Bias-aware thermoacoustic data assimilation
Bias-aware thermoacoustic data assimilation
复制标题
偏差感知热声数据同化
DOI：
10.3397/in_2022_0271
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
L. Magri
中科院分区：
文献类型：
--
作者：
Andrea Nóvoa;A. Racca;L. Magri
集合数据同化算法结合实验数据和数值模式来估计系统的状态和参数。如果模型是无偏的，则估计集中在真实状态。然而，热声不稳定性通常用低阶模型来模拟。
模型，这些模型的定义是有偏见的。我们建议引入储集层计算来表示模型偏差。我们将集合平方根卡尔曼滤波与回声状态网络相结合，以实时执行(1)系统状态估计，(2)参数校准，
(3)模型偏差估计。利用高阶模型的合成实验数据，在Rijke管系统中对所提出的方法进行了测试。
Ensemble data assimilation algorithms combine experimental data and numerical models to estimate the state and parameters of a system. If the model is unbiased, the estimation concentrates around the true state. Thermoacoustic instabilities are, however, commonly modelled with low-order
models, which are biased by definition. We propose the introduction of reservoir computing to represent the model bias. We combine the ensemble square-root Kalman filter with an echo state network to perform, in real time, (1) the estimation of the state of the system, (2) parameter calibration,
and (3) model bias estimation. The proposed methodology is tested in a Rijke tube system, with synthetic experimental data from a high order model.