• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Engineering Applications of Computational Fluid Mechanics >Data Assimilation Procedure by Recurrent Neural Network
【24h】

Data Assimilation Procedure by Recurrent Neural Network

机译：递归神经网络的数据同化程序

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

AbstractData assimilation is a process to combine a model prediction of a state variable at a given time with a set of measurements available at this particular time in order to obtain a suitable set of data for model initialization. The state of the art in data assimilation techniques are based on Extended Kalman Filter (EKF) and Four-Dimensional Variational Analysis (4D-Var), but this methodology has high computational complexity. In this paper, the authors propose emulating a Kalman filter using a neural network as a proposal to reduce the computational complexity of the problem. This work applies a recurrent neural network paradigm, named Elman Neural Network (E-NN), to the data assimilation problem of a non-linear shallow water model. The performance of E-NN on emulating the Kalman filter (KF) and the evaluation of application of the technique at high dimension problems of operational numerical weather forecasting are analyzed. The results with the shallow water 1D dynamics show that E-NN converges f...
机译：AbstractData同化是一种将给定时间的状态变量的模型预测与在该特定时间可用的一组测量值结合在一起的过程，以获得用于模型初始化的合适数据集。数据同化技术的最新水平基于扩展卡尔曼滤波器（EKF）和四维变分分析（4D-Var），但这种方法具有很高的计算复杂性。在本文中，作者提议使用神经网络来模拟卡尔曼滤波器，以降低问题的计算复杂度。这项工作将循环神经网络范式称为Elman神经网络（E-NN），用于非线性浅水模型的数据同化问题。分析了神经网络在模拟卡尔曼滤波器（KF）上的性能，以及该技术在数值天气预报业务高维问题中的应用价值。浅水一维动力学结果表明，E-NN收敛于...

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号