数据同化基础知识和理论.docVIP

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