PHÂN TÍCH KHÁCH QUAN- Lan Anh

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
KHOA KHÍ TƯỢNG - THUỶ VĂN - HẢI DƯƠNG HỌC


BÀI TIỂU LUẬN

PHÂN TÍCH KHÁCH QUAN
VÀ ĐỒNG HÓA SỐ LIỆU

Giảng viên:
GS. Trần Tân Tiến
Học viên:
Đặng Thị Lan Anh

TP.HCM-2018


PHÂN TÍCH KHÁCH QUAN – ĐỒNG HÓA SỐ LIỆU
1.
2.
3.

Kiểm tra số liệu
Nội suy số liệu
Hóa hợp số liệu: các yếu tố khác nhau nên riêng biệt, không hòa hợp khi tham
gia phương trình phải đồng bộ hòa hợp.
Các đặc trưng thống kê:

I.

giá trị TB (x,y)

độ lệch
Hàm tương quan :
Độ tán:
Hàm tương quan chuẩn hóa ( hệ số tổng quan)
=
Số liệu đo: (số liệu thực) (sai số)
( các sai số không tương quan với nhau)
( độ tán)

II.

a.

Các phương pháp nội suy:
- Nội suy đa thức
- Barner
- 3D Var
- 4D Var
- Lọc Kalman
Nội suy đa thức
(1)
( số thứ tự của trạm là tọa độ trạm)
O là điểm lưới; là tọa độ điểm lưới
Giả thiết được mô tả bằng đa thức


(2)

(3)
)

-

b.

II=K Tìm điểm
I>K Tìm bằng phương phps tối ưu
Sai số =

Tìm được
Nội suy Barner
Số liệu ban đầu tại trạm
Điểm cần nội suy
Số liệu gần đúng
(1)
Sai số ban đầu
(3)
(4)

Khi dừng
Hàm : K là tham số
Xác định sao cho d=R thì W(R) =

c.

Nội suy tối ưu
số liệu nội suy về điểm O của


(1)

: trọng số trạm i
: số trạm
Tìm sao cho min
giá trị thực tại

Giả thuyết là đẳng thức
Đồng nhất
đo bằng ngàn km

thế vào (1) tính được
d.

Đồng hóa số liệu 3DVar – 4DVar
Ký hiệu: vector yếu tố dự báo
vector yếu tố quan trắc
lời giải tìm

sai số phương trình và dự báo
sai số phương trình và quan trắc

Hàm giá trị:
: độ lệch dự báo và phương trình


: đọ lệch quan trắc và phương trình
: ràng buộc của phép lọc
Tìm X sao cho J(X) đạt giá trị Min
-3DVar
: Khoảng cách từ trường phân tích đến trường dự báo
: Khoảng cách từ phân tích đến điểm dự báo

-4DVar
: Khoảng cách từ nền đến thời điểm ban đầu
: Khoảng cách từ quan trắc đến thời điểm
Biến điều khiển
Trường phân tích
e.

Lọc Kalman (EKF) 1 thành phần

Bước dự báo:

Bước phân tích:
nơi ma trận trọng lượng tối ưu được cho bởi:
và phương sai :

f.

Lọc Kalman (EnKF) nhiều thành phần

Bước dự báo:


Bước phân tích:
Lỗi phương sai phân tích mới trong toàn bộ không gian (Hunt,2005)
Và toàn bộ nhiễu mới được đưa ra
TÀI LIỆU THAM KHẢO
The Future of Data Assimilation: The Future of Data Assimilation: 4D-Var or
Ensemble Kalman Filter? 4D-Var or Ensemble Kalman Filter?
Chaos/Weather group at the University of Maryland: Profs. Hunt, Szunyogh,
Kostelich, Ott, Sauer, Yorke, Kalnay

Former students: Drs. Patil, Corazza, Zimin, Gyarmati, Oczkowski, Shu-Chih Yang,
Miyoshi Current students: Klein, Li, Liu, Danforth, Merkova, Harlim, Kuhl, Baek