以 $\mathcal{O}(\chi^{-\frac{1}{2}})$ 的速度衰减，第 3.2 定理。数值测试验证了预测的收敛率并验证了粘滞对模型误差的纠正作用。