观测误差协方差估计下的集合鲁棒滤波数据同化方法

在数据同化方法中,观测误差协方差矩阵是相关的,且与时间和状态有一定的依赖性。针对这种相关特性,将鲁棒滤波方法与观测误差协方差估计方法相结合,得到随状态时间变化的观测误差协方差,提出一种带有观测误差估计的鲁棒数据同化新方法,更新观测误差协方差,改善估计效果。从分析误差协方差,转移矩阵特征值放大等角度优化同化方法。利用非线性Lorenz-96混沌系统,对三种不同优化角度下带有观测误差估计的鲁棒滤波和原鲁棒滤波方法的鲁棒性和同化精度进行评估,并比较分析了两种方法在模型误差、观测数目和性能水平系数变化时的性能。结果表明:观测误差估计技术能够提高状态估计的精确性,带有观测误差估计的鲁棒滤波对系统参数变化具有较好的鲁棒性。

两种耦合模糊控制的局地化方法研究

在集合数据同化过程中,由于远距离的观测与同化状态之间存在着虚假相关,局地化方法受到广泛关注。此外,由于集合数的限制,容易引起欠采样和协方差被低估等现象,使得滤波效果欠佳。因此,提出模糊控制算法,模糊控制算法主要用于判断观测点与状态更新点之间的距离来匹配相应的观测权重,进而调整局地化系数来更新背景误差协方差和观测误差协方差矩阵,从而得到有效的状态估计。基于背景误差协方差局地化方法和观测误差协方差局地化方法,耦合模糊控制,形成了新的算法-模糊控制的背景误差协方差局地化方法和模糊控制的观测误差协方差局地化方法。利用Lorenz-96模型,在小集合数和局地化半径下,得出模糊控制的背景误差协方差局地化方法和模糊控制的观测误差协方差局地化方法有较好的同化性能。通过分析泰勒图谱甄别出新算法与观测点具有高度的相关性以及较小的空间变异性。最后,在不同维数的模糊控制器下,新算法的有效性进一步得到验证。为今后数据同化误差处理方面提供了良好的研究平台。