四维变分同化.ppt

四维变分资料同化 ( 4DVAR, four-dimensional variational data assimilation method ) 兰州大学大气科学学院 邱崇践 1 ，有关资料同化的基本知识 资料同化 : 在积分描写动力系统演变过程的数学模式 （预报模式）的同时，不断吸收观测资料，给出系 统状况的一个估计。 目的：给出大气，海洋，陆面 … 状态的最好估计， 为预报和分析研究提供必要的数据。 为什么要用预报模式？ （ 1 ）观测不足 （ 2 ）观测有误差 （后果：变量间的不协调造成预报的振荡） 预报模式给我们提供什么？ （ 1 ）模式作出的预报为同化提供初猜场（背景场） （ 2 ）模式在不同点的变量之间以及各个变量之间建 立了联系 综合观测和背景场 给出的最好估计是什么？ 背景场 x B , 观测场 y o , 分析场 x a . 最大似然估计： ) ( ) ( ) ( 1 B o B B o T T B a H H Q HBH BH x y K x x y x x ? ? ? ? ? ? ? ? （卡尔曼滤波） （条件？） B: 背景场误差协方差矩阵； Q: 观测场误差协方 差矩阵； H: 观测算子（ H x=y ) 误差协方差矩阵 : B= ε ε T , b i,j = ε i ε j 分析场的误差协方差矩阵 : (1) B KH I P T ) ( ? ? ? a a ε ε 解（ 1 ）等价于极小化下面的目标函数 (cost function 代价函数 ) ) ( ) ( 2 1 ) ( ) ( 2 1 0 1 1 a T a o a T a H Q H J x y x y x x B x x B B ? ? ? ? ? ? ? ? 变分方法： 极小化（ 2 ） 4 维变分方法： 极小化（ 3 ） (2) ) ( ) ( 2 1 ) ( ) ( 2 1 ) ( 1 0 0 1 0 0 k o k k T k o k K k T H H J x y Q x y x x B x x x B B ? ? ? ? ? ? ? ? ? ? 0 x x k k M ? （ 3 ） （ 4 ） 预报模式： 示意图： 如何求极小？下降算法 . （需要梯度） 最速下降法，共轭梯度法，拟牛顿法 … 得到搜寻方向后成为一维寻优。 多项式逼近： 2 ，变分方法和伴随模式 变分方法 是求泛函极值的有力工具。 泛函的一个例子： J 是 u 的泛函，依赖于 u 在 (a,b) 区间的所有取值 . （ 1 阶）变分： 对 的线性部分 ? ? } ] / [ )] ( ) ( [ { 2 2 2 2 2 1 dx x u w x u x u w u J obs b a ? ? ? ? ? ＝ ? ? ? ? u J u u J J ? ? ? ? ? u ? （ 2.1 ） 0 ? ? ? ? ? ? x u u t u 先看连续情况。反演初值的一个例子：目标泛函 ? ? ? ? b a obs T dxdt u t x u w J 2 0 )] ) , ( [ 2 1 定解条件： 找到最优的 u 0 让 (2.2) 极小 ) ( ) , ( ), ( ) , ( ), ( ) 0 , ( 0 t g t b u t f t a u x u x u ? ? ? （ 2.2 ） （ 2.3 ） (2.3) 的切线性方程 定义伴随方程： 将（ 2.4 ）乘 和（ 2.5 ）乘 相减 在整个区间 积分 0 ? ? ? ? ? ? ? ? ? x u u x u u t u ? ? ? （ 2.4 ） )] ) , ( [ ) ( ) ( * * * obs u t x u w x u u x u u t u ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （ 2.5 ） * u ? * u ? udxdt u t x u w dxdt x u u u u dtdx t u u obs ? ? ? ? ? )] ) , ( [ ) ( * * ? ? ? ? ? ? ? ?? ?? ?? （ 2.6 ） J udxd u t x u w dx x u x u obs b a ? ? ? ? ? ? ? ? ?? ? )] ) , ( [ ) 0 , ( ) 0 , ( * 考虑边界 以及令 得到 0 ? u ? 0 ) , ( * ? T x u ? ? ? ? ? b a obs T dxd u t x u w J 2 0 )] ) , ( [ 2 1 (2.7) 由（ 2.7 ）看到： (2.8) ) 0 , ( * 0 x u J u ? ? ? ? 伴