一种显式四维变分资料同化方法

提出一种新的资料同化方法——显式变分四维同化方法, 该方法将奇异值分解(SVD)技术用于四维空间的预报集合提取正交基向量, 这些基向量不但能够表现分析变量的空间结构, 也能反映它的时间演变特征. 将分析变量依截断的基向量展开后, 控制变量会显式地出现在代价函数中, 避免了传统的变分四维同化方法所必需的伴随模式的运用, 使同化过程变得简单. 用浅水方程模式和人造资料进行的一系列数值试验对所提方法的有效性作了检验并和传统的变分四维同化方法进行比较. 结果表明, 在观测点很密集, 观测和模式都没有误差的情况下, 它不如传统的变分四维同化方法好. 但是当观测点稀疏时显式方法会好于传统的方法, 它对模式误差及观测误差的敏感性也远远小于传统的方法.     

基于集合四维变分方法PODEn4DVar的GRACE陆地水储量同化：方法与验证

地球重力场季节和年际变化主要来源于地球表层大气、海洋和陆地各系统间水的质量交换,由GRACE重力卫星探测地球重力场变化所反映陆地水储量的改变主要来自降雨、土壤蒸发蒸腾、河流输运以及向地下深层的渗透等过程．本研究利用陆面过程模式CLM3．5以及基于本征正交分解的集合四维变分同化方法PODEn4DVar,构建能够同化GRACE卫星重力场的陆面水文同化系统LDAS．G,实现对地球重力场所反映的大尺度陆地水储量变化在时间及垂直方向各分量的分解,并对垂直方向的水文变量进行同化,从而更好地估计陆面水循环要素变化并实现其监测．利用LDAS．G同化系统进行理想试验以及针对中国区域所进行的同化试验表明该同化系统能够改善对陆面水文要素变化的模拟,对大尺度陆面水文循环监测研究具有重要意义．     

基于多正则化参数约束的四维变分同化方法及其对台风预报的影响

Tikhonov正则化反问题思想应用于变分同化时,通常引入的单正则化参数并不能同时满足不同观测资料的误差特性.针对传统四维变分同化(4D-Var)中不同观测资料分别引入不同正则化参数,提出基于多正则化参数约束的4D-Var(Tikh-4D-Var);同时,鉴于实际维数巨大同化系统中多正则化参数难于计算问题,基于同化系统后验估计信息,引入一种新的多正则化参数选择方法,相比于传统正则化参数选择方法,该方法计算量较小.基于WRF3.3.1 4D-Var同化系统,利用2010年Chaba台风个例开展bogus资料同化台风初始化应用试验,结果表明:结合引入的多正则化参数选择方法,Tikh-4D-Var方法相比于传统4D-Var方法更快达到收敛标准,迭代次数更少;同时,相比于传统4D-Var方法,Tikh-4D-Var方法呈现出更优的同化和预报效果,使得72 h路径和强度预报误差减小的同时,进一步改善了台风的内部结构信息;多正则化参数在一定程度上可反应同化系统中观测资料误差方差给定的准确性.     

结合反问题技巧对一维海温模式变分资料同化的理论分析及数值试验

以一维海温模式为例, 采用变分资料同化技术及处理数学物理反问题的技巧, 对初始条件、边界条件和模式参数等进行最优估计和确定. 为了克服反问题中不适定性带来的困难, 例如对于依赖于时间和空间的模式参数的估计, 引进了反问题中的正则化思想, 在目标泛函中增加了稳定泛函, 其目的在于克服不适定和计算不稳定. 数值试验结果表明, 与采用通常的变分同化技术相比, 引进正则化思想以后的变分同化技术, 无论目标泛函的下降速度、迭代收敛速度, 还是解的精度都有较明显的改进.     

一个三维变分海洋资料同化系统的设计和初步应用

介绍了新完成的一个基于三维变分方法的通用海洋资料同化系统OVALS(Ocean Variational Analysis System)的设计方案和在热带太平洋海洋资料同化中的初步应用. OVALS可以同化常规的现场海洋温盐观测资料和卫星高度计资料, 其中在海面高度资料同化中引入了一个新的基于三维变分的同化方案, 该方案考虑了背景场误差的垂直相关性和非线性的温-盐关系. 非线性的温-盐关系是通过将三维变分方法中的线性平衡约束方案推广到非线性的情况来实现的, 从而通过同化高度计资料来直接调整模式的温度和盐度场. 另外, OVALS还可以同化近年来投入运行的国际ARGO漂流浮标的温、盐廓线资料以及其他海温和盐度资料, 如船报海温资料和一些浮标阵列资料等. 利用OVALS和大洋环流模式在热带太平洋进行了21 a的同化试验. 试验结果表明, 同化系统通过对各种海洋资料的同化, 可以有效改进对海洋温度和盐度的估计, 其在420 m深度以浅的上层海洋的月平均温、盐度估计误差分别为0.63℃和0.34 psu.     

电离层掩星反演的变分同化方法

电离层掩星数据反演的传统方法是Abel反演法及其改进方法,而实际电离层的非球对称给电离层电子密度反演带来误差.本文研究了在气象领域广泛应用的变分同化方法在掩星数据反演电离层电子密度廓线的可行性,利用IRI和Nequiek模型模拟掩星真值场和背景场进行数值模拟反演,并与Abel反演法反演结果进行对比.结果表明,变分同化反演方法能够有效综合模式和观测数据,使得反演结果精度较高;与Abel反演法相比,反演的电子密度廓线F2层峰值浓度误差在10％以下,而Abel反演法在20％～30％之间;而且变分同化反演法对误差扰动有较好的过滤性,因此实用性较强.     

基于混沌理论、变分模态分解和长短期记忆网络的地磁变化预测方法

针对地磁变化场的非平稳性、非线性以及物理模型难以预测的特点,提出了一种改进的长短期记忆网络预测方法并进行了验证。首先应用变分模态分解方法对地磁台站数据进行去噪,再根据地磁变化的混沌特性引入混沌理论对样本集进行优化,最终以长短期记忆网络预测地磁变化并对改进前后的方法进行了对比。结果显示,优化方法的预测效果较稳定,平均绝对误差小于2 nT,相关指数R²超过0.8,预测值与实测值的拟合度较高,有效预测时长可达2.5天,且在中国大陆的泛用性较好。     

基于四维变分同化法的巢湖流域南淝河水质模拟

针对河流模拟中未知不确定性源对模拟精度的影响,以巢湖流域南淝河为研究对象,建立了基于四维变分同化方法的南淝河干流水质模型,研究了含未知污染源的南淝河水质过程模拟.模型以未知污染负荷的动态变化过程为控制变量,通过同化沿河不同断面的逐日水质监测数据,识别不同河段的逐日入河污染负荷过程来实现水质过程的模拟,改变了常规模型模拟...     

修正数值天气预报的非系统性误差的变分方法

变分方法被用于根据分析场来估计数值天气预报的非系统性误差,从而对预报作出订正．这一方法中假设预报误差与预报场的某种组合线性相关,奇异值分解（SVD）技术被用于由一系列预报和分析场样本产生的相关矩阵得到预报场和误差场之间的映射关系,同时也降低了问题的维数,并使目标函数中的背景误差协方差矩阵成为简单的对角矩阵．利用两种有不同误差的浅水方程模式和模式资料对连续20次的6h,24h和48h预报进行了误差订正试验．试验采用了3种预报场组合方案：第一种方案是末时刻的预报场;第二种方案是初始场和末时刻预报场的组合;第三种方案是末时刻的预报场以及预报的倾向场的组合．结果表明当预报误差明显超过分析误差时,订正能够明显改进预报,其中第三种方案对预报误差的订正效果最好,而其他两种方案不能保证订正都能改进预报．     

基于改进长短时窗比值及优化变分模态分解的微震初至拾取算法

针对低信噪比条件下微震初至拾取准确度低的问题,基于信号幅度变化引入权重因子,对传统长短时窗比值（STA/LTA）算法进行改进,提高初次拾取精度。为了进一步降低拾取误差,对变分模态分解（VMD）算法进行优化,基于互相关系数和排列熵准则自适应确定VMD分解层数,对初次拾取结果前后2—3 s的记录进行优化VMD,并计算分解后各本征模函数（IMF）的峰度赤池信息准则值,得到各IMF的到时,以各IMF的拾取结果及能量比综合加权得到二次拾取到时。仿真实验表明:改进后的STA/LTA在较低信噪比下可降低初次拾取误差约0.01 s以上;相比经验模态分解（EMD)和小波包分解,自适应VMD分解后能再次降低误差,最终与人工拾取结果平均误差在0.023 s以内。实际微震信号初至拾取结果表明,本算法能快速有效地识别初至P波,与人工拾取结果相比误差小,准确率高。      

基于显式有限差分正演的三维瞬变电磁反演方法（英文）

本文、首先,提出了一种基于显式有限差分正演的三维瞬变电磁反演方法。对于正演,先计算磁偶极子源激发的全空间初始场,然后使用改进的DuFort-Frankel方法和交错网格对麦克斯韦方程组进行时间步进。对于反演,采用基于L2范数的模型正则化方法和最小二乘最优化方法。其次,通过模型算例和现场实例对三维反演方法进行了测试。在模型算例中,低阻三维块体得到了较好的恢复。在现场实例中,三维反演结果与实际地质情况一致。模型算例和现场实例都表明,提出的基于显式有限差分正演的三维瞬变电磁反演方法是可靠的。     

基于非局部全核变分方法的稀疏角多能CT重建

稀疏角采样与减小X射线源电流可有效降低多能谱CT低辐射剂量,然而会导致投影数据不足且包含较大噪声,重建图像会严重降质。针对这一问题,本文对传统全核变分（TNV）正则化方法进行推广,利用非局部梯度向量构成的雅克比矩阵的低秩特性,提出非局部全核变分（NLTNV）正则化方法。该方法用单个正则项同时建模能谱CT图像的结构相似性、梯度域稀疏性与非局部自相似性3种先验信息,能恢复稀疏角度投影含较大噪声（剂量较低）时图像的结构特征,并且有效缓解了用多正则项建模多能谱CT图像不同先验信息所导致的正则化参数过多问题。此外,基于NLTNV的重建模型为凸优化模型,保证了算法的稳定性与收敛性。实验结果表明,与TNV正则化方法相比,本方法显著提升重建图像的整体质量。