Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 35.175.107.77
    [SESS_TIME] => 1635080700
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 547756bdc1278ac0a0b85a6834ab0133
    [UNIQUE_KEY] => f944175b14b80098e3711a9d0fc85a5d
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Сибирский журнал вычислительной математики

2020 год, номер 4

Экономичный алгоритм стохастического ансамблевого сглаживания

Е.Г. Климова
Федеральный исследовательский центр информационных и вычислительных технологий, Новосибирск, Россия
klimova@ict.nsc.ru
Ключевые слова: усвоение данных, ансамблевый фильтр Калмана, ансамблевое сглаживание
Страницы: 381-394

Аннотация

Оценка состояния окружающей среды по математической модели и данным наблюдений производится с помощью процедуры усвоения данных. Ансамблевый фильтр Калмана -один из наиболее популярных алгоритмов усвоения данных в настоящее время. Важной составляющей процедуры усвоения данных является оценка не только прогнозируемых величин, но и параметров, не описываемых моделью. Однократная процедура уточнения по данным наблюдений в ансамблевом фильтре Калмана может не дать требуемой точности. В связи с этим все большую популярность получает метод ансамблевого сглаживания, в котором для оценки значений в заданный момент времени применяются данные из некоторого временного интервала. В работе рассматривается обобщение предложенного ранее алгоритма, представляющего собой вариант стохастического ансамблевого фильтра Калмана. Обобщенный алгоритм является алгоритмом ансамблевого сглаживания, при котором сглаживание производится для среднего по выборке значения и затем осуществляется трансформация ансамбля возмущений. Предлагаемая в работе матрица трансформаций используется для оценки как прогнозируемой величины, так и параметра. Важным преимуществом алгоритма является его локальность, что позволяет оценивать параметр в заданном регионе. В статье приводится обоснование применимости этого алгоритма для реализации ансамблевого сглаживания. С предложенным численным алгоритмом проведены тестовые расчеты с 1-мерной моделью переноса и диффузии пассивной примеси. Предложенный алгоритм является эффективным и может быть использован для оценки состояния окружающей среды.

DOI: 10.15372/SJNM20200403
Добавить в корзину
Товар добавлен в корзину