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...     

集合卡尔曼滤波在浅水模式数据同化中的应用

为了研究集合Kalman滤波同化技术应用于非线性动力学模式的同化效果,通过利用集合Kalman滤波技术对浅水理论中均质不可压流体运动的动力学模式进行理想的数据同化试验.分析集合Kalman滤波同化方法应用于动力学系统的计算方法和步骤.比较三维变分和集合Kalman滤波的同化效果,讨论了集合Kalman滤波数据同化方法的基本性质和同化观测的频率对集合Kalman滤波同化效果的影响.通过试验证明,集合Kalman滤波数据同化方法能够成功地应用于浅水均质不可压流体的动力学系统,可有效地抑制估计误差的增长,为模式预报提供更加理想的初值,改善预报效果.     

Lorenz混沌系统的数据同化方法研究

利用数据同化方法研究了Lorenz混沌系统中的非线性问题.提出了一种基于Cholesky分解的降秩平方根滤波算法,可以改善数据同化中的滤波发散现象.通过对卡尔曼滤波误差协方差矩阵进行Cholesky分解,降低协方差矩阵的计算量和存储量,提高滤波的收敛速度.在Lorenz混沌系统上研究了降秩平方根滤波的性能,通过敏感性分析试验,讨论了降秩平方根滤波的稳定性,验证了算法的有效性,比较了降秩平方根滤波与集合卡尔曼滤波的同化性能.结果表明,在Lorenz混沌系统的短期预报实验中,降秩平方根滤波的同化性能优于集合卡尔曼滤波.     

集合卡尔曼滤波同化理论及其在一次暴雨过程中的应用

集合Kalman滤波用于数值试验有着雄厚的理论基础。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,并用MM5模式做同化实际探空资料48小时的试验。试验结果表明:集合Kalman滤波同化探空资料可以改善MM5模式的预报效果。     

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.     

光纤陀螺零漂数据建模与滤波的研究

在对闭环式干涉型光纤陀螺零漂数据建立时间序列模型(ARIMA模型)的基础上,采用卡尔曼滤波算法对闭环式干涉型光纤陀螺零漂数据进行滤波处理,并通过功率谱密度分析卡尔曼滤波算法的滤波效果,同时采用Allan方差法解算滤波前后的零漂数据的各项噪声源误差系数,并通过各项噪声源误差系数分析滤波效果。     

中国陆面数据同化系统研究的进展与前瞻

陆面数据同化的核心思想是在陆面过程模型的动力框架内,融合不同来源和不同分辨率的直接与间接观测,准确一致地估计地表水分和能量循环的各个分量．作者已初步建立了中国陆面数据同化系统;同化方法采用了集合Kalman滤波,模型算子使用CoLM和SiB2等陆面过程模型,观测算子采用针对土壤(包括融化和冻结)、积雪等不同地表状态的微波辐射传输模型．该系统同化被动微波遥感观测如SSM／I,TMI和AMSR以及土壤和积雪的常规观测,已计算得到中国西北干旱区和青藏高原的土壤水分、土壤温度、积雪和冻土的同化资料．文中阐述了在同化系统的构建、同化算法的研究、陆面过程模型和微波辐射传输模型的集成以及大气驱动数据制备等方面的进展,讨论了陆面数据同化的特点和面临的问题,展望了未来的研究重点和同化方法在陆地表层系统科学研究中的应用前景．     

基于观测误差调整的集合预报同化方法?

集合卡尔曼滤波对预报方差阵的估计不准,导致了滤波发散.为解决此问题,我们从状态与观测的关系出发,提出一种判断预报误差方差阵估计是否准确的准则.在此基础上,我们构建了基于观测误差控制的一种膨胀集合预报同化方法.数据模拟结果表明,与其他膨胀EnKF相比,这种方法能很好地克服滤波发散现象,其均方根误差更小,其长时间估计结果更为稳定,且构造更为简单,计算效率更高,是克服EnKF滤波发散现象的理想途径.     

集合转换卡尔曼滤波同化的一种分析方案

集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了同化中的误差。以典型的Lorenz-96预报模型来验证算法,对于较大模型误差或较强非线性观测算子的情形,结果好于传统的方法。     

基于局域化集合卡尔曼滤波的含水层弥散度场识别研究

溶质运移模型对下水污染物运移预测有重要意义,但是准确获取模型参数具有一定难度.集合卡尔曼滤波(EnKF)方法可以融合多来源观测数据对同化系统进行优化修正,从而得到与真实情况接近的参数.将二维承压含水层理想算例的溶质观测数据应用于局域化集合卡尔曼滤波同化系统,估计含水层的弥散度场,并探讨了模型实现数目、初始猜想场的统计特征、观测点数目及时空分布、观测误差对参数估计结果的影响.结果表明,通过同化浓度观测资料可较好地估计溶质运移模型的弥散度场;对于所用模型,实现数目在100~700时,参数估计结果最好;初始猜想场与实际场越接近、观测数据误差越小,越能快速获得较好的估计结果.     

非线性观测算子的集合卡尔曼滤波的改进

在带有线性观测算子的集合卡尔曼滤波中,对预报误差方差阵比较客观的调整是用与时间相依的因子对其进行膨胀调整,然后用极大似然方法去估计膨胀因子.若观测算子是非线性的,新息的似然函数不易表示,从而膨胀方法不能直接套用.我们通过对非线性观测算子的线性逼近,得到似然函数的近似表达式,进而实现对预报误差方差阵的膨胀调整.数据模拟表明这种方法预报精度更高,更加稳健,效果远好于传统的非线性集合卡尔曼滤波方法.     

一种基于LIP的全变分图像去噪新模型

将对数图像处理数学模型应用到图像还原中,采用全变分的方法获得了去除图像乘性噪声的新模型.该模型弥补了现有图像去噪方法的不足,很好地保持了图像的边缘细节特征,并具有与人眼视觉特征相吻合的特点.仿真实验结果表明,与现有的去噪方法相比,新模型很大程度上减小了图像在去噪处理迭代过程中产生的误差,不仅去噪效果更好,而且能很好地保...     

通货膨胀最优模型

基于大量的观察分析数据,并通过建立通货膨胀的最优模型,对经济增长与通货膨胀关系进行了分析。结果表明,通货膨胀在不同的国家不同的条件下具有不同的效应。通货膨胀在一定的条件下可以改善资源配置结构,提高资源利用效率,起到促进经济发展的作用。在我国现有的经济结构下,政府为了优先保证经济增长速度,使用货币政策和投资等手段对经济进行干预,以保持适度通货膨胀。这对我国经济增长具有重要的指导和现实意义。     

测量数据处理中粗差问题的探讨

粗差的探测与剔除是测量数据处理中非常重要的一项工作,它直接关系到平差结果的可靠性。对测量粗差的来源进行了分析,指出了粗差的特点,从粗差探测与抗差估计两个方面对粗差的处理方法进行了探讨,并给出了粗差处理的建议。     

增量构造负相关异构神经网络集成的方法

基于负相关异构网络,提出了一种增量构造异构神经网络集成(NNE)的方法.该方法在训练成员网络时,不仅调整网络的连接权值,而且动态调整网络的结构,从而在提高单个网络精度的同时增加各成员网络之间的差异度,减小网络集成的泛化误差.该方法包括构造最佳异构网络(BHNN)和构造异构网络集成(HNNE)两个部分,BHNN基于负相关学习动态构造多个最佳网络,HNNE利用训练好的最佳网络增量地构造异构NNE.使用网络泛化误差和集成泛化误差,整个集成过程可自动完成,无需预先确定成员网络的结构.分别对回归和分类问题进行了实验,相对于单个网络,该方法在测试数据集上的错误率降低了17%～85%,与已有的Boosting、Bagging等网络集成方法相比,错误率也有不同程度的改善.     

智能健康住宅监护数据分析方法的研究

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段。其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理。本文提出了以时序建模为基础的分析方法。此方法由三个部分构成,包括模型辨识、模型更新、以及基于模型的预报区间确定。模型阶数基于最终预报准则确定,使得模型能更好的符合观测数据。基于自适应滤波器算法对模型参数进行在线更新,确保模型能更好的描述监护数据的动态特性。根据建模结果,作前向30步预报,确定预报区间。从而实现对监护数据中的平稳、异常值、以及状态变化三种特征模式的识别。通过应用PhysioNet中的三组数据集进行实验研究。实验结果表明此方法的预报结果准确,能实现对于智能健康住宅中连续监测获得的数据进行在线分析。