ASSIMILAÇÃO DE DADOS VIA FILTRO DE KALMAN POR CONJUNTO COM O SISTEMA DE LORENZ
DOI:
https://doi.org/10.5902/2179460X20158Palavras-chave:
Assimilação de Dados. Filtro de Kalman por Conjunto. Modelo de Lorenz.Resumo
Assimilação de Dados é um procedimento matemático onde se combina dados observados com informação a priori (geralmente previsão de curto prazo) considerando-se o conhecimento estatístico dos erros de observação e previsão. Neste trabalho avalia-se a performance de uma implementação do filtro de Kalman por Conjuntos na assimilação de dados sintéticos com o Modelo de Lorenz. As equações de Lorenz são amplamente utilizadas para na avaliação de esquemas de assimilação de dados por ser um sistema de baixa dimensão, mas altamente não-linear ou caótico, como a atmosfera terrestre. Com base nos resultados, conclui-se que, para esta implementação, o conjunto com 10 membros é a melhor configuração, pois com 50 e 100 membro no conjunto ocorre “overfitting”. Avaliou-se a eficiência do filtro ao assimilar dados com 20% e 40% de ruído e concluiu-se que com 40% de ruído o sistema falha, principalmente no final do período de integração. Conclui-se também, que o EKF precisa de dados com boa amostragem temporal para resolver o problema da assimilação de dados em dinâmica caótica.Downloads
Referências
Anderson, J.L. (2001). An ensemble adjustment Kalman filter for data assimilation, Monthly Weather Review, 129, 2884-2903.
Bishop, C.H., Etherton, B.J., Majumdar, S.J. (2001). Adaptive sampling with ensemble transform Kalman filter. Part I: Theorical Aspects, Montlhy Weather Review, 129, 420-436.
Burgers, F., van Leeuwen, P.J., Evensen, G., (1998). Analysis scheme in the ensemble Kalman filter, Monthly Weather Review, 126, 1719-1724.
Courtier, C., Derber, J., Errico, R., Louis, J.F., Vukicevic, T. (1993). Important literature on the use of adjoint, variational methods and the Kalman filter in meteorology, Tellus, 45(A), 342-357.
Evensen, G. (1994). Sequential data assimilation with a nonlinear quase-geostrofic model using Monte Carlo methods error statistics, Journal of Geophysical Research, 99(C5), 10143-10162.
Gao, J, Xue, M., Stensrud, D. (2013). The Development of a Hybrid EnKF-3DVAR Algorithm for Storm-Scale Data Assimilation, Advances in Meteorology, 2013, 1-12.
Gauthier, P. (1992). Chaos and quadri-dimensional data assimilation: a study based on the Lorenz model, Tellus, 44(A), 2-17.
Jazswinski, A.H. (1970). Stochastic Processes and Filtering Theory, New York: Ed. Academic Press.
Kalman, R.E. (1960). A new approach to linear filtering and prediction problems, Journal of Basic Engineering, 32 (Series D), 35-45, Transactions of the ASME.
Kalnay, E. (2004) Atmospheric Modeling, Data Assimilation and Predictability, Cambridge University Press, Cambridge, United Kingdom.
Lorenz, E. (1963). Deterministic nonperiodic flow, Journal of the Atmospheric Sciences, 20, 130-141.
Miller, R., Guil, M., Gauthiez, F. (1994). Advanced Data Assimilation in strongly nonlinear dynamical systems, Journal of the Atmospheric Science, 51, 1037-1056.
Miyoshi, T. (2005). “Ensemble Kalman Filter experiments with a primitive equation global model, Meteorology dissertation, University of Maryland, College Park, Maryland, USA.
Ott, E., Hunt, B.R., Szunyogh , I., Zimin, A.V., Kostelich, A.J., Corazza, M., Kalnay, E., Patil, D.J., Yorke, E. (2002). Exploiting local low dimensionality of the atmospheric dynamics for efficient Kalman filtering, ArXiv:arc-ive/paper 020358, http://arxiv.org/abs/physics/020358.
Ott, E., Hunt, B. R., Szunyogh, I., Zimin, A. V., Kostelich, E. J. Corazza, M., Kalnay, E., Patil, D. J., Yorke, J. E. (2004). A local ensemble Kalman filter for atmospheric data assimilation, Tellus, vol. 56(A), pp. 415-428.
Pires, C., Vautard, R., Talagrand, O. (1996). On extending the limits of variational assimilation in nonlinear chaotic systems, Tellus, 48(A), 96-121.
Saltzman, B. (1962). Finite amplitude free convection as an initial value problem, Journal of the Atmospheric Sciences, 19, 329-341.
Tippet, M.K., Anderson, J.L., Bishop, C.H., Hamill, T.M., Whitaker, J.S. (2003). Ensemble square root filters, Monthly Weather Review, vol. 131, pp. 1485-1490.
Whitaker, J. S., Hamil, T.M. (2002). Ensemble data assimilation without perturbed observation, Monthly Weather Review, 130, 1913-1924.
Xue, M., Kong, F., Kevin, T., Gao, J., Wang, Y., Brewster, K., Droegemeier, K. (2013). Prediction of Convective Storms at Convection-Resolving 1km Resolution over Continental United States with Radar Data Assimilation: An Example Case of 26 May 2008 and Precipitation Forecasts from Spring 2009”, Advances in Meteorology, 1-9.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.
Diretrizes Éticas para Publicação de Revistas
A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.
A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.
Em particular,
Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.
Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.
Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.
