基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

基于集合Kalman滤波数据同化的热带气旋路径集合预报研究

构建了一个基于集合Kalman滤波数据同化的热带气旋集合预报系统,通过积云参数化方案和边界层参数化方案的9个不同组合,采用MM5模式进行了不同时间的短时预报。对预报结果使用“镜像法”得到18个初始成员,为同化提供初始背景集合。将人造台风作为观测场,同化后的结果作为集合预报的初值,通过不同参数组合的MM5模式进行集合预报。对2003-2004年16个台风个例的分析表明,初始成员产生方法能够对热带气旋的要素场、中心强度和位置进行合理扰动。同化结果使台风强度得到加强,结构更接近实际。基于同化的集合路径预报结果要优于未同化的集合预报。使用“镜像法”增加集合成员提高了预报准确度,路径预报误差在48小时和72小时分别低于200 km和250 km。

基于集合Kalman滤波的暂态电压扰动检测

随着电力系统中非线性负荷的增加,由暂态电压扰动引起的电能质量问题越来越严重,对暂态电压扰动信号的检测成为改善电能质量的关键。基于集合Kalman滤波方法进行暂态电压扰动检测分析,结合暂态电压扰动特点,构造了集合Kalman滤波的背景集合。由k-1,k-2时刻的电压状态修正值组成背景集合,然后进行递归运算,提取出实时的电压幅值,从而定位暂态扰动发生的起止时刻以及跟踪突变的幅值。仿真结果表明,所提方法能快速检测到电压暂降/突升、暂态电压脉冲信号发生的起止时刻,跟踪到突变幅值。其对谐波加电压暂降混合扰动信号的扰动起止时刻以及混合扰动信号中基波、谐波的幅值的跟踪也非常有效。所提方法总体优于传统的Kalman滤波法和有效值法。

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础。本文介绍了集合Kalman滤波理论及其技术实现,在此基础上搭建了集合Kalman滤波同化系统,用MM5模式同化了实测探空资料并作了48 h的预报试验,并将预报结果与实测值及4D VAR同化的结果作了比较。试验结果表明:集合Kalman滤波同化探空资料可以改进MM5模式的预报效果,且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果。

关于集合Kalman滤波的理论和方法的发展

随着同化方法的不断的发展,一种新的资料同化方法——集合Kalman滤波正在兴起。简单地回顾了同化方法的发展,探讨了集合Kalman滤波的特点。同时,还介绍了集合Kalman滤波发展的过程以及指出目前所面临的问题和未来的发展趋势。

不同模式误差方案在集合Kalman滤波土壤湿度同化中的比较试验

本文主要目的是探讨不同模式误差方案在土壤湿度同化中的性能。基于集合Kal man滤波同化方法和AVI M(At mosphere-Vegetation Interaction Model)陆面模式,利用理想试验对膨胀因子方案(Covariance Infla-tion,简称CI)、直接随机扰动方案(Direct Random Disturbance,简称DRD)、误差源扰动方案(Source RandomDisturbance,简称SRD)等3种模式误差方案的同化效果进行了比较,讨论了各方案在不同观测误差、观测层数、观测间隔情况下的同化性能。试验结果表明在观测误差估计完全准确的情况下,3种方案都能获得较好的同化效果,并且SRD方案相对于真值的均方根误差最小。当观测误差估计不准确时,SRD方案的同化效果仍能基本得以保持,而CI和DRD方案则对观测误差估计更为敏感,同化效果下降明显。当同化多层观测时,CI和DRD方案由于难以保持不同层观测之间的匹配关系,同化结果反而变差,而SRD方案能有效协调同化多层观测,增加观测层后同化结果有了进一步的改善。当观测时间间隔较大时,CI和DRD方案的同化效果显著下降;而SRD方案由于包含了一定的误差订正功能,在观测稀疏时仍能保持较好的同化效果。

基于离散余弦变换的集合Kalman滤波方法对河流相油藏渗透率场的反演

针对河流相油藏参数场的非高斯性及油藏生产数据与地质模型之间的非线性关系,提出了耦合离散余弦变换的半迭代集合Kalman滤波方法对河流相油藏进行生产历史拟合及反演.将河流相油藏非高斯渗透率场利用离散余弦变换变为类似高斯分布的DCT(Discrete cosine transform)系数,利用能量压缩特性对DCT系数进行截断,使得反演渗透率场的分布变得光滑,较好地解决了河流相油藏的非高斯分布问题.半迭代集合Kalman滤波法很好地解决了油藏生产数据与地质模型之间的非线性问题.理论证明了半迭代集合Kalman滤波与EnRML方法的等效性.比较了标准EnKF、耦合DCT的EnKF及耦合DCT的半迭代EnKF法对河流相油藏渗透率场的反演.讨论了DCT系数保留模式及系数保留数量对耦合DCT的半迭代集合Kalman滤波方法反演结果的影响,结果表明三角形系数保留模式可以用更少的系数保留参数场的地质特征,当保留2.5%的DCT系数时,反演结果已经充分反映了河流相油藏的地质特征.

基于集合Kalman滤波的河道洪水预报研究

为提高河道洪水预报精度,研究了集合Kalman滤波法与最小二乘法对马斯京根模型参数率定的河道洪水预报技术,并以长水白马寺实测洪水为例进行了对比检验,探讨了集合Kalman滤波法的多时段预报洪水过程及其特点。检验结果表明,应用集合Kalman滤波技术优于最小二乘法的预报效果,可有效提高河道洪水预报的精度并能适度延长预报时段。

集合KALMAN滤波和最优插值方法在不同观测分布的比较理想试验

目前一种比较流行并且可行的同化方法-集合Kalman滤波(EnKF)能够计算依赖于流的误差统计量。理论上,EnKF能够比最优插值、三维变分等更准确地计算误差统计量,能更好地融合背景场和观测场的信息。作者利用二维平流扩散方程经过10天的同化循环,比较不同观测分布的情况下EnKF和最优插值(OI)的模拟能力。理想试验结果显示,随着观测分布密度的减小,尤其是当观测的分辨率大于OI估计的相关尺度时,集合Kalman滤波的结果比最优插值有更明显的改进。

基于集合Kalman滤波的目标被动跟踪系统

针对传统的目标被动跟踪技术计算量大和滤波不稳定的问题,引入了基于集合预报思想的集合Kalman滤波算法,联合利用到达角和多普勒频率信息实现机动目标被动跟踪,探讨了不同条件下集合成员的数量和初始集合的差异对目标被动跟踪性能的影响。仿真结果表明,集合Kalman滤波能够应用到目标被动跟踪系统中,并且跟踪性能更好。

过去状态估计之集合Kalman滤波扩充状态变量法研究

集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。

集合Kalman滤波同化方法在福建沿岸潮汐数值模拟和预报中的应用研究

为了提高潮汐数值模拟和预报的准确度,利用《2009潮汐表》,建立了含集合Kalman滤波同化模块的潮汐数值预报模型,对集合Kalman滤波同化模块中的参数进行确定,并对同化效果进行了检验.为了确定集合Kalman滤波同化模块中的参数(主要是集合数和截断半径),考虑了42种参数组合,在这些组合中,以模拟准确度和计算相同时段的潮汐值所需时间为标准,存在最优的参数组合:其中,东山、厦门、娘宫、崇武4个站最优的截断半径为35 km,三沙站最优截断半径为30 km,5个站的最优集合数均为20.实验结果表明:将集合Kalman滤波同化方法用于潮汐数值预报模拟中是可行的,同化验潮站的潮汐表上的潮位数据对验潮站本身及其邻近网格点的潮汐模拟改进最大;当5个站不同化调和数据进去的时候,东山、厦门、娘宫、崇武4个站的模拟准确度,在未来12 h仍然有所提高.

污染模型中参数订正的集合Kalman滤波扩展状态变量法

污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定变量进行订正,以达到订正参数的目的。采用一个简化的空气质量方程,对模型参数订正方案进行检验,结果证明提出的方案可行和有效。同时发现,随着观测资料精度的提高,无论是参数还是模型的状态变量,估计分析值的精度也得到相应的提高。

集合Kalman滤波在土壤湿度同化中的应用

基于非饱和土壤水模型和集合卡尔曼滤波（Ensemble Kalman Filter,简称EnKF）并结合陆面水文模型——可变下渗能力模型（Variable Infiltration Capacity,简称VIC模型）发展了一个土壤湿度同化方案。利用1998年6～8月淮河流域能量和水循环试验（HUBEX）项目外场观测试验区——史灌河流域梅山站土壤湿度逐日观测资料及1986～1993年合肥和南阳两站点的土壤湿度旬观测资料进行同化试验,结果表明该同化方案能完整估计土壤湿度廓线,同化的土壤湿度与观测资料基本吻合,反映了土壤湿度的日、旬、月、季变化,同化方案是合理的。与基于扩展卡尔曼滤波（Extended Kalman Filter,简称EKF）的土壤湿度同化方案的结果比较,基于EnKF的土壤湿度同化方案易于实现,且通过选择恰当的集合样本数其同化效果总体上略优于EKF同化方案,但前者同化时需要花费较多的计算时间。

集合Kalman滤波资料同化技术及研究现状

针对国内集合Kalman滤波资料同化领域的研究空白,对该技术的背景、理论、优势以及存在的问题做了简要描述,对目前国际上的主要研究成果做了介绍,并给出了该方法可能的发展方向。

基于集合变换Kalman滤波的流场高效重构

湍流场的准确估计在航空航天领域具有重要意义,现有的获取手段在分辨率或者准确性方面是不足的。实验测量准确却往往测点数量有限,数值计算能获得全场数据,但精度却难以保障。数据同化方法融合了实验观测和数值模拟,是进行流场重构的有效工具。探索了基于集合变换Kalman滤波(ensemble transform Kalman filter,ETKF)的数据同化方法在空间流场重构方面的有效性,并讨论了不同迭代更新模式的重构精度和计算效率,即状态变量基于湍流模型更新的ETKF-M和基于流场数据更新的ETKF-D。以ONERA M6机翼作为数值算例,结合风洞实验翼型表面271测压孔的压力测量数据进行算法实验,结果表明ETKF方法的不同迭代模式均有效修正了湍流模型的预测,并且ETKF-D相对于ETKF-M提升了83%的计算效率。此外,选取两组不同位置的1/4实验测点进行同化实验,得到不同精度的结果,这表明重构的精度与同化测点的位置和数量密切相关。

基于Kalman滤波与应变信号的舰船轴系推力辨识研究

在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。

基于自适应强跟踪Kalman滤波的GNSS跟踪环路设计

为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

改进扩展Kalman滤波的显微视觉压电驱动定位

在显微视觉领域,压电驱动定位技术因其在微观尺度的高精度特性和灵活性备受关注。然而,由于定位过程中涉及图像处理、传输和控制等方面的时延,导致图像雅可比矩阵的估计会出现较大误差。因此,本文提出了一种改进扩展Kalman滤波算法用来预测图像雅可比矩阵,大幅度降低时间延迟因素。首先,将辨识得到的Bouc-Wen模型与扩展Kalman滤波算法的状态观测方程相结合,使得状态观测方程更全面地考虑压电平台的迟滞非线性特性,有效地提高了对压电平台速度和位置的预测;其次,结合Bouc-Wen模型的扩展Kalman滤波算法在面对非线性问题时,采用的是泰勒级数,这将导致扩展Kalman滤波算法对高度非线性的函数无法提供良好的近似,从而导致在估计雅可比矩阵的时候引入较大的近似误差,故本文将采用神经网络对高度非线性函数进行近似,进而对图像雅可比矩阵进行估计。最后,通过搭建一个显微视觉的压电驱动实验平台,进行位置跟踪实验,仿真实验表明,输入信号分别为正弦信号和三角波信号时,改进扩展Kalman滤波算法跟踪误差均值分别为0.199μm和0.132μm,而扩展Kalman滤波算法的跟踪误差均值分别为0.692μm和0.513μm,结果验证了改进算法的优越性和可行性。

应用集合卡尔曼滤波算法对土壤呼吸速率同化及NEP估算

为了对净生态系统生产力(NEP)进行准确估算,以长白山通量观测站观测数据为基础,构建土壤温度、湿度耦合因子的更新模型(线性函数、指数函数、二次式函数),结合集合卡尔曼滤波算法(EnKF)获取高精度土壤呼吸速率数据,应用陆地生态系统碳循环综合模型(InTEC模型)准确估算NEP。结果表明:二次式模型的EnKF算法同化结果估算效果最好,决定系数(R^(2))为0.782,均方根误差为52.90 g·m^(-2)·a^(-1);指数模型EnKF算法同化结果估算值的R^(2)为0.755,均方根误差为56.47 g·m^(-2)·a^(-1);线性模型EnKF算法同化结果估算值的R^(2)为0.742,均方根误差为62.80 g·m^(-2)·a^(-1)。选取二次式模型优化后的土壤呼吸速率数据,InTEC模型模拟长白山通量观测站长时间序列净生态系统生产力的R^(2)为0.900,均方根误差为61.77 g·m^(-2)·a^(-1);InTEC模型模拟东北三省森林生态系统2003—2010年的净生态系统生产力年均值,由初始模拟的30.07 g·m^(-2)·a^(-1),经EnKF算法更新后提升到176.87 g·m^(-2)·a^(-1)。因此,采用EnKF更新土壤温度-湿度耦合因子获取的土壤呼吸速率数据,能够提高InTEC模型估算NEP的精度,为大区域尺度森林生态系统NEP估算提供技术支持。