[發(fā)明專利]一種基于統(tǒng)計(jì)觀測(cè)局地化均權(quán)重粒子濾波數(shù)據(jù)同化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110284192.3
• 申請(qǐng)日: 2021-03-17
• 公開（公告）號(hào): CN113051529B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 趙玉新;楊碩;鄧雄;趙廷;郝日栩;劉延龍;趙恒德
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號(hào): G06F17/18
• 分類號(hào): G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種基于統(tǒng)計(jì)觀測(cè)局地化均權(quán)重粒子濾波數(shù)據(jù)同化方法，獲取模式積分初始背景場(chǎng)；判斷是否達(dá)到統(tǒng)計(jì)觀測(cè)開始時(shí)刻，累加觀測(cè)求取統(tǒng)計(jì)觀測(cè)均值；根據(jù)統(tǒng)計(jì)觀測(cè)均值計(jì)算提議密度調(diào)整集合粒子；在給定同化時(shí)刻，使用均權(quán)重方法計(jì)算粒子權(quán)重，調(diào)整粒子狀態(tài)；使用重采樣方法，調(diào)整集合粒子維持粒子數(shù)穩(wěn)定，更新觀測(cè)對(duì)應(yīng)位置粒子狀態(tài)；使用局地化函數(shù)，確定同化觀測(cè)對(duì)應(yīng)位置周圍的粒子權(quán)重；根據(jù)局地化權(quán)重更新粒子權(quán)重，更新周圍粒子狀態(tài)；計(jì)算統(tǒng)計(jì)觀測(cè)局地化均權(quán)重粒子濾波的狀態(tài)后驗(yàn)估計(jì)值。本發(fā)明可以有效提高非高斯網(wǎng)格化模式的數(shù)據(jù)同化質(zhì)量，可以更好的應(yīng)用于實(shí)時(shí)數(shù)據(jù)同化在網(wǎng)格化復(fù)雜模式中，提高同化質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于統(tǒng)計(jì)觀測(cè)局地化均權(quán)重粒子濾波數(shù)據(jù)同化方法，屬于大氣與海洋數(shù)據(jù)同化領(lǐng)域。

背景技術(shù)

海洋動(dòng)力學(xué)研究有兩種方式，一種是使用數(shù)值模型進(jìn)行研究，另一種是對(duì)大氣與海洋進(jìn)行直接觀測(cè)。數(shù)值模式模擬主要用來反映海區(qū)特性，衛(wèi)星等直接觀測(cè)真實(shí)反映海洋觀測(cè)特點(diǎn)。由于衛(wèi)星遙感數(shù)據(jù)的大量獲取，海洋環(huán)境的特殊性以及海洋觀測(cè)在空間分布上存在不足。數(shù)據(jù)同化是一種能夠有機(jī)結(jié)合數(shù)值模式和觀測(cè)這兩種海洋學(xué)研究基本手段的研究方法。數(shù)據(jù)同化是指在考慮數(shù)據(jù)時(shí)空分布以及觀測(cè)場(chǎng)和背景場(chǎng)誤差的基礎(chǔ)上，在動(dòng)力學(xué)模型的動(dòng)態(tài)運(yùn)行過程中不斷融入新的觀測(cè)數(shù)據(jù)的方法。通過在模型中不斷融入新的觀測(cè)數(shù)據(jù)，可以逐漸校正模型模擬預(yù)測(cè)的軌跡，使之更加接近真實(shí)的軌跡，提高模型模擬預(yù)測(cè)精度。數(shù)據(jù)同化的主要目的是將觀測(cè)數(shù)據(jù)與理論模型結(jié)果相結(jié)合，吸收兩者的優(yōu)點(diǎn)，以期得到更接近實(shí)際的結(jié)果；目前數(shù)據(jù)同化方法已被廣泛應(yīng)用于大氣、海洋和陸面等領(lǐng)域，為海洋模式狀態(tài)的預(yù)報(bào)提供更加準(zhǔn)確的初始場(chǎng)并優(yōu)化海洋模式參數(shù)，以提高海洋模式的氣候預(yù)報(bào)能力。

數(shù)據(jù)同化算法作為數(shù)據(jù)同化的核心，主要依賴于準(zhǔn)確的觀測(cè)數(shù)據(jù)和合理的數(shù)值模型。按同化算法與模型之間的關(guān)聯(lián)性，數(shù)據(jù)同化算法分為連續(xù)數(shù)據(jù)同化算法和序貫數(shù)據(jù)同化算法兩大類。例如專利申請(qǐng)?zhí)?01910038258.3的專利申請(qǐng)基于最優(yōu)觀測(cè)時(shí)間窗口的耦合數(shù)據(jù)同化與參數(shù)優(yōu)化方法，該專利使用基于最優(yōu)觀測(cè)時(shí)間窗口的耦合數(shù)據(jù)同化與參數(shù)優(yōu)化方法，屬于耦合氣候模式系統(tǒng)的數(shù)據(jù)同化、參數(shù)優(yōu)化與數(shù)值預(yù)報(bào)技術(shù)領(lǐng)域。最大程度上提取有效的觀測(cè)信息以擬合耦合模式狀態(tài)的特征變率并忽略模式內(nèi)部參數(shù)的時(shí)變特征并引入時(shí)間窗口內(nèi)的時(shí)間平均系數(shù),實(shí)現(xiàn)對(duì)模式參數(shù)的更加精確的估計(jì)與優(yōu)化,強(qiáng)化耦合模式的大氣與海洋的數(shù)值預(yù)報(bào)能力。例如專利申請(qǐng)?zhí)?02010013183.6的專利申請(qǐng)衛(wèi)星數(shù)據(jù)同化在垂直方向的適應(yīng)性局地化方法及集合卡曼濾波天氣同化預(yù)報(bào)方法，該專利使用衛(wèi)星數(shù)據(jù)同化在垂直方向的適應(yīng)性局地化方法及集合卡曼濾波天氣同化預(yù)報(bào)方法。適應(yīng)性局地化方法根據(jù)集合卡曼濾波同化系統(tǒng)中給出的任意觀測(cè)資料和模式變量，計(jì)算出觀測(cè)資料和模式變量的相關(guān)系數(shù)；接著利用分組后的相關(guān)系數(shù)估計(jì)該觀測(cè)資料和模式變量的原始局地化函數(shù)；根據(jù)相關(guān)系數(shù)的廓線估計(jì)出衛(wèi)星觀測(cè)的位置，將所得到的適應(yīng)性局地化參數(shù)用于區(qū)域模式中預(yù)報(bào)臺(tái)風(fēng),預(yù)報(bào)結(jié)果與沒有使用本發(fā)明的預(yù)報(bào)結(jié)果相比,相對(duì)于觀測(cè)的誤差明顯減小,同時(shí)使用本發(fā)明還明顯改進(jìn)了臺(tái)風(fēng)快速增強(qiáng)階段的預(yù)報(bào)。例如專利申請(qǐng)?zhí)?01910430413.6的專利申請(qǐng)一種基于多源觀測(cè)數(shù)據(jù)的水質(zhì)模型粒子濾波同化方法。該專利構(gòu)建二維水質(zhì)模型；初始化粒子的狀態(tài)變量和參數(shù)；生成粒子的邊界條件；重采樣獲取新的粒子集合；計(jì)算二維水質(zhì)模型的模擬狀態(tài)變量和參數(shù)的最優(yōu)估值；將粒子的參數(shù)從t時(shí)刻遞推到t+1時(shí)刻；更新時(shí)刻，繼續(xù)生成粒子的邊界條件，直至所有時(shí)刻運(yùn)行完成,實(shí)現(xiàn)對(duì)二維水質(zhì)模型的粒子濾波同化。利用粒子濾波算法將水質(zhì)多源觀測(cè)數(shù)據(jù)合理地融入二維水質(zhì)模型,動(dòng)態(tài)更新二維水質(zhì)模型參數(shù),提高了二維水質(zhì)模型的模擬精度和預(yù)測(cè)能力。

粒子濾波算法是一種集合數(shù)據(jù)同化方法，由于粒子濾波算法不受模型狀態(tài)量和誤差高斯分布假設(shè)的約束，適用于任意非線性非高斯動(dòng)態(tài)系統(tǒng)。它還采用蒙特卡羅采樣方法來近似狀態(tài)量的后驗(yàn)概率密度分布，能更好地表現(xiàn)非線性系統(tǒng)的變化信息。粒子濾波算法簡(jiǎn)單且容易實(shí)現(xiàn)，同時(shí)與當(dāng)前主流的卡爾曼濾波系列算法相比，粒子濾波算法中沒有復(fù)雜的矩陣轉(zhuǎn)置和求逆等運(yùn)算，因此計(jì)算效率更高。相比卡爾曼濾波系列算法直接對(duì)粒子的狀態(tài)值進(jìn)行更新，粒子濾波算法在對(duì)粒子進(jìn)行更新時(shí)，只更新了粒子的權(quán)重，粒子實(shí)際表示的狀態(tài)值保持不變，這樣能避免在更新過程中出現(xiàn)粒子狀態(tài)值超出其物理取值范圍的情況。