• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Nonlinear processes in geophysics >An estimate of the inflation factor and analysis sensitivity in the ensemble Kalman filter
【24h】

An estimate of the inflation factor and analysis sensitivity in the ensemble Kalman filter

机译：集合卡尔曼滤波器中通货膨胀因子的估计和分析灵敏度

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

摘要

The ensemble Kalman filter (EnKF) is a widely used ensemble-based assimilation method, which estimates the forecast error covariance matrix using a Monte Carlo approach that involves an ensemble of short-term forecasts. While the accuracy of the forecast error covariance matrix is crucial for achieving accurate forecasts, the estimate given by the EnKF needs to be improved using inflation techniques. Otherwise, the sampling covariance matrix of perturbed forecast states will underestimate the true forecast error covariance matrix because of the limited ensemble size and large model errors, which may eventually result in the divergence of the filter. brbr In this study, the forecast error covariance inflation factor is estimated using a generalized cross-validation technique. The improved EnKF assimilation scheme is tested on the atmosphere-like Lorenz-96 model with spatially correlated observations, and is shown to reduce the analysis error and increase its sensitivity to the observations.
机译：集合卡尔曼滤波器（EnKF）是一种广泛使用的基于集合的同化方法，该方法使用涉及短期预测集合的蒙特卡洛方法来估计预测误差协方差矩阵。尽管预测误差协方差矩阵的准确性对于实现准确的预测至关重要，但需要使用通货膨胀技术来改进EnKF给出的估计。否则，由于整体规模有限且模型误差较大，因此受扰动的预测状态的采样协方差矩阵将低估真实的预测误差协方差矩阵，最终可能导致滤波器发散。 在这项研究中，使用广义交叉验证技术估算了预测误差协方差膨胀因子。改进的EnKF同化方案在具有类似空间关系的观测值的类似大气的Lorenz-96模型上进行了测试，结果表明该方法可以减少分析误差并提高其对观测值的敏感性。

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