排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
数据同化利用观测信息对模型状态场调整的同时也可以对数值模型中的不确定参数进行估计,从而改进数值模型,提高数值模拟的精度。本文基于集合调整卡尔曼滤波方法,采用广义坐标系统的美国普林斯顿大学海洋模式的外模式开展了渤海和部分黄海海域M2分潮模拟中的水深估计研究。理想数据同化试验结果表明,集合调整卡尔曼滤波方法能很好地降低模式模拟的水位误差并反演出“真实”的水深参数。而在NAO.99Jb和验潮站数据的实际数据同化试验中,与验潮站数据相比较,水深参数估计后,模式模拟的M2分潮振幅与迟角误差分别降低了40.27%和49.19%。 相似文献
1