Đang tải... (xem toàn văn)
PHÂN TÍCH KHÁCH QUAN – ĐỒNG HÓA SỐ LIỆU 1.Kiểm tra số liệu 2.Nội suy số liệu 3.Hóa hợp số liệu: các yếu tố khác nhau nên riêng biệt, không hòa hợp khi tham gia phương trình phải đồng bộ hòa hợp. PHÂN TÍCH KHÁCH QUAN – ĐỒNG HÓA SỐ LIỆU 1.Kiểm tra số liệu 2.Nội suy số liệu 3.Hóa hợp số liệu: các yếu tố khác nhau nên riêng biệt, không hòa hợp khi tham gia phương trình phải đồng bộ hòa hợp. I.Các phương pháp nội suy: -Nội suy đa thức -Barner -3D Var -4D Var -Lọc Kalman TÀI LIỆU THAM KHẢO The Future of Data Assimilation: The Future of Data Assimilation: 4D-Var or Ensemble Kalman Filter? 4D-Var or Ensemble Kalman Filter? Chaos/Weather group at the University of Maryland: Profs. Hunt, Szunyogh, Kostelich, Ott, Sauer, Yorke, Kalnay Former students: Drs. Patil, Corazza, Zimin, Gyarmati, Oczkowski, Shu-Chih Yang, Miyoshi Current students: Klein, Li, Liu, Danforth, Merkova, Harlim, Kuhl, Baek
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA KHÍ TƯỢNG - THUỶ VĂN - HẢI DƯƠNG HỌC BÀI TIỂU LUẬN PHÂN TÍCH KHÁCH QUAN VÀ ĐỒNG HĨA SỐ LIỆU Giảng viên: GS Trần Tân Tiến Học viên: Đặng Thị Lan Anh TP.HCM-2018 PHÂN TÍCH KHÁCH QUAN – ĐỒNG HĨA SỐ LIỆU Kiểm tra số liệu Nội suy số liệu Hóa hợp số liệu: yếu tố khác nên riêng biệt, khơng hòa hợp tham gia phương trình phải đồng hòa hợp Các đặc trưng thống kê: I giá trị TB (x,y) độ lệch Hàm tương quan : Độ tán: Hàm tương quan chuẩn hóa ( hệ số tổng quan) = Số liệu đo: (số liệu thực) (sai số) ( sai số không tương quan với nhau) ( độ tán) II a Các phương pháp nội suy: - Nội suy đa thức - Barner - 3D Var - 4D Var - Lọc Kalman Nội suy đa thức (1) ( số thứ tự trạm tọa độ trạm) O điểm lưới; tọa độ điểm lưới Giả thiết mô tả đa thức (2) (3) ) - b IK Tìm phương phps tối ưu Sai số = Tìm Nội suy Barner Số liệu ban đầu trạm Điểm cần nội suy Số liệu gần (1) Sai số ban đầu (3) (4) Khi dừng Hàm : K tham số Xác định cho d=R W(R) = c Nội suy tối ưu số liệu nội suy điểm O (1) : trọng số trạm i : số trạm Tìm cho giá trị thực Giả thuyết đẳng thức Đồng đo ngàn km vào (1) tính d Đồng hóa số liệu 3DVar – 4DVar Ký hiệu: vector yếu tố dự báo vector yếu tố quan trắc lời giải tìm sai số phương trình dự báo sai số phương trình quan trắc Hàm giá trị: : độ lệch dự báo phương trình : đọ lệch quan trắc phương trình : ràng buộc phép lọc Tìm X cho J(X) đạt giá trị Min -3DVar : Khoảng cách từ trường phân tích đến trường dự báo : Khoảng cách từ phân tích đến điểm dự báo -4DVar : Khoảng cách từ đến thời điểm ban đầu : Khoảng cách từ quan trắc đến thời điểm Biến điều khiển Trường phân tích e Lọc Kalman (EKF) thành phần Bước dự báo: Bước phân tích: nơi ma trận trọng lượng tối ưu cho bởi: phương sai : f Lọc Kalman (EnKF) nhiều thành phần Bước dự báo: Bước phân tích: Lỗi phương sai phân tích tồn khơng gian (Hunt,2005) Và tồn nhiễu đưa TÀI LIỆU THAM KHẢO The Future of Data Assimilation: The Future of Data Assimilation: 4D-Var or Ensemble Kalman Filter? 4D-Var or Ensemble Kalman Filter? Chaos/Weather group at the University of Maryland: Profs Hunt, Szunyogh, Kostelich, Ott, Sauer, Yorke, Kalnay Former students: Drs Patil, Corazza, Zimin, Gyarmati, Oczkowski, Shu-Chih Yang, Miyoshi Current students: Klein, Li, Liu, Danforth, Merkova, Harlim, Kuhl, Baek ... trường phân tích đến trường dự báo : Khoảng cách từ phân tích đến điểm dự báo -4DVar : Khoảng cách từ đến thời điểm ban đầu : Khoảng cách từ quan trắc đến thời điểm Biến điều khiển Trường phân tích. .. phần Bước dự báo: Bước phân tích: nơi ma trận trọng lượng tối ưu cho bởi: phương sai : f Lọc Kalman (EnKF) nhiều thành phần Bước dự báo: Bước phân tích: Lỗi phương sai phân tích tồn khơng gian (Hunt,2005)...PHÂN TÍCH KHÁCH QUAN – ĐỒNG HĨA SỐ LIỆU Kiểm tra số liệu Nội suy số liệu Hóa hợp số liệu: yếu tố khác