Parameterised non-intrusive reduced order methods for ensemble Kalman filter data assimilation
Parameterised non-intrusive reduced order methods for ensemble Kalman filter data assimilation
复制标题
集成卡尔曼滤波器数据同化的参数化非侵入式降阶方法
DOI：
10.1016/j.compfluid.2018.10.006
复制
发表时间：
2018-11
影响因子：
2.8
通讯作者：
Li J.
中科院分区：
文献类型：
--
作者：
Xiao D.;Du J.;Fang F.;Pain C. C.;Li J.
本文提出了一种新的集合卡尔曼滤波(EnKF)数据同化方法，该方法基于一个与原计算程序无关的参数化非侵入式降阶模式(P-NIROM)。EnKF技术涉及昂贵的系综计算。在这项工作中，最近开发的P-NIROM肖等人。[40]被引入到EnKF中，以加速系综模拟。在特定的参数空间RP上进行了大量的高保真全模拟，得到了解的快照，由此得到了一个降阶流动动力学模型。变化参数是背景误差协方差σ∈Rp。利用Smolyak稀疏网格方法，选取高斯概率密度函数中的一组参数作为训练点。该方法利用径向基函数(RBF)插值法，采用两级插值法构造P-NIROM。第一层插值法用于生成任意给定背景误差协方差的解的快照和POD基函数，第二层插值法用于形成一组表示简化系统的超曲面。数值结果表明，在保持P-NIROM-EnKF系综和更新解的精度的同时，与全EnKF相比，计算量显著降低了几个数量级。
This paper presents a novel Ensemble Kalman Filter (EnKF) data assimilation method based on a parameterised non-intrusive reduced order model (P-NIROM) which is independent of the original computational code. EnKF techniques involve the expensive calculations of ensembles. In this work, the recently developed P-NIROM Xiao et al. [40] is incorporated into EnKF to speed up the ensemble simulations. A reduced order flow dynamical model is generated from the solution snapshots, which are obtained from a number of the high fidelity full simulations over the specific parametric spaceRP. The varying parameter is the background error covarianceσ∈RP. Using the Smolyak sparse grid method, a set of parameters in the Gaussian probability density function is selected as the training points. The proposed method uses a two-level interpolation method for constructing the P-NIROM using a Radial Basis Function (RBF) interpolation method. The first level interpolation approach is used for generating the solution snapshots and POD basis functions for any given background error covariance while the second level interpolation approach for forming a set of hyper-surfaces representing the reduced system.The EnKF in combination with P-NIROM (P-NIROM-EnKF) has been implemented within an unstructured mesh finite element ocean model and applied to a three dimensional wind driven circulation gyre case. The numerical results show that the accuracy of ensembles and updated solutions using the P-NIROM-EnKF is maintained while the computational cost is significantly reduced by several orders of magnitude in comparison to the full-EnKF.
登录
查看更多内容
影响因子：
2.8
作者：
Hoteit, I;Pham, DT;Blum, J
通讯作者：
Blum, J
DOI：
10.1016/j.jcp.2015.04.030
发表时间：
2014-02
期刊：
J. Comput. Phys.
影响因子：
--
作者：
R. Stefanescu;Adrian Sandu;Ionel M. Navon
通讯作者：
R. Stefanescu;Adrian Sandu;Ionel M. Navon
DOI：
10.1111/j.1600-0870.2011.00529.x
发表时间：
2011-01
期刊：
Tellus - Series A: Dynamic Meteorology and Oceanography
影响因子：
--
作者：
Tian Xiangjun;Xie Zhenghui;Sun Qin
通讯作者：
Sun Qin
DOI：
10.1007/978-3-642-12535-5_18
发表时间：
2009-06
期刊：
--
影响因子：
--
作者：
G. Dimitriu;N. Apreutesei;R. Stefanescu
通讯作者：
G. Dimitriu;N. Apreutesei;R. Stefanescu
DOI：
--
发表时间：
2012
期刊：
--
影响因子：
--
作者：
J. Du;F. Fang;C. C. Pain-C.;I. M. Navon;J. Zhu
通讯作者：
J. Du;F. Fang;C. C. Pain-C.;I. M. Navon;J. Zhu