四维变分资料同化讲课讲稿.pptVIP

* 四维变分资料同化 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 xB, 观测场yo,分析场xa. 最大似然估计： （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（Hx=y) 误差协方差矩阵: B=ε εT, bi,j= εi εj 分析场的误差协方差矩阵: (1) 解（1）等价于极小化下面的目标函数 (cost function 代价函数) 变分方法： 极小化（2） 4维变分方法： 极小化（3） (2) （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 （2.1） 先看连续情况。反演初值的一个例子：目标泛函 定解条件： 找到最优的u0 让(2.2)极小 （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 （2.4） （2.5） （2.6） 考虑边界 以及令 得到 (2.7) 由（2.7）看到： (2.8) 伴随算子的定义： （f, Lg )=(g, L*f )， （ f，g）内积 函数空间内积 (2) 向量空间内积： 显然矩阵算子A的伴随算子是AT, 计算过程： （1）给出u0初猜值积分模式（2.3）得到u(x,t).计算目标函数 （2）从u*(x,T)=0 出发积分伴随方程得到u*(x,0) （3）根据目标函数值和梯度找到新的估计u0 （4）重复（1）－（3）迭代。 3 4DVAR实际计算过程 回到离散情况 ： (成为求多元函数极小值)。 看一个时间r 切线性模式： 是什么？ 以 为初值反向积分伴随模式到t=0. 最后 实际过程由R开始积分到下一个观测时间R-1 得到 J 相对于xR-1的梯度 ，从 再积分伴随方程到R-2， …… 伴随程序的书写技巧和检验。 （大气模式，资料同化和可预报性，气象出版社，2005） 伴随模式的解析形式只能作为理论推导用，实际问题是离散化的，预报程序中还有些是不能写成解析公式的。要保证相应的伴随模式严格成立，通常的作法是先根据原模式计算程序写出切线性模式程序，再直接根据切线性模式程序一一对应地写出伴随程序。一个天气预报模式的程序有上万条语句，首先写出他的切线性模式程序，然后根据切线性模式程序写出伴随程序，工作量是巨大的。 按照一定的规则来写。 * * *