粒子滤波与高斯混合——关于用于全球数值天气预报的局部化混合系数粒子滤波（LMCPF）
应用统计
2022-06-16 v1
摘要
在一个全球数值天气预报（NWP）建模框架中，我们研究将单个粒子的高斯不确定性引入局部化自适应粒子滤波（LAPF）的分析步中。我们得到先验分布的基函数混合局部表示。在分析步中，该滤波器计算各权重系数与新的粒子位置。它可视为LAPF与高斯混合滤波局部化版本的组合，即局部化混合系数粒子滤波（LMCPF）。在此，我们考察LMCPF在全球业务化框架内的可行性，并评估先验分布、后验分布与观测之间的关系。我们的模拟在标准准业务实验设置下进行，采用完整全球观测系统、52 km全球分辨率及个模式变量。计算了分析步中粒子运动的统计量。该混合方法能够在真实框架中处理先验分布与观测位置间的不匹配，并以远优于纯LAPF的方式将粒子拉向观测。这表明，使用高斯不确定性可成为提升粒子滤波框架中分析与预报质量的重要工具。
引用
@article{arxiv.2206.07433,
title = {Particle Filtering and Gaussian Mixtures -- On a Localized Mixture Coefficients Particle Filter (LMCPF) for global NWP},
author = {Anne Rojahn and Nora Schenk and Peter Jan van Leeuwen and Roland Potthast},
journal= {arXiv preprint arXiv:2206.07433},
year = {2022}
}