数据同化基础知识和理论.doc
- aa15090828118个人认证 |
- 2018-12-25 发布|
- 1.34 MB|
- 10页
数据同化基础知识和理论
一、基础理论知识
1.高斯概率分布函数
P
其中,x=-∞
2.两个相互独立的联合高斯概率分布函数
P(A∩B)=P(A)?P(B)
P
P
P
3.N个相互独立的联合高斯概率分布函数
P(A1∩A2∩A3?∩An)=P(A1)?P(A2)?P(A3)?P(An)
P
4.点的最优估计
假设每组观测都是无偏的,则有
P
对X的最优估计就是使P达到最大值,即
I=
达到最小值,I对x求导,可得
dI
求I的最小值,则
dI
求得
x=
一个点的最优估计与观测值的方差有关。
5.条件概率和贝叶斯理论(Bayes Theorem)
P
P
∴ P
假设:
A:t时刻的模式值x
B:0到t时的所有观测值Y
则
PAB:给定到t时刻的所有观测值
PBA:
P(A):给定0到t-1时刻的所有观测值后,t时刻模式值的概率分布P
P(B):给定0到t-1时刻的所有观测值后,t时刻观测值的概率分布P
∴ P
二、最优插值(Optimal Interpolation)
假定有三个变量x1、x
变量的分析值为
x
x
x
求x1的最优估计,即方差(
x
(x
因为
y
y
代入上式,可得
(x
(x
模式值与观测值是独立的,所以有
(x
(x
y
y
y
把以上五个式子代入(1)式,可得
(x
上式对W11
?
?
方差(x1
?
即
W
W
写成矩阵形式为
σ
定义
B
b=
B+O
全矩阵形式:
定义
x:代表模式变量的N维列向量
yo
xb
xa
W:N×K维的权重系数矩阵
H:把模式格点值投影到观测点的映射矩阵,又称为观测算子,维数为N×K
一个状态向量的分析值可表示为:
x
三、卡曼滤波(Kalman Filter)
假设分析方程存在
x
上标f表示预报(forecast)。
对于一个高斯分布的状态量,概率分布函数(PDF)表示为
p
使px
K
B=
b=
所