卡尔曼滤波在天气预报的实现讲解.pptxVIP

1; 一 、滤波的气象意义 在天气预报中，常常遇到所获得的信息混杂着其它噪音，希望排除无用的干扰而能最佳估计出有用的信息，从而能准确播报天气，滤波是处理这类实际问题的重要方法。 ; MOS方程一旦建立之后，在制作预报过程中，预报误差不能反馈到MOS方程中，更不能修正方程系数。 ; 卡尔曼滤波方法通过利用前一时刻预报误差反馈到原来的预报方程，及时修正预报方程系数，以此提高下一时刻的预报精度。; 三、卡尔曼滤波方法实现 递推滤波可用于解决如何利用前一时刻预报??差来及时修正预报方程系数这一问题。滤波对象假定是离散时间线性动态系统，并认为天气预报对象是具有这种特征的动态系统，可用以下两组方程来描述： ; Yt=Xtβt+еt （1） βt=βt-1+εt-1 （2） (1)式为预报方程，еt为量测噪声，是n维随机向量；Yt是n维量测变量（预报量），可用下式表示：Yt=[y1,y2, …,yn]tT，Xt是n×m维的预报因子矩阵，βt是m维回归系数。在递推滤波方法中，将βt作为状态向量，它是变化的，用状态方程(2)式来描述其变化。动态噪声εt-1与量测噪声еt都是随机向量，并假定二者互不相关、均值为零、方差分别为W 和V 的白噪声。 ;第6页/共23页; Yt=Xtβt+еt