基于选择卡尔曼模型的时空反演
统计方法学
2020-06-26 v1
摘要
在表征时空现象的数据同化中面临挑战，特别是当变量的空间直方图呈现多峰时。传统卡尔曼模型基于高斯初始分布以及高斯-线性动态与观测模型。该模型包含于高斯分布类中，因此可解析处理。然而它不适合表示多峰性。我们定义了选择卡尔曼模型，其基于选择-高斯初始分布以及高斯-线性动态与观测模型。选择-高斯分布可视为高斯分布的推广，可表示多峰性、偏度与尖峰性。该选择卡尔曼模型包含于选择-高斯分布类中，因此可解析处理。给出了一种用于评估选择卡尔曼模型的高效递归算法。受污染监测启发的、包含极端事件的初始状态时空反演综合案例研究表明，在重建不连续初始状态时，使用选择卡尔曼模型相比传统卡尔曼模型有显著改进。
引用
@article{arxiv.2006.14343,
title = {Spatio-temporal Inversion using the Selection Kalman Model},
author = {Maxime Conjard and Henning Omre},
journal= {arXiv preprint arXiv:2006.14343},
year = {2020}
}