基于流线EnKF油藏自动历史拟合

作为一种油藏参数动态估计的优化算法,将集合卡尔曼滤波EnKF与流线方法相结合,在算法实现过程中,选择具有更高计算精度和更快计算速度的流线模拟器进行预测,将油藏模型自动还原为一系列沿流线的一维模型,使数值弥散和受网格划分的影响达到最小,保持了明显的驱替前缘。采用序贯高斯协模拟方法生成一组地质模型,通过实时观测数据(产量及含水率等),连续动态更新油藏模型的静态参数(渗透率及孔隙度等)、动态参数(压力及饱和度等),同时实现流线分布的更新,直观地反映油藏流体在注采井之间的运动轨迹。采用Bayes理论阐述了流线EnKF数学原理,并通过拟合计算一个二维水驱油藏模型,验证了方法的有效性。

基于EnKF法的径流数据同化对SWAT模型参数优化效果评估

基于集合卡尔曼滤波(EnKF)法,在合理量化模型模拟和径流观测误差、有效处理模型参数演变及过拟合问题的基础上,以淮河上游淮滨水文站以上流域为研究区,构建了基于径流数据同化的SWAT分布式水文模型参数优化方案,就站点实测径流数据同化对模型参数的优化效果进行了评估。结果显示,数据同化过程中,被更新的模型参数集合逐渐收敛并趋于稳定,基于稳定后的参数获得的模拟径流与实测径流过程接近,流域出口径流模拟的纳什效率系数可达0.88,说明基于EnKF法的径流数据同化对SWAT模型参数具有一定的优化估计能力,且采用数据同化方式进行模型参数率定具有一定的可行性。

数值天气预报中分析同化基本方法的历史发展脉络和评述

数值天气预报中分析同化的基本方法先后经历了多项式函数拟合方法、逐步订正方法、最优插值方法、变分方法和集合卡尔曼滤波方法。本文首先根据相关的经典文献力求本色地介绍这些方法的基本思想和实施的具体要点;然后,着重于它们的上下承接关系,试图阐述同化的历史发展脉络,评述这些方法的显著特征和创新性,以期清晰地理解资料同化的循序渐进的内在发展逻辑。此外,从起源上阐明"主观分析"与"客观分析"、"初猜场"与"背景场"、"分析"与"同化"、以及"更新"、"新息"等基本概念,以期准确地理解和把握"大气资料同化"的由来和内涵。

同化遥感信息与WheatSM模型的冬小麦估产

小麦生长模型WheatSM是针对中国不同冬小麦品种类型研发的,已在科研和业务中得到应用。将遥感信息与作物生长模型耦合,进行区域大范围作物长势监测与估产具有重要的应用价值。以位于中国冬小麦主产区的河南省鹤壁市为研究区,分别利用SCE-UA优化同化法和EnKF同化法,将经优化重建的2013—2017年MODIS LAI时间序列数据和小麦生长模型WheatSM进行耦合,在站点和区域两种尺度开展冬小麦估产研究。结果表明:单站点运行时,在小麦模型参数严格标定的前提下,引入本身带有不确定性的遥感数据,并不能提高模型模拟结果的精度;遥感观测数据的质量对EnKF算法同化结果的影响大于对SCE-UA优化算法同化结果的影响;在区域尺度运行时,SCE-UA优化同化和EnKF同化模拟单产精度较同化前均有明显提高,分县模拟单产与统计单产相比,RMSE由2036.0 kg·hm^-2分别降低到1641.6 kg·hm^-2和1587.7 kg·hm^-2,分别降低19.4%和22.0%,且EnKF同化法的运行效率显著优于SCE-UA优化同化法。研究结果可为WheatSM小麦生长模型与遥感信息同化策略的选择提供依据。

非饱和土壤水的集合卡尔曼滤波Ⅱ:不一致性问题解决方法比较

集合卡尔曼滤波(En KF)能够便捷地根据观测信息改进土壤水的预测精度,但在非线性问题中存在不一致性问题:当同时更新变量(水头或含水率)和非饱和水力参数时,En KF会导致参数和变量之间不再服从Richards方程关系。本文以Borden试验场的饱和渗透系数数据为基础,构造土柱试验,研究了不一致性对土壤水数据同化带来的破坏以及相应的迭代型解决方案。研究结果表明:在非均匀土壤中,En KF可能会引发强烈的不一致性,对含水率预测和参数估计的精度造成破坏;不一致性的峰值位置与水流锋面保持一致,且受边界条件影响;对于同类型的观测与待求参数,不一致性一般是随着观测点数量与待求参数数量的比例的增大而减小;当观测与水头或含水率之间具有强烈的非线性时(如强烈的干湿交替),推荐采用能在保证计算效率的前提下有效降低不一致性影响的CEn KF或MREn KF方法;当观测信息相对充足,不一致性可忽略时,En KF方法更具优势。