导读:本文包含了集合变换卡尔曼滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:海洋资料同化,局地集合变换卡尔曼滤波,负载均衡策略,高性能
集合变换卡尔曼滤波论文文献综述
范峥,李宏,刘向文,徐芳华[1]（2019）在《基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速》一文中研究指出通过对局地集合变换卡尔曼滤波(LETKF)算法的计算时间复杂度的完整分析,发现计算集合空间分析场误差协方差的逆矩阵这一过程计算量最大,耗时最长。且在并行计算环境下,该步骤CPU计算量分配不均是影响计算效率的直接原因。为解决这一问题,采用"贪心算法"设计了一套新的负载均衡策略,并使用该策略开发了一个基于LETKF和并行海洋模块2(POP2)的高性能并行海洋资料同化系统。将2004年1～2月日平均的最优插值海表温度资料(OISST)和同时期的Argo温盐剖面资料同化进入POP2。结果表明,同化有效降低了温度和盐度的均方根误差。同时,在不改变计算结果的前提下,相比原始同化系统,新系统计算性能提升1倍。在更高分辨率(0.1°×0.1°)下,该系统的计算性能仍然可以提升1倍,说明新设计的负载均衡方案稳定可靠。该方案具有很强的可扩展性和移植性,在业务预报中有广泛的应用前景。(本文来源于《地球科学进展》期刊2019年05期）
何佩仪[2]（2018）在《集合变换卡尔曼滤波局地化（LETKF）方案的发展及应用研究》一文中研究指出集合变换卡尔曼滤波(ETKF)是一种有效的集合预报初始扰动方案,得到广泛应用。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使ETKF方案中两个距离较远的状态变量产生较高的虚假相关,从而影响集合扰动的质量。为了有效解决远距离虚假相关的问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),研究发展了 ETKF局地化方案(LETKF),确定了 LETKF方案的局地化尺度等关键参数;通过暴雨个例和连续批量试验,从初始扰动的相关分布、能量结构、演变特征以及集合预报综合检验等多方面,分析了 LETKF方案消除远距离虚假扰动的有效性。结果表明,GRAPES区域集合预报中,LETKF局地化能够有效消除远集合扰动的距离虚假相关,进一步改善了集合扰动的质量,更加合理地捕捉到快速增长的分析误差的物理结构,较准确地再现数值模式预报误差的线性与非线性传播和演变特征。主要结论如下:(1)研究发展了 GRAPES REPS的LETKF局地化初始扰动方案。新构建的LETKF局地化方案能够有效消除区域集合扰动的远距离虚假扰动信息,提高集合扰动的整体质量。(2)在当前模式水平分辨率和15个集合成员的条件下,LETKF局地化半径为700 km的结果,对于消除集合扰动的远距离虚假、改进集合扰动质量的效果相对最好。集合扰动的相关分布、能量结构、演变特征证明了局地化方案的有效性及相应扰动结构的合理性。另外,引入低层大气信息合理增大预报的集合离散度,进一步优化了 LETKF局地化方案的性能。(3)基于个例分析和批量试验,结果表明LETKF局地化方案对改进集合预报预报质量,尤其是小雨、中雨、暴雨量级的预报具有较好效果。相比于GRAPES REPS,局地化方案的区域集合预报整体质量具有较明显的优势,尤其是对温度场的改善更为显着。不同物理量、不同层次的集合扰动、离散度的发展与传播特征并不一致。通常,对流层中高层质量较好,低层相对较差。(本文来源于《南京信息工程大学》期刊2018-06-01）
田伟红,庄世宇[3]（2007）在《适应性观测与集合变换卡尔曼滤波方法介绍》一文中研究指出给出适应性观测理论和集合变换卡尔曼滤波方法及其研究现状的综述。重点介绍了集合变换卡尔曼滤波方法及其相关的一些问题。在数值预报领域,一种新的途径是利用数值预报系统信息在预报时效内确定出某些区域,如果在这些区域进行补充观测,可以最有效地改进预报技能。这种方法被称为适应性或目标观测,所确定的观测区域称为敏感区,敏感区内增加观测后分析质量将得到改善,对后续的预报技能可产生最大的预期影响。目前适应性观测研究已经成为世界气象组织(WMO)组织的THORPEX计划的一个子计划。集合变换卡尔曼滤波(The Ensemble Transform Kalman Filer,简称ETKF)是一种次优的卡尔曼滤波方案,最早是作为一种适应性观测算法提出的,现在还被用于集合预报初始扰动的生成。ETKF方法不仅可以同化观测资料,而且可以估计出观测对预报误差的影响。它与其它集合卡尔曼滤波方案不同之处在于:ETKF利用集合变换和无量纲化的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测造成的预报误差协方差的减少量,预报误差减少最多的一组观测所对应的区域就是所寻找的敏感区。(本文来源于《热带气象学报》期刊2007年02期）
田伟红[4]（2006）在《集合变换卡尔曼滤波方法在集合预报和适应性观测中的初步应用》一文中研究指出近年来,为了最大程度地改进预报技能,一种利用预报系统信息来确定进行补充观测区域的方法迅速发展起来,我们称之为适应性观测方法或目标观测方法。确定的观测区域称之为敏感区域,在敏感区内改善分析质量对后续的预报技能产生最大的预期影响。目前适应性观测研究已经成为THORPEX计划中的一个子计划。集合变换卡尔曼滤波(theensemble transform Kalman filer简称ETKF)方法最早是作为一种适应性观测算法提出的,现又被用于集合预报初始扰动的生成。ETKF方法是一种次优的卡尔曼滤波方案,像其它卡尔曼滤波方案一样,它不仅可以同化观测资料而且可以估计出观测对预报误差协方差的影响。它与其它集合卡尔曼滤波方案不同在于它利用集合变换和无量纲的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测所造成的预报误差的减少量。现有的研究成果表明,ETKF方法无论是作为集合预报初始扰动的生成方法还是作为一种适应性观测算法都具有业务应用的潜力。目前国内在集合变换卡尔曼滤波方面的研究开展地比较少,因此对集合变换卡尔曼滤波方法的研究具有重要的科学价值和现实意义。本文在前人的理论研究基础之上,构建ETKF系统平台,利用了实际大气预报模式进行数值试验,对集合变换卡尔曼滤波理论及其在集合预报和适应性观测两方面的应用进行了研究。下面是本文的研究结果和结论:(1)集合变换卡尔曼滤波方法作为一种集合预报初始扰动的生成方法时,在假设系统是线性和不随时间变化、观测网的地理分布不变、观测误差固定、并且初始集合扰动代表误差增长的方向时,所得到的分析扰动在彼此正交化的观测空间中的概率分布是一样的。本文选取了一次暴雨过程进行试验,根据试验结果统计分析发现在真实大气模式的试验设置下,利用ETKF方法得到的分析扰动在集合子空间基本上也是等概率分布的。(2)在集合预报试验当中,由于集合数的限制会造成分析误差协方差矩阵的低估,需要引入扩大因子(inflation factor)调整集合预报扰动的幅度。本文利用两种不同的扩大因子计算方案进行试验,试验1选用Wang和Bishop(2003)文中介绍的方法进行试验,试验2是采用类似Breeding方法调整集合扰动的大小。试验1得到的扰动的幅度是先增大后减小,最后趋于稳定;试验2的扰动是缓慢的增长,增长到一定大小保持不变。两组试验得到的扰动场最终都趋于稳定,扰动维持在观测误差大小附近,说明两种方法得到的扰动增长是合理变化的。(3)考察了集合数的变化对扩大因子的影响,试验表明随着集合数的增加一倍扩大因子的数值减少了将近一半。说明在集合数增大的过程中扩大因子的作用在逐渐变小。(4)集合变换卡尔曼滤波方法作为一种适应性观测算法,可以直接估计出加入观测后预报误差的减少量。本文用ETKF方法得到的预报误差减少量的变化与深层平均风(DLM)的结果进行了对比,结果表明利用ETKF方法估计得到的信号方差是合理的。(本文来源于《中国气象科学研究院》期刊2006-05-01）
集合变换卡尔曼滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
集合变换卡尔曼滤波(ETKF)是一种有效的集合预报初始扰动方案,得到广泛应用。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使ETKF方案中两个距离较远的状态变量产生较高的虚假相关,从而影响集合扰动的质量。为了有效解决远距离虚假相关的问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),研究发展了 ETKF局地化方案(LETKF),确定了 LETKF方案的局地化尺度等关键参数;通过暴雨个例和连续批量试验,从初始扰动的相关分布、能量结构、演变特征以及集合预报综合检验等多方面,分析了 LETKF方案消除远距离虚假扰动的有效性。结果表明,GRAPES区域集合预报中,LETKF局地化能够有效消除远集合扰动的距离虚假相关,进一步改善了集合扰动的质量,更加合理地捕捉到快速增长的分析误差的物理结构,较准确地再现数值模式预报误差的线性与非线性传播和演变特征。主要结论如下:(1)研究发展了 GRAPES REPS的LETKF局地化初始扰动方案。新构建的LETKF局地化方案能够有效消除区域集合扰动的远距离虚假扰动信息,提高集合扰动的整体质量。(2)在当前模式水平分辨率和15个集合成员的条件下,LETKF局地化半径为700 km的结果,对于消除集合扰动的远距离虚假、改进集合扰动质量的效果相对最好。集合扰动的相关分布、能量结构、演变特征证明了局地化方案的有效性及相应扰动结构的合理性。另外,引入低层大气信息合理增大预报的集合离散度,进一步优化了 LETKF局地化方案的性能。(3)基于个例分析和批量试验,结果表明LETKF局地化方案对改进集合预报预报质量,尤其是小雨、中雨、暴雨量级的预报具有较好效果。相比于GRAPES REPS,局地化方案的区域集合预报整体质量具有较明显的优势,尤其是对温度场的改善更为显着。不同物理量、不同层次的集合扰动、离散度的发展与传播特征并不一致。通常,对流层中高层质量较好,低层相对较差。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集合变换卡尔曼滤波论文参考文献
[1].范峥,李宏,刘向文,徐芳华.基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速[J].地球科学进展.2019
[2].何佩仪.集合变换卡尔曼滤波局地化（LETKF）方案的发展及应用研究[D].南京信息工程大学.2018
[3].田伟红,庄世宇.适应性观测与集合变换卡尔曼滤波方法介绍[J].热带气象学报.2007
[4].田伟红.集合变换卡尔曼滤波方法在集合预报和适应性观测中的初步应用[D].中国气象科学研究院.2006
标签：海洋资料同化; 局地集合变换卡尔曼滤波; 负载均衡策略; 高性能;