集合均方根滤波同化地闪资料的试验研究

闪电资料作为雷达资料的良好补充,可以弥补雷达资料时空与地域的限制。国内外大量研究发现,对流性天气中的地闪与雷达回波具有很强的相关性,这为同化闪电资料提供了一定的可能性。依照GSI云分析中的方法,将闪电资料转换为三维代理回波,运用三维变分方法加入随机扰动产生集合成员,再用集合均方根滤波方法进行同化。选取2009年6月5日发生于苏皖地区的一次强对流天气过程进行一系列同化预报试验。试验结果表明:闪电资料转换为三维代理回波后经集合均方根滤波同化后具有良好的适用性。预报回波能迅速得以改善,时效为3 h左右。同化多时次的闪电资料可以提供更好的预报结果,可提高3 h内短时临近降水预报精度。

基于地面资料集合均方根滤波同化方案的京津冀暴雨模拟研究

为了更加有效地同化地面自动气象站观测资料,针对模式地形与观测站地形存在的高度差异对同化效果的影响,提出了相应的解决方案。在同化系统的位温和露点观测误差中分别引入位温和露点地形代表性误差,在WRF模式中应用集合均方根滤波方法(EnSRF)同化地面自动气象站观测资料,并对2016年一次京津冀暴雨个例进行数值试验。研究结果表明,同化地面资料后,同化阶段的均方根误差、预报阶段的降水TS评分和前13个时次各要素预报均有整体改进。在观测误差中引入地形代表性误差与引入前相比,风场均方根误差得到整体改进;位温和露点的均方根误差在前期表现并不稳定,在后期有所改进;预报阶段前24 h累计降水与后24 h累计降水TS评分在整体上均有所提高。新方案能够减少高度差异对同化效果的影响。

两类订正方案在集合均方根滤波土壤湿度同化中的对比研究

利用Noah陆面模式,基于集合均方根滤波(ensemble square-root filter,简称ENSRF)算法,结合观测和模式2类订正方法,通过构建多个融合同化方案,进行土壤湿度同化研究。其中,模式订正采用粒子群优化算法估计模式参数,观测订正则将观测季节性尺度的特征调整到与模式气候态相当的水平。结果表明,观测订正能够有效减少观测与模式季节尺度差异,从而间接减少同化中的观测误差,而模式订正则有效减少模式参数在同化中产生的误差;引入观测和模式订正后的同化都要优于原始观测且未订正模式的传统同化方案,而单独引入模式或者观测订正并不能够提供给同化方案最佳误差订正信息;结合尺度化的观测订正和参数优化的模式订正,能够使传统土壤湿度ENSRF估计方案得到最大程度的改善。

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.

均方根信息滤波和平滑及其在低轨卫星星载GPS精密定轨中的应用

从均方根信息滤波和平滑的基本原理出发,结合卫星定轨的实际特征,导出了其在精密定轨软件中实现的详细公式;针对均方根滤波的特点,提出了快速高效地探测和修复GPS观测数据中周跳的新方法。利用实测星载GPS数据验证了基于均方根滤波的质量控制算法的可靠性,得到了有益的结果。

基于高斯和均方根容积卡尔曼滤波的姿态角辅助目标跟踪算法

根据目标2维运动速度与姿态角的关系,该文提出一种姿态角辅助目标跟踪算法。在目标运动学基础上建立状态向量中包含姿态角的跟踪模型,实现姿态角对目标跟踪的辅助;针对基于模板匹配姿态角量测的噪声为非高斯情况,将均方根容积卡尔曼滤波引入到高斯和滤波框架下,提出新的高斯和均方根容积卡尔曼滤波算法,提高非线性非高斯处理能力,同时结合目标运动中姿态角的变化规律,建立姿态角分量不同的跟踪模型,通过模型切换实现机动姿态角的滤波。算法对姿态角量测进行滤波,同时实现了姿态角信息与位置信息的有效融合。仿真结果验证了该算法的有效性和正确性。

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。

利用集合均方根卡尔曼滤波反演重庆地区SO_2源排放

传统的"自下而上"清单方法估算的排放清单,其数据的准确性和时效性存在较大局限.基于集合均方根卡尔曼滤波的源清单反演方法,结合WRF-CMAQ(天气研究和预报模式-公共多尺度空气质量模型)被用于对以清华大学编制的2010年MEIC(中国多尺度排放清单模型)排放清单为基础制作的重庆地区SO_2排放源进行反演试验以解决准确性和时效性问题,试验时间段为2014年10月15—31日,重庆主城17个环境空气质量国控监测点ρ(SO_2)小时观测资料用于反演及检验.结果表明:该方法能够反演重庆地区SO_2源排放量,随着反演次数增加,基于反演排放源预报的ρ(SO_2)预报误差持续减小,反演4次后预报误差达到比较低的稳定的水平,其均方根误差均低于20μg/m^3.5次反演后SO_2源排放量用于2014年10月24—29日每天起始预报,其预报的站点、时间平均的均方根误差从100~400μg/m^3降至30μg/m^3以下.反演中应用局地化尺度减少集合取样误差影响,54与81 km两个局地化尺度反演结果对预报改善效果相当,表明主要影响重庆主城ρ(SO_2)的源排放位于主城及周边地区,也说明内源排放对重庆主城ρ(SO_2)起主要影响.反演后面源排放量主城区降幅约为30 kg/(d·km^2),周边地区减少10~20 kg/(d·km^2),主城区部分SO_2点源排放量降幅约为25 kg/(d·km^2),说明2010年MEIC排放清单高估了试验时段重庆地区的SO_2排放.

面向非线性MTT的多模型泊松多伯努利混合滤波算法

在多目标跟踪(Multi-target Tracking,MTT)的非线性特性与低检测概率情况下,针对多伯努利滤波算法的高斯混合(Gaussian Mixture,GM)实现难以精确估计目标的势与运动状态的实际问题,本文提出了一种适用于非线性系统的泊松多伯努利混合滤波(Poisson Multi-Bernoulli Mixture Filter,PMBM)算法.首先,推导出多模型泊松多伯努利混合滤波的高斯混合(GM Multi-model PMBM,GM-MM-PMBM)实现过程.然后,分别对GM-MM-PMBM的伯努利高斯分量进行预测与更新,实现了基于非线性系统的MTT.为提升系统稳定性,基于平方根协方差矩阵推导出GM-MM-PMBM均方根容积卡尔曼滤波算法的实现过程.最后,仿真实验综合验证了本文算法的跟踪性能.

均方根嵌入式容积粒子PHD多目标跟踪方法

针对基于概率假设密度算法(Probability hypothesis density,PHD)的非线性多目标跟踪精度低、滤波发散等问题,提出了一种新的PHD算法—改进的均方根嵌入式容积粒子PHD算法(Advanced square-root imbedded cubature particle PHD,ASRICP-PHD).新的算法在初始化采样时将整个采样区域等概率划分为若干个区域,然后利用既定的准则从每个区域抽取粒子,并利用均方根嵌入式容积滤波方法对每个粒子进行滤波,来拟合重要密度函数,预测和更新多目标状态的PHD.仿真结果表明该算法能对多目标进行有效跟踪,相比拟随机采样法和伪随机采样,等概率采样的方法在多目标位置估计和数目估计上有更高的精度.

基于均方根容积粒子的SMC-PHD算法

传统的序贯蒙特卡罗概率假设密度(SMC-PHD)算法采用状态转移密度作为重要性采样函数.当目标非线性运动时,少数粒子将具有较大的权值,导致估计精度低、结果发散.针对上述问题,提出了一种基于均方根容积卡尔曼滤波(SCKF)和统计门限技术的重要性采样函数设计方法.在重要性采样函数估计时,首先利用SCKF对重要性采样函数的均值和协方差阵进行预测,而后利用统计门限技术提取与重要性采样粒子相关联的量测.通过相应的权值对所提取的量测进行合并,更新重要性采样函数的均值和协方差阵.在此基础上将设计的重要性采样函数应用于SMC-PHD的强度预测和更新,最终实现多目标状态和数目的估计.实验表明,本算法在非线性多目标跟踪中具有精度高、估计结果稳定的优点.

GRACE时变重力场各向异性高斯组合滤波方法

受测量误差等因素影响,直接使用GRACE时变重力场模型的地表质量变化反演结果呈现严重条带噪声,必须采用滤波消除。本文对不同滤波方法进行了试验分析,以信噪比最大为准则,确定了不同滤波方法的最优滤波参数,并在此基础上提出了一种各向异性组合滤波方法。该方法根据时变重力场模型球谐系数误差特性,结合各向异性高斯滤波和均方根滤波特点,对精度较高的低次项系数采用较大权重以保留更多有效信号,而对精度较差的高次项系数采用较小权重以压制噪声。不同于传统的两步法组合滤波,该方法仅需进行一步滤波处理。试验结果表明,本文提出的各向异性组合滤波方法计算步骤简单,能够有效消除条带噪声;与单一滤波和传统两步法组合滤波方法相比,提高了反演结果信噪比,保留了更多真实信号。

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。

中国居民消费季节调整:2000～2010——基于均方根信息滤波状态空间模型的研究

近年我国消费率持续下降,在我国消费社会处于转型升级的重要时期,投资与消费的失衡是当前宏观经济中最严重的问题之一。本文在基于传统的Kalman滤波状态空间季节调整模型的基础上,用均方根信息滤波的方法对状态空间季节调整模型进行改进,充分利用R软件中DECOMP程序包的优势将2000年1月至2010年12月我国居民消费非平稳序列进行分解。所得结论:(1)二阶AR成分模型最优。交易日对我国消费品零售额影响不显著。(2)我国社会消费品零售额有两阶段指数发展趋势特征,2003年是趋势变化转折点,后期比前期增长快。具有中间低、两头高的U型季节特征。(3)得到非常平滑的月环比增长率,为经济监测提供了更稳定的依据。

基于物理约束扰动的EnSRF雷达资料同化

在完善WRF集合均方根滤波同化系统的双向嵌套预报方案、雷达资料质量控制方案和多微物理过程积分方案的基础上,引入了一种扰动势函数、流函数的尺度较小、物理意义更明显的集合初始扰动新方案。通过台风"桑美"登陆过程中的多普勒雷达资料直接同化试验,对比新扰动方案与目前应用较多的背景误差协方差随机扰动和全场随机扰动方案,对集合滤波同化效果的影响。试验结果表明,3种初始扰动方案都有效改善了台风内部结构,但新方案由于尺度更小、结构更为合理,其同化效果也更为显著,提高了对台风路径、中心最低气压、最大风速及降水的预报质量。

卫星辐射率资料EnSRF同化及暴雨模拟应用

基于自主构建的WRF-EnSRF(Weather Research and Forecasting-Ensemble Square-Root Filter)同化系统,同化了ATOVS(Advanced TIROS Operational Vertical Sounder)辐射率资料,以检验该系统同化卫星资料的能力及其在暴雨过程模拟中的效能。对2008年6月6-7日广东地区一次大暴雨过程进行了同化及数值模拟试验,结果表明,同化ATOVS辐射率资料得到的分析场,丰富了对流层高层的大气温度和对流层中低层的大气湿度信息,对风场也有一定的改进。控制试验和同化试验都较好地模拟出了降水的主要落区和发生时段,但控制试验对暴雨、大暴雨的雨区和雨强的模拟效果欠佳;相比而言,同化试验对强降水中心的位置、范围的模拟均有更好的反映,模拟的暴雨强度也与实际降水量级基本一致,同化改进效果明显。

顺序数据同化算法的敏感性分析

为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。

EnSRF雷达资料同化对一次强对流天气模拟的影响研究

利用ARPS(Advanced Regional Prediction System)模式和具有流依赖背景误差协方差的集合均方根滤波(Ensemble Square Root Filter,简称En SRF)方法,通过同化多部多普勒雷达资料,对2013年6月23日的强对流天气过程进行了研究。首先对比同化试验和观测的组合反射率因子,检验了同化效果。通过计算均方根误差和离散度,进一步定量评估了同化结果。再对比模式变量,综合分析了En SRF雷达资料同化对模式热力、动力、湿度和微物理量等变量的影响。最后对集合平均场进行1 km的高分辨率数值模拟。结果表明:En SRF能够同化出与观测类似的对流系统,且减弱了南北部的虚假回波。径向风和反射率因子的均方根误差明显减少。En SRF雷达同化能够明显优化模式的初始场,同化试验的回波在垂直方向上范围增加,强度偏弱。在强对流区域,低层的冷池温度最多降低6 K,相对湿度最多增加30%。对流区域的雨水、冰晶和雪的混合比均有明显增加。模拟发现同化试验能够较好地模拟出对流系统的结构和位置。

EnSRF雷达资料同化在一次飑线过程中的应用研究

本文利用包含复杂冰相微物理过程的WRF(Weather Research and Forecasting)模式,针对2007年4月23日发生在我国华南地区的一次典型飑线天气过程,分别进行了确定性预报和集合预报试验,发现确定性预报能大致捕捉到飑线系统的发生发展过程,但对飑线后部的层云区模拟效果较差。集合预报能够有效地减少模式的不确定性,大部分集合成员对飑线的模拟效果优于确定性预报。进一步将集合预报得到的40个成员作为背景场,采用En SRF(Ensemble Square Root Filter)同化多普勒天气雷达资料,并将分析得到的集合作为初始场进行集合预报,通过与未同化雷达资料的集合对比,考察了En SRF同化多部雷达资料对飑线系统的影响。结果表明:En SRF雷达资料同化增加了模式初始场的中小尺度信息,大部分集合成员的分析场能够较准确地再现飑线的热力场、动力场和微物理场的细致特征,并且模拟出飑线后部的层云结构。通过对En SRF分析的集合进行模拟发现,大部分集合成员较未同化雷达资料时模拟效果有明显改善。同化后的集合预报ETS(Equitable Threat Score)评分最高,其次是未同化的集合预报,确定性预报的最低。

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星（HJ-1B CCD2）影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明：从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.