幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

集合濾波數據同化方法及其應用

  • 作者：編者:唐佑民//沈浙奇|責編:朱瑾//習慧麗
  • 出版社：科學
  • ISBN：9787030773944
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：242
人民幣：RMB 218 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    數據同化是一種利用觀測數據來增強數值模式模擬精度和預測能力的技術，是目前地球科學系統研究的熱點及難點之一。本書詳細討論了目前常用的各種順序數據同化方法的科學思想和基本原理，以及它們在具有高維特性的地球系統中的應用。涵蓋的方法包括從最優插值到卡爾曼濾波器的最優估計方法，以及從卡爾曼濾波器衍生出來的集合卡爾曼濾波器、集合轉移卡爾曼濾波器和sigma點卡爾曼濾波器等集合方法，也包括基於貝葉斯公式的粒子濾波器演算法。本書進一步介紹了在耦合同化背景下的一些挑戰和進展，以及集合濾波器在目標觀測中的應用現狀和前景。本書的重點在於闡明每個方法背後的基本思想，包括：①演算法的推導和基本原理；②在一個簡化動力系統中的應用：③每種方法的基本假設和應用限制：④不同方法之間的聯繫：⑤每種方法的優缺點。
    本書的特色是強調這些同化方法的實際應用，為大氣和海洋科學領域的學生及科研工作者提供寶貴的參考資料，尤為適合初步涉及數據同化領域的研究人員閱讀參考。
作者介紹
編者:唐佑民//沈浙奇|責編:朱瑾//習慧麗
目錄
第1章  引言
第2章  數據同化的思想和基本理論
  2.1  數據同化的意義
  2.2  數據同化的基本思想
    2.2.1  最小二乘法
    2.2.2  貝葉斯方法
  2.3  濾波數據同化和變分同化的幾個基本方法
    2.3.1  狀態空間模型中的同化方法
    2.3.2  最優插值法
    2.3.3  三維變分法
    2.3.4  四維變分法
第3章  卡爾曼濾波器和擴展卡爾曼濾波器
  3.1  卡爾曼濾波器及其推導
    3.1.1  卡爾曼濾波器的提出背景
    3.1.2  卡爾曼濾波器的推導過程
  3.2  擴展卡爾曼濾波器
    3.2.1  擴展卡爾曼濾波器的公式
    3.2.2  擴展卡爾曼濾波器的平方根格式
    3.2.3  卡爾曼濾波器的性質和等價性
  3.3  Lorenz63模式中的孿生試驗
    3.3.1  模式方程
    3.3.2  孿生試驗設置
    3.3.3  同化代碼和試驗結果
  參考文獻
  相關python代碼
第4章  集合卡爾曼濾波器
  4.1  集合卡爾曼濾波器的基本思想
  4.2  集合卡爾曼濾波器演算法
    4.2.1  基於擾動觀測的傳統EnKF方法
    4.2.2  針對非線性觀測運算元的EnKF演算法
    4.2.3  EnKF在大型系統中的實施演算法
    4.2.4  集合最優插值
  4.3  Lorenz63模式中的集合卡爾曼濾波器同化試驗
  參考文獻
  相關python代碼
第5章  集合卡爾曼濾波器實際應用中的問題
  5.1  局地化
    5.1.1  局地化的理論和方法
    5.1.2  局地化方法在Lorenz96模式中的應用
  5.2  協方差膨脹
  5.3  初始擾動的產生和初始誤差的處理
    5.3.1  初始集合構造方法
    5.3.2  初始條件對同化的影響
  5.4  模式系統偏差
    5.4.1  兩步法
    5.4.2  一步法
  5.5  觀測誤差
    5.5.1  基於觀測數據的觀測誤差估計方法
    5.5.2  基於模式的觀測誤差估計方法
    5.5.3  新息診斷方法

    5.5.4  基於似然估計的集合觀測誤差估計方法
  5.6  預報誤差
  參考文獻
  相關python代碼
第6章  集合卡爾曼濾波器的衍生方法
  6.1  集合平方根濾波器
    6.1.1  直接分解方法
    6.1.2  串列集合平方根濾波器
    6.1.3  集合轉換卡爾曼濾波器
    6.1.4  集合調整卡爾曼濾波器
  6.2  局地集合轉換卡爾曼濾波器
    6.2.1  公式推導
    6.2.2  局地化分析
    6.2.3  演算法流程
    6.2.4  Lorenz63模式中的應用及程序
  6.3  集合調整卡爾曼濾波器的最小二乘格式
  參考文獻
  相關python代碼
第7章  sigma點卡爾曼濾波器
  7.1  sigma點的概念和SPKF的演算法
  7.2  sigma點無跡卡爾曼濾波器
  7.3  sigma點中心差分卡爾曼濾波器
  7.4  高維繫統SPKF的有效演算法
  參考文獻
  相關python代碼
第8章  粒子濾波器
  8.1  粒子濾波器的主要特性
  8.2  標準粒子濾波器
  8.3  建議分佈粒子濾波器
    8.3.1  簡單鬆弛格式
    8.3.2  加權集合卡爾曼濾波
  8.4  混合濾波器——以EnKPF為例
  8.5  局地化粒子濾波器
    8.5.1  串列觀測局地化粒子濾波器
    8.5.2  LPF16的代碼及其在Lorenz96模式中的應用
  參考文獻
  相關python代碼
第9章  參數優化和模式傾向誤差估計
  9.1  參數估計的基本思想
    9.1.1  參數估計方法
    9.1.2  基於集合卡爾曼濾波器的參數估計試驗和結果討論
  9.2  參數估計協方差膨脹方案
  9.3  基於LETKF方法的關鍵參數估計
  9.4  基於EAKF方法的模式傾向誤差估計
  參考文獻
  相關python代碼
第10章  強耦合同化
  10.1  耦合同化概述
    10.1.1  耦合同化基本理論
    10.1.2  耦合同化理想試驗

    10.1.3  強耦合同化當前所面臨的主要問題和挑戰
  10.2  強耦合同化的跨成分局地化及其在Lorenz模式中的應用
  10.3  強耦合同化與區域耦合模式及其在颱風模擬和預報中的應用
    10.3.1  模式設置
    10.3.2  模式結果
  參考文獻
  相關python代碼
第11章  目標觀測
  11.1  目標觀測的基本思想
  11.2  最優誤差增長下的目標觀測方法
    11.2.1  奇異向量方法
    11.2.2  條件非線性最優擾動方法
    11.2.3  氣候相關奇異向量方法
  11.3  EnKF框架下的目標觀測方法
    11.3.1  ETKF目標觀測方法
    11.3.2  基於EnKF的目標觀測方法
  11.4  粒子濾波器框架下的目標觀測方法
  11.5  基於EnKF的目標觀測方法在Lorenz96模式中的應用
  11.6  CSV方法在CESM中的應用及程序
  參考文獻
  相關python代碼

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032