高频观测资料实时数据的快速集合卡曼滤波同化方法

摘要

本发明涉及一种高频观测资料实时数据的快速集合卡曼滤波同化方法。包括采集高频观测数据并进行质量控制；计算观测误差协方差矩阵；通过计算预报趋势，即相邻背景场的差值来获取背景场的误差协方差矩阵；利用上述协方差矩阵和背景场误差协方差矩阵，以及观测数据与海洋数值模型当前已经计算得到的背景场，对不同时刻的观测数据进行实时同化，并将经过更新的分析场赋值给下一时刻积分的初始场，继续向前预报；重复上述操作，即实现了在积分过程中对不同时刻高频观测资料的实时同化。本发明实现了高频观测资料的实时同化，提高了数据同化效率，克服了传统EnKF实施过程中需要大量集合模型同时运行的不足，规避了不收敛的问题，达到了精确数值模拟和海洋预报的目的。

主权项

1.高频观测资料实时数据的快速集合卡曼滤波同化方法，包括选取海洋数值模型，其特征在于还包括以下步骤：步骤1：首先采集海流的高频观测资料，并通过阈值判别法和变率判别法对该观测数据进行质量控制操作，从而获得流场的观测数据矩阵D；步骤2：利用上述观测数据中观测仪器的地理位置的误差来获得观测误差协方差矩阵γγ^T，该观测误差协方差矩阵即观测数据的权重；步骤3：在采用上述海洋数值模型进行预报的过程中，通过计算预报趋势，即相邻背景场的N个差值A₁′＝A₁-A₀，A₂′＝A₂-A₁，…，A_N′＝A_N-A_N-1来获取背景场的误差协方差矩阵HA′；步骤4：利用步骤2和3中计算求得的观测误差协方差矩阵γγ^T和背景场误差协方差矩阵HA′，以及步骤1的观测数据矩阵D与海洋数值模型当前已经计算得到的背景场A_N，对不同时刻的观测数据进行实时同化，而得到经过更新的分析场A_a并将该分析场A_a赋值给下一时刻积分的初始场，被更新后的预报状态继续向前预报；然后重复步骤1～4的操作，即实现了在积分过程中对不同时刻高频观测资料的实时同化；且步骤4中对不同时刻的观测数据进行实时同化而得到经过更新的分析场，是采用下列计算公式进行：A_a＝A+A′A′^TH^T(HA′A′^TH^T+γγ^T)^-1D′，其中，其中，A′∈R^n×N是由相邻背景场的N个差值构成的集合扰动矩阵；A∈R^n×N是集合扰动矩阵A′与取平均后得到的相减，再加上海洋数值模型运算的背景场A_N；n为向量A_N的维数，即向量A_N含有n个网格点数据；m为观测值的数目，H为将海洋数值模型运算得到的n个网格点数据投影至m个观测点位置的观测算子，不需要单独计算；D∈R^m×N为观测数据矩阵，D′＝D-HA∈R^m×N。