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.     

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.     

有参数误差时估算土壤湿度的集合平方根滤波同化方法

当陆面模式存在参数误差时,借助在NOAH陆面模式中同化表层土壤湿度的观测系统模拟试验,探讨同时估算土壤湿度廓线和校正土壤参数的集合平方根滤波方案的可行性.结果表明:准确校正参数对估算土壤湿度廓线非常重要,错误参数值会严重影响对模式状态量的更新.但是模式状态和参数同时更新的同化方案对参数的初估值较为敏感,只有选取合适的初估值才能保证参数校正和状态估计成功.     

一种基于多源异类信息统一表示的多传感器数据融合算法

针对异类多传感器所获信息在形式上的多样性和复杂性,分析了由多源异类信息所构成的目标特征空间的结构,运用集合空间理论构造出多源异类信息统一的表示形式,并基于Kalman滤波给出了一种适用于多种异类信息的数据融合算法。     

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。     

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．     

多传感器多模型动态系统交互式数据融合估计的一种算法

基于多传感器多模型信息,给出了目标状态基于全局信息融合估计的一种新算法,并通过计算机仿真验证了这种算法的有效性。     

基于蒸散发同化的流域ET过程模拟研究

采用集合卡尔曼滤波同化水文模型与遥感模型反演的蒸散发(ET)结果,获得更接近真实情况的ET,并利用同化后的ET结果进一步优化水文模型,从而获取连续精度较高的区域ET.通过对北京市沙河流域1999—2007年的ET过程研究显示,运用本方案可以改善水文模型对ET的估算精度,模拟出精度较高的流域蒸散发过程.     

一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。     

EM算法在不完全数据参数估计中的应用

EM算法是参数估计中一种很重要的方法,在处理不完全数据中有重要应用．用EM算法给出了基于状态空间模型的不完全数据的参数估计,得到了利用迭代算法计算参数估计值的方法．将之用于实例,结果表明,预测结果很好．误差在可接受范围内．     

卡尔曼滤波器在倒立摆控制系统中的应用

倒立摆系统是一个非线性多变量的不稳定的系统。过去人们对倒立摆的控制都没有考虑到输出噪声的影响,这样就降低了控制的精度。卡尔曼滤波器能够对被噪声污染的信号进行有效地估计,从而降低了噪声的影响。本文介绍了卡尔曼滤波器在倒立摆控制系统中的应用并给出了仿真结果。     

Development of a Chinese land data assimilation system: its progress and prospects

The objective of land data assimilation is to merge multi-source observations into the dynamics of land surface model for improving the estimation of land surface states. We have developed a land data assimilation system for China’s land territory. In this system, the Common Land Model and Simple Biosphere Model 2 are used to simulate land surface processes. The radiative transfer models of thawed and frozen soil, snow, lake, and vegetation are used as observation operators to transfer model predictions into estimated brightness temperatures. A Monte-Carlo based sequential filter, the ensemble Kalman filter, is implemented as data assimilation method to integrate modeling and observation. The system is capable of assimilating passive microwave remotely sensed data such as special sensor microwave/imager (SSM/I), TRMM microwave imager (TMI), and advanced microwave scanning radiometer enhanced for EOS (AMSR-E) and the conventional in situ measurements of soil and snow. A spatiotemporally consistent assimilated dataset for soil moisture, soil temperature, snow and frozen soil, with a spatial resolution of 0.25 degree and temporal resolution of one hour, has been produced. This paper introduces the development of Chinese land data assimilation system and the progress made on data assimilation algorithms, land surface modeling, microwave remote sensing of land surface hydrological variables, and the preparation of atmospheric forcing data. The distinct characteristics and challenges of developing land data assimilation system and the perspectives for future development are also discussed.     

Development of a Chinese land data assimilation system:its progress and prospects

The objective of land data assimilation is to merge multi-source observations into the dynamics of land surface model for improving the estimation of land surface states.We have developed a land data assimilation system for China's land territory.In this sys- tem,the Common Land Model and Simple Biosphere Model 2 are used to simulate land surface processes.The radiative transfer models of thawed and frozen soil,snow,lake,and vegetation are used as observation operators to transfer model predictions into estimated bright- ness temperatures.A Monte-Carlo based sequential filter,the ensemble Kalman filter,is implemented as data assimilation method to inte- grate modeling and observation.The system is capable of assimilating passive microwave remotely sensed data such as special sensor mi- crowave/imager (SSM/I),TRMM microwave imager (TMI),and advanced microwave scanning radiometer enhanced for EOS (AMSR- E) and the conventional in situ measurements of soil and snow.A spatiotemporally consistent assimilated dataset for soil moisture,soil temperature,snow and frozen soil,with a spatial resolution of 0.25 degree and temporal resolution of one hour,has been produced.This paper introduces the development of Chinese land data assimilation system and the progress made on data assimilation algorithms,land sur- face modeling,microwave remote sensing of land surface hydrological variables,and the preparation of atmospheric forcing data.The dis- tinct characteristics and challenges of developing land data assimilation system and the perspectives for future development are also dis- cussed.     

基于集合卡尔曼滤波的新安江模型状态变量实时修正方法

为了提高洪水预报的精度,基于集合卡尔曼滤波,提出对流域中子流域中间状态量进行全状态量回溯修正方法。该方法根据每个子流域地貌特征和汇流时间不同,分别找出其相应的回溯时间,与新安江模型相结合对各个子流域特定时段前的中间状态量进行全状态量回溯修正,逐步降低误差的累积。采用理想模型验证,结果显示子流域中间状态量得到有效修正,洪量相对误差和洪峰相对误差减小,确定性系数提高。以大坡岭流域为例,采用该方法对流域12场历史洪水进行修正,修正结果表明此方法能有效提高洪水预报的精度,可在实际洪水预报中推广应用。     

基于数字摄影技术的动态变形数据的卡尔曼滤波分析

为了进一步减弱非量测数码相机噪声对测量精度的影响,提高基于数字摄影技术的工程结构动态变形监测精度,采用标准卡尔曼滤波、方差补偿卡尔曼滤波、极大验后卡尔曼滤波和方差分量卡尔曼滤波分别处理了桥梁弹性大变形数据,研究卡尔曼滤波在处理动态变形数据噪声中的适应性,并进一步量化了方差分量卡尔曼滤波在数据处理中的优势。研究发现,方差分量卡尔曼滤波噪声处理较为稳定,且误差较小。该方法不仅适用于基于数字摄影技术的动态弹性小变形噪声处理,在处理基于数字摄影技术的桥梁动态弹性大变形噪声时,同样具有较好的效果。室内相似材料模型试验研究表明,经过方差分量卡尔曼滤波进行数据处理后,测量误差小于0.5 mm,能够满足变形监测的精度要求。     

基于核估计的滤波补偿法

为了解决Kalman滤波算法进行动态定位时,模型中存在的系统误差使得动态定位结果产生偏差的问题,采用基于核估计的滤波补偿法,在移动的窗口内,利用核估计拟合模型系统误差,修正相应的观测向量和状态预测向量的协方差矩阵估值,以消除系统误差对滤波的影响,推导了利用核估计拟合系统误差的公式。通过一个模拟算例证明了改算法的有效性,而且在滤波过程中不需要对系统误差做任何假设,对开窗窗口的宽度也不敏感。     

基于时变参数状态空间模型分析区域能源消费与经济增长关系

以江苏省1985年以来能源消费总量和人均GDP年度数据为基础,建立反映能源消费弹性随时间变化的时变参数状态空间模型,对江苏省能源消费和经济增长的时变关系进行研究,并与基于OLS的固定参数模型进行比较。研究结果表明:能源消费和经济增长之间存在显著的长期均衡比例不断变化的协整关系,即变参数协整;不论从拟合效果还是残差的估计结果,都表明时变参数模型都比固定参数模型更有利于刻画能源消费和经济增长之间的时变关系;而利用卡尔曼滤波算法估计的结果说明,在研究样本所处期间江苏省经济增长对能源消费的弹性系数呈非线性波动,其变化的整个过程和每个阶段的经济发展政策息息相关。在此基础上提出了相应的政策建议。     

基于不同退化阶段状态空间模型及粒子滤波的滚动轴承寿命预测

为解决滚动轴承全寿命数据有限及物理模型难以建立的问题,提出一种基于状态监测信息和滚动轴承退化物理模型的寿命预测方法。首先对Paris公式及Foreman公式进行改进,建立滚动轴承不同退化阶段状态空间模型,并将已知的滚动轴承物理数据及运行状态信息输入模型,利用最小二乘法对模型参数进行调整;然后利用粒子滤波算法对滚动轴承后期运行趋势进行递推预测;最后运用滚动轴承全寿命数据对所提方法进行验证,并将预测结果与单一状态空间模型及Gamma模型预测结果对比,结果表明该方法预测准确率更高,具有较强的实用性。