集合卡尔曼滤波的分尺度膨胀算法
编号:884
访问权限:仅限参会人
更新:2024-04-11 10:22:10 浏览:886次
口头报告
摘要
集合同化方法受到采样误差和模式误差影响,会出现“滤波发散”,解决方法之一是集合膨胀。目前广泛运用的集合膨胀方案,对不同尺度变量都使用一个定常的膨胀系数。为了描述不同尺度下的误差增长,本文提出了分尺度集合膨胀,对不同尺度的变量使用不同的膨胀系数。将其运用到包含大小两个尺度变量的L05模型中,结果表明,对于集合平方根滤波(EnSRF)和混合更新集合平均的集成混合集合卡尔曼滤波(IHEnKF-Mean),分尺度集合膨胀要优于定常集合膨胀。定常集合膨胀由于过度膨胀了小尺度变量,导致小尺度误差增加,再通过变量之间的耦合导致大尺度误差增加。分尺度集合膨胀可以增加大尺度变量的膨胀并减少小尺度变量的膨胀。对于进一步混合更新集合扰动的集成混合集合卡尔曼滤波(IHEnKF-Ensemble),其对集合膨胀方案的选择并不敏感,因为混合更新集合扰动起到了类似于分尺度膨胀的作用。
发表评论