Многомерные динамико-стохастические модели и их применение в задачах восстановления и прогноза полей температуры и ветра тема диссертации и автореферата по ВАК РФ 25.00.30, кандидат физико-математических наук Лавриненко, Андрей Викторович

  • Лавриненко, Андрей Викторович
  • кандидат физико-математических науккандидат физико-математических наук
  • 2008, Томск
  • Специальность ВАК РФ25.00.30
  • Количество страниц 157
Лавриненко, Андрей Викторович. Многомерные динамико-стохастические модели и их применение в задачах восстановления и прогноза полей температуры и ветра: дис. кандидат физико-математических наук: 25.00.30 - Метеорология, климатология, агрометеорология. Томск. 2008. 157 с.

Оглавление диссертации кандидат физико-математических наук Лавриненко, Андрей Викторович

Введение.

Глава 1. Анализ современных подходов к решению задач восстановления и прогноза метеорологических полей.

1.1. Общие представления о проблеме.

1.2. Методы теории оптимального оценивания.

1.3. Метод оптимальной интерполяции.

1.4. Вариационные методы.

1.5. Фильтр Калмана.

1.6. Ансамблевый фильтр Калмана.

1.7. Динамико-стохастический подход.

1.8. Физико-статистический подход.

Рекомендованный список диссертаций по специальности «Метеорология, климатология, агрометеорология», 25.00.30 шифр ВАК

Введение диссертации (часть автореферата) на тему «Многомерные динамико-стохастические модели и их применение в задачах восстановления и прогноза полей температуры и ветра»

В последние годы существенно возросла роль численных математических методов в метеорологии. Это связано в первую очередь со стремительным развитием средств вычислительной и микропроцессорной техники. Кроме того, происходит увеличение объёма метеорологических наблюдений, которые осуществляются с помощью различных средств измерений: радио-зондовых, космических, лидарных, акустических и прочих. Возникла задача, связанная с численным восстановлением пространственно-временного распределения метеорологических величин. В настоящее время эта задача решается в рамках процедуры четырехмерного усвоения данных (она детально рассмотрена в статье В. Бурке, Р. Симен и К. Пури, помещенной в [41]). Такая процедура объединяет в едином контуре две традиционно различные задачи — объективный анализ и прогнозирование метеорологических полей [18].

В метеорологии наиболее популярным методом анализа данных, под которым обычно понимают вычислительную процедуру построения метеорологического поля в узлах регулярной сетки, стал метод оптимальной интерполяции, предложенный Л.С. Гандиным [6].

Кроме того, появился ряд новых задач в области метеорологии, геофизики, экологического мониторинга ограниченных воздушных бассейнов во время техногенных и природных загрязнений, обеспечения безопасности взлета и посадки различных летательных аппаратов, и т.п. Для решения этих задач необходимо иметь текущую и прогностическую информацию о пространственно-временной структуре метеорологических полей, а в особенности полей температуры и ветра в мезомасштабной области, с горизонтальными размерами порядка 50-300 км и с верхней границей на высоте 2—10 км [84].

Для территории Российской Федерации сеть метеорологических и аэрологических станций характеризуется крайней неоднородностью и малой плотностью, где расстояния между соседними станциями радиозондирования, за редким исключением, составляют более 300 км, поэтому она не соответствует требованиям объективного анализа мезометеорологических полей, проводимого с разрешением от нескольких километров до десятков километров [2]. Для решения этой проблемы применяются алгоритмы, увеличивающие разрешение сетки по горизонтали (телескопизация данных). Однако это приводит к дополнительному увеличению ошибок объективного анализа и его качество становится неприемлемым для практического использования.

Что касается проблемы, связанной со сверхкраткосрочным прогнозом полей температуры и ветра с заблаговременностью до нескольких часов, то она практически еще не решалась, особенно для пограничного слоя атмосферы (ПСА), где, согласно [5], наблюдается основной перенос техногенных загрязняющих веществ. Этому препятствовало два обстоятельства.

Во-первых, в течение многих лет отсутствовали данные о вертикальном распределении указанных метеорологических величин, полученных для ПСА с высоким пространственно-временным разрешением. Действительно, данные аэрологического зондирования, характеризуются малым разрешением по высоте, недостаточной надежностью ниже уровня 0,5 км, из-за больших скоростей подъема радиозондов, и малой частотой зондирования (лишь два раза в сутки: 00 и 12 ч. по Гринвичу). И, следовательно, они не могут быть использованы для сверхкраткосрочного прогноза с малой заблаговременностью.

Во-вторых, недостаточностью исследований в области разработки методик сверхкраткосрочного прогноза для малых интервалов заблаговременное™, реализуемых в условиях ограниченного объема метеорологической информации, получаемых от одной станции наблюдения.

В настоящее время проблема сверхкраткосрочного прогноза решается на основе двух подходов: гидродинамического и физико-статистического, которые для своей реализации требуют привлечения данных метеорологических и аэрологических измерений либо с довольно больших по площади территорий, либо за продолжительное время наблюдения.

Решение проблем численного восстановления и сверхкраткосрочного прогноза метеорологических полей на мезомасштабном уровне идет в двух направлениях. Во-первых, за счёт развития аппаратных средств, реализующих возможности получения аэрологической информации с высоким временным разрешением и высокой точностью. Во-вторых, разрабатываются новые математические методы и алгоритмы обработки данных.

В последнее время в практику численной диагностики и прогнозирования метеоусловий, в том числе и в пограничном слое атмосферы, стал широко внедряться динамико-стохастический подход, основанный на использовании алгоритма фильтра Калмана [3, 43] и различных математических моделей, которые описывают поведение метеорологических полей в пространстве и во времени [18]. В частности, такой подход использован в работах отечественных исследователей Е.Г. Климовой, В.С. Комарова, Ю.Б. Попова и зарубежных Д.П. Ди, Г. Эвенсена, П.Л. Хаутакамера, Х.Л. Митчела.

К преимуществам моделей, разрабатываемых в рамках динамико-стохастического подхода, можно отнести возможность уточнения их параметров в процессе пространственно-временного прогнозирования, а также построение алгоритма идентификации параметров модели в рекуррентной форме, что обуславливает его высокую экономичность с вычислительной точки зрения.

Поэтому не случайно, что в последние годы для решения указанных задач специалисты Института оптики атмосферы СО РАН стали использовать динамико-стохастические методы (см., например, [18, 74]).

Однако в этих работах в качестве прогностических моделей взяты простейшие линейные модели регрессионного и полиномиального типов. Несмотря на перспективность их применения на практике, в работе [21] показано, что для повышения точности прогнозирования необходимо использовать более сложные аналитические модели динамико-стохастического типа, которые описывали бы лучшим образом динамику поведения метеорологических величин в пространстве и во времени и обеспечивали бы более адекватное отражение атмосферных физических процессов.

Наряду с применением динамико-стохастического подхода, решению задачи сверхкраткосрочного прогноза способствует также и расширившиеся возможности получения данных о вертикальном распределении метеорологических величин, и в первую очередь температуры и ветра, с высоким временным разрешением. Это обусловлено тем, что в практику атмосферного мониторинга в последнее время стали широко внедряться новые средства дистанционного зондирования, основанные на использовании современных лидарных, радиометрических и акустических систем. Они позволяют осуществлять оперативную оценку вертикальных распределений температуры и ветра в пограничном слое атмосферы с высоким разрешением, как по высоте, так и во времени [74].

Из сказанного выше очевидно, что решение задач восстановления и сверхкраткосрочного прогноза полей метеорологических величин в области мезомасштаба невозможно без построения новых прогностических и интерполяционных моделей этих полей, которые адекватно отражали бы особенности эволюции атмосферных процессов в пространстве и во времени. На базе таких моделей, с привлечением аппарата калмановской фильтрации, могут быть разработаны более совершенные методы и алгоритмы оценивания текущей и ожидаемой метеорологической обстановки в заданных районах. Полученные результаты могут быть в дальнейшем использованы в качестве информационной основы для диагноза и прогноза уровня загрязненности в атмосфере этих районов.

Таким образом, актуальность темы диссертационной работы определяется:

• повышением роли метеорологической информации при решении различных прикладных задач, и в частности задачи диагностики и прогноза техногенного загрязнения атмосферы в пределах крупного города или промышленного центра;

• необходимостью разработки новых, более точных прогностических и интерполяционных моделей формирования и эволюции мезомасштабных атмосферных процессов, а таюке методов использования этих моделей в задачах восстановления и сверхкраткосрочного прогноза полей температуры и ветра, реализуемых в рамках динамико-стохастического подхода;

• отсутствием приемлемых по точности и вычислительным затратам алгоритмов достоверного численного восстановления и сверхкраткосрочного прогноза мезомасштабных полей метеорологических величин в условиях минимума исходной информации.

В соответствии с вышеперечисленным, диссертационная работа имеет своей целью построение прогностических и интерполяционных моделей формирования и эволюции мезомасштабных атмосферных процессов, а также разработку методов их использования, в рамках динамико-стохастического подхода, для решения задач численного восстановления и сверхкраткосрочного прогноза полей температуры и ветра в области мезо-масштаба.

Для достижения поставленной цели в диссертации были решены следующие задачи:

1) проанализировано современное состояние работ в области существующих методических подходов к решению задач диагностики и прогноза полей метеорологических величин в области мезомасштаба;

2) разработана интерполяционная четырехмерная динамико-стохастическая модель процессов изменения полей метеорологических величин в пространстве и во времени для синтеза алгоритма численного восстановления этих полей в области мезомасштаба;

3) на основе построенной четырехмерной динамико-стохастической модели разработаны новый метод и алгоритм восстановления мезометеоро-логических полей в условиях минимума исходной информации;

4) разработана прогностическая двумерная модель динамико-стохастического типа для ее использования в методике и алгоритме сверхкраткосрочного прогноза с малой заблаговременностью, порядка 0,5-3 часа;

5) на основе двумерной динамико-стохастической модели разработана новая методика и алгоритм сверхкраткосрочного прогноза полей метеорологических величин с малой заблаговременностью, проводимого по данным наблюдений только одной станции высотного зондирования;

6) на примере полей температуры и ветра, проведены численные эксперименты по оценке качества и эффективности предложенных алгоритмов восстановления и сверхкраткосрочного прогноза.

В качестве методов исследований при решении поставленных задач были использованы методы теории оптимального оценивания, математической статистики, численного анализа и практические численные эксперименты, проводимые с применением реальных радиозондовых, содарных и радиометрических измерений.

Основные научные результаты и их новизна состоят в следующем:

1) впервые предложена интерполяционная четырехмерная динамико-стохастическая модель изменения мезомасштабных полей метеорологических величин в пространстве, реализуемая с учётом временных изменений. При этом отличительной особенностью является то, что в вектор состояния модели включены не собственно метеорологические величины, а неизвестные и подлежащие оцениванию параметры многомерной авторегрессии;

2) на основе предложенной четырехмерной модели впервые разработаны новые методика и алгоритмы численного восстановления полей метеорологических величин в области мезомасштаба, проводимого в условиях минимума исходной информации. Реализован подход, согласно которому для каждой точки интерполяции строится свой собственный фильтр Калмана, что позволяет значительно сократить вычислительные затраты;

3) разработана двумерная динамико-стохастическая модель эволюции полей метеорологических величин, одновременно учитывающая их изменение по высоте и во времени;

4) впервые предложен метод, и алгоритмы сверхкраткосрочного прогноза полей метеорологических величин с малой заблаговременностью, от 0,5 до 3 часов, разработанные на основе двумерной динамико-статистической модели, и работающие с использованием данных наблюдений только одной станции высотного зондирования;

5) впервые, на примере полей температуры и ветра, получены результаты численных экспериментов по оценке качества и эффективности разработанных алгоритмов восстановления и сверхкраткосрочного прогноза. Осуществлена оптимизация алгоритма сверхкраткосрочного прогноза относительно параметров прогностической модели и характера исходных данных.

На защиту выносятся следующие положения:

1) Предложенная четырехмерная динамико-стохастическая модель, основанная на учете пространственно-временного распределения полей метеорологических величин, позволяет адекватным образом описать состояние атмосферы в области мезомасштаба.

2) Применение четырехмерной динамико-стохастической модели в алгоритме численного восстановления метеорологических полей позволяет получать их достоверную оценку на неосвещенной данными наблюдений территории на глубину 250-300 км, даже в условиях ограниченной информации.

3) Разработанная прогностическая двумерная динамико-стохастическая модель и алгоритм ее применения в задаче сверхкраткосрочного прогноза полей температуры и ветра, осуществляемого на основе высотного радиометрического и содарного зондирования в отдельных измерительных пунктах, позволяют проводить прогнозирование полей этих метеорологических величин с заблаговременностью т=0,5-3 часа, и точностью, достаточной для практического применения.

4) Оптимизация алгоритма сверхкраткосрочного прогноза полей температуры и ветра в ПСА, за счёт адекватного выбора параметров двумерной модели и методики её использования, позволяет уменьшить результирующую ошибку прогнозирования минимум на 30-40% для заблаговременности т^З часа.

Положения, выносимые на защиту, являются решением актуальной научной задачи - разработки многомерных динамико-стохастических моделей процессов эволюции метеорологических полей в пространстве и во времени, а также методов и алгоритмов их применения для восстановления и сверхкраткосрочного прогноза указанных полей в области мезомасштаба.

Научная и практическая значимость работы определяется тем, что полученные в диссертации многомерные динамико-стохастические модели могут быть использованы, с одной стороны, для описания состояния и эволюции атмосферных полей температуры и ветра в области мезомасштаба, а с другой стороны, для разработки новых методов и алгоритмов достоверной оценки и сверхкраткосрочного прогноза этих полей в интересах информационной поддержки решения задач диагностики и прогнозирования уровня загрязненности атмосферы в крупных городах, промышленных центрах и местах проведения утилизации экологически опасных объектов.

Обоснованность и достоверность полученных в диссертационной работе результатов обусловлена применением уже апробированных другими авторами динамико-стохастических подходов к решению задач прогноза и восстановления метеорологических полей, а также аргументированностью исходных положений, логической непротиворечивостью рассуждений, корректным использованием современного математического аппарата.

Методологическую основу диссертационной работы составили научные труды отечественных и зарубежных авторов в области математики и физики атмосферы. Кроме того, достоверность работы подтверждается результатами численных экспериментов, сравнением с данными других авторов и всем имеющимся эмпирическим материалом.

Апробация и публикации результатов работы:

Результаты диссертации докладывались и получили одобрение на X — XII Международном симпозиуме «Оптика атмосферы и океана. Физика атмосферы» (Томск, 2003 - 2005 гг.); на Пятом Сибирском Совещании по кли-мато-экологическому мониторингу (Томск, 2003 г.); на II Международной конференции «Окружающая среда и экология Сибири, Дальнего Востока и Арктики (Томск, 2003 г.); на X и XI Рабочей группе «Аэрозоли Сибири» (Томск, 2003 - 2004 гг.); на Всероссийской научной конференции «Современные глобальные и региональные изменения геосистем» (Казань. 2004 г.) и на International Symposium for the Advancement of Boundary Layer Remote Sensing (Garmisch-Partenkirchen, Germany, 2006).

Основные результаты диссертации изложены в 6 статьях и 11 тезисах докладов, а также вошли в отчет по НИР, выполняемой по специальной тематике.

Похожие диссертационные работы по специальности «Метеорология, климатология, агрометеорология», 25.00.30 шифр ВАК

Заключение диссертации по теме «Метеорология, климатология, агрометеорология», Лавриненко, Андрей Викторович

Основные результаты диссертационной работы:

1) проанализировано современное состояние работ в области диагностики и прогноза полей метеорологических величин и выделено два основных перспективных методических подхода: вариационный и динамико-стохастический на основе фильтра Калмана;

2) разработана интерполяционная четырехмерная динамико-стохастическая модель процессов изменения мезомасштабных полей метеорологических величин в пространстве и во времени;

3) на основе предложенной интерполяционной модели и аппарата кал-мановской фильтрации, разработаны новые методика и алгоритмы численного восстановления полей метеорологических величин в области мезомасшта-ба, в том числе и на территории, неосвещенной данными наблюдений, проводимого в условиях минимума исходной информации;

4) разработана двумерная динамико-стохастическая модель процессов эволюции полей метеорологических величин по высоте и во времени применительно к решению задачи сверхкраткосрочного прогноза с малой (до 3 ч.) заблаговременностью;

5) на основе прогностической двумерной динамико-стохастической модели и аппарата фильтра Калмана, разработаны оригинальный метод и алгоритмы сверхкраткосрочного прогноза полей метеорологических величин с малой заблаговременностью (от 0,5 до 3 часов), проводимого по данным наблюдений только одной станции высотного зондирования;

6.) проведены (на примере мезомасштабных полей температуры и ветра) численные эксперименты по оценке качества и эффективности разработайных алгоритмов восстановления и сверхкраткосрочного прогноза. Результаты проведенных экспериментов позволяют сделать общие выводы:

-во-первых, предложенный алгоритм восстановления, разработанный на основе четырехмерной модели и аппарата калмановской фильтрации, обеспечивает повышение точности интерполяции в 1,3-2,8 раза и в 1,5-2,6 раза, по сравнению с использованием упрощенной динамико-стохастической модели или алгоритма оптимальной интерполяции соответственно.

-во-вторых, оптимизированный алгоритм сверхкраткосрочного прогноза, полученный на основе двумерной динамико-стохастической модели и аппарата калмановской фильтрации, дает результаты прогнозирования при малой заблаговременности (т<3 ч.), с точностью приемлемой для практического использования, поскольку среднеквадратическая погрешность такого прогноза даже при т=3 ч. варьируется в пределах 0,5-0,7°С (для температуры) и 1,01,7 м/с (для ортогональных составляющих скорости ветра);

-в-третьих, высокая точность и эффективность разработанных алгоритмов восстановления и сверхкраткосрочного прогноза позволяет использовать их для решения задач оперативной диагностики и прогноза уровня загрязненности атмосферы в пределах ограниченных территорий (например, крупных городов или промышленных зон).

В заключение данной диссертационной работы приведем наиболее важные результаты, полученные автором, и сформулируем основные выводы проведенных исследований.

Список литературы диссертационного исследования кандидат физико-математических наук Лавриненко, Андрей Викторович, 2008 год

1. Айвазян С.А., Бухштабер В.М. и др. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика. 1989, 608 с.

2. Багров H.A. Статистические методы предсказания погоды. Метеорология и гидрология. 1964, №2, с. 10-19.

3. БеловП.Н. Практические методы численного прогноза погоды. Л.: Гид-рометеоиздат, 1967, 335 с.

4. Белов П.Н., Борисенков Е.П., Панин Б.Д. Численные методы прогноза погоды. Л.: Гидрометеоиздат, 1989, 376 с.

5. Браммер К., Знффлынг Г. Фильтр Калмана-Бьюси // Пер. с немец. М.: Наука, 1982, 200 с.

6. Бронштейн КН., Семендяев К.А. Справочник по математике. М., ГИТТЛ, 1957, 608 с.

7. Брюханъ Ф.Ф. Методы климатической обработки и анализа аэрологической информации. М.: Гидрометеоиздат, 1983, 112 с.

8. Вызова И.Л., Лунина A.A., Хачатурова М. О восстановлении профилей ветра по данным наземной метеостанции. Труды Института экспериментальной метеорологии, 1987, вып. 41(126), с. 25-50.

9. Вентг^елъ Е.С. Исследование операций. М.: Наука. 1972, 551 с.

10. Верещагин М.А., Наумов Э.И., Шанталинскый K.M. Статистические методы в метеорологии. Казань: изд-во КГУ, 1990, 110 с.

11. Владимиров A.M., ЛяхинЮ.И., Матвеев Л.Т., Орлов В.Г. Охрана окружающей среды. Л.: Гидрометеоиздат, 1991, 423 с.

12. И.Гандын Л.С., Каган Р.Л. Статистические методы интерпретации метеорологических данных. Л.: Гидрометеоиздат, 1976, 360 с.

13. Гладких В.А., Макиенко А.Э., Федоров В.А. Акустический доплеровский содар «Волна-3». // Оптика атмосферы и океана, 1999, т. 12, № 5, с. 437444.

14. Гордин В. А. Математические задачи гидродинамического прогноза погоды. JL: Гидрометеоиздат. 1987. 264 с.

15. Груза Г.В. Некоторые общие вопросы теории прогноза погоды на основе статистических данных. / Труды Среднеазиатского НИГМИ. 1967, вып. 29(44), с. 3-24.

16. Груза Г.В. Прогностические модели в метеорологии и статистические прогнозы. Труды ВНИИГМИ-МЦД, 1977, вып. 35, с. 3-10.

17. Груза Г.В. Рейтенбах Р.Г. Статистика и анализ гидрометеорологических данных. Л.: Гидрометеоиздат, 1982, 216 с.

18. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника. 1975, 311 с.

19. Ивахненко А.Г., Мюллер Й.А. Самоорганизация прогнозирующих моделей. Киев: Техника. 1980, 183 с.

20. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. Киев: Наукова думка. 1982, 296 с.

21. Каган Р.Л. Об учете особенностей пространственно временной структуры метеорологических полей при их статистическом анализе. // Труды 3го Всесоюзного симпозиума по применению статистических методов в метеорологии. М.: Гидрометеоиздат, 1978, с. 148-157.

22. Каган Р.Л., Захариее В.И., Целнаи Р. Статистическая структура метеорологических полей. Будапешт, 1976, 365 с.

23. Казакевич Д.И. Основы теории случайных функций и ее применение в гидрометеорологии. JI.: Гидрометеоиздат, 1977, 319 с.

24. Кадыгров E.H., Кузнецова И.Н., Голицын Г. С. Остров тепла в пограничном слое атмосферы над большим городом: новые результаты на основе дистанционных данных. // Доклады РАН, 2002, т. 385, № 4, с. 541-548.

25. Кендалл М.Дж., Стьюарт Д. Теория распределений. М.: Наука. 1966, 587 с.

26. Кендалл М.Дж., Стьюарт Д. Многомерный статистический анализ и временные ряды. М.: Наука, 1976, 736 с.

27. Климова Е.Г. Методика усвоения данных метеонаблюдений на основе обобщенного субоптимального фильтра Калмана. // Метеорология и гидрология, 1997, № 11, с. 55-65.

28. Климова Е.Г. Асимптотическое поведение схемы усвоения метеорологических данных, основанной на алгоритме фильтра Калмана. // Метеорология и гидрология, 1999, № 8, с. 55-65

29. Климова Е.Г. Алгоритм усвоения данных наблюдений на основе адаптивного субоптимального фильтра Калмана. // Метеорология и гидрология, 2005, № 3, с. 24-35

30. Климова Е.Г. Модель для расчета ковариаций ошибок прогноза в алгоритме фильтра Калмана, основанная на полных уравнениях. // Метеорология и гидрология, 2001, № 11, с. 11-21

31. Климова Е.Г. Модель для расчета ковариаций однородных изотропных случайных полей ошибок прогноза. // Метеорология и гидрология, 2001, № 10, с. 24-33

32. Климова Е.Г. Численные эксперименты по усвоению метеорологических данных с помощью субоптимального фильтра Калмана. // Метеорология и гидрология, 2003, № 10, с. 54-67

33. Комаров B.C. О восстановлении вертикальных профилей температуры в условиях облачной атмосферы методом многомерной экстраполяции. Труды ВНИИГМИ-МЦД. 1974, вып. 9, с. 19-24.

34. Комаров B.C., Попов Ю.Б., Суворов С.С., Кураков В.А. Динамико-стохастические методы и их применение в прикладной метеорологии. Томск, Изд-во ИОА СО РАН, 2004, 236 с.

35. Комаров B.C. Статистика в приложении к задачам прикладной метеорологии. Томск: изд-во СО РАН, 1997, 255 с.

36. Красненко Н.П. Акустическое зондирование атмосферы. Новосибирск, изд. Наука Сибирское Отделение 1986 г. 168с.

37. Кудашкин С.А., Кудрявая К.И. Теория вероятностей и математическая статистика в метеорологии. М.: Воениздат. 1985, 324 с.

38. МарчукГ.И. Численные методы в прогнозе погоды. Л., Гидрометеоиздат, 1967.

39. Монин A.C., ЯгломА.М. Статистическая гидромеханика. Часть 2. Механика турбулентности. М.: Наука, 1967, 720 с.

40. Невзорова И.В., Одинцов C.JI. Корреляция компонентов скорости ветра в пограничном слое атмосферы. // Оптика атмосферы и океана, 2005, т. 18, №1-2, с. 124-129.

41. Ы.ПанчевС. Случайные функции и турбулентность. Л.: Гидрометеоиздат,1967, 447 с.

42. ЪЪ.Пененко В.В. Методы численного моделирования атмосферных процессов. Л.: Гидрометеоиздат, 1981, 225 с.

43. Саркисян A.C., Демышев С.Г., Коротаев Г.К. и др. Пример четырехмерного анализа данных наблюдений программы "Разрезы" для ньюфаундлендского ЭАЗО. В кн.: Итоги науки и техники. Атмосфера. Океан. Космос. М., 1986, Т. 6. с. 88-89.

44. Саркисян A.C., Кныш В.В., Демышев СТ. и др. Многоэлементный четырехмерный анализ гидрофизических полей на основе динамико-стохастических моделей (Для программы "Разрезы"). В кн.: Итоги науки и техники. Атмосфера. Океан. Космос. М., 1987, Т. 9. с. 5-64.

45. СеберДж. Линейный регрессионный анализ. М.: Мир. 1980, 456 с.

46. Сейдж Э.П., Мэлса Дж.Л. Теория оценивания и ее применение в связи и управлении. М.: Связь, 1976, 496 с.вв.Трахтман A.M. Введение в обобщенную спектральную теорию сигналов. М.: Советское Радио, 1972, 351 с.

47. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977, 200 с.

48. Хромов С.П., Петросянг{ М.А. Метеорология и климатология. М.: Изд-во МГУ, Изд-во «Колос С», 2004, 582 с.

49. Динамика погоды. // Под ред. С. Манабе; Пер. с англ. JI.: Гидрометеоиз-дат, 1988, 420 с.

50. Метеорологический температурный профилемер МТП-5. Руководство по эксплуатации. МПТ.416311.001 РЭ.

51. Технический регламент. Т.1 (Общая часть). Изд. 2-е, ВМО, №49, ОД.2. Женева, 1959. Дополнение №2, Женева, 1963.

52. Фильтрация и стохастическое управление в динамических системах. // Под ред. К.Т. Леондеса. Пер. с англ. М.: Мир, 1980, 408 с.

53. BennetA.F. Inverse methods in physical oceanography. // Cambridge University Press, Cambridge, 1992.lA.Bennet A.F., ChuaB.S. Open-ocean modeling as an inverse problem: the primitive equation. //Mon. Weather Rev., 1994, vol. 122, pp. 1326-1336.

54. Blanchet I., Frankighoul C. A comparison of Adaptive Kalman Filters for a Tropical Pacific Ocean Model. // Mon. Weather Rev., vol. 125, pp. 40-58.

55. Brusdal K., J.Brankart, G. Halberstadt, G. Evens en, P.Brasseur, P.J. van Leeuwen, E. Dombrowsky, J. Verron. An evaluation of ensemble based assimilation methods with a layered OGCM. // J. Marine Systems, 2003, vol. 40-41, pp. 253-289.

56. Bushby F.H., V.M. Huckle. Objective analysis in numerical forecasting. // Q. J. Roy. Meteorological Soc., 1957, vol. 83, No. 336, pp. 232-247.

57. Cohn S.E. An introduction to estimation theory. // J. Meteorological Soc. of Japan, 1997, vol. 75, No. IB, pp. 257-288.

58. Cohn S.E. and R Todling. Approximate data assimilation schemes for stable and unstable dynamics. I I J. Met. Soc. Japan, 1996, vol. 74, pp. 63-75

59. CourtierP. Variational methods. // J. Met. Soc. Japan, 1997, vol. 75, No. IB, pp. 211-218.

60. S3. Courtier P., O. Talagrand Variational assimilation of meteorological observations with the adjoint velocity equation II: numerical results. // Q. J. Roy. Met. Soc., 1987, vol. 113, pp. 1329-1347.

61. Courtier P., O. Thepaut, A. Hollingsworth A strategy for operational implementation of 4DVAR, using an incremental approach. // Q. J. Roy. Met. Soc., 1994, vol. 120, pp. 1367-1387.

62. DeeD.P. Simplification of the Kalman filter for meteorological data assimilation. // Q. J. Roy. Met. Soc., 1991, vol.117, pp.365-384.

63. DerberJ. A variational continuous assimilation technique. // Mon. Weather Rev., 1989, vol. 117, pp. 2437-2446

64. Evensen G. The ensemble Kalman filter: theoretical formulation and practical implementation. // Ocean dynamics. Springer-Verlag, 2003, vol. 53, pp. 343367.

65. Evensen G. Inverse methods and data assimilation in nonlinear ocean models. // Physica (D), 1994, vol. 77, pp. 108-129.

66. Evensen G. Sequential data assimilation with a non-linear quasi-geostrophic model using Monte Carlo methods to forecast error statistics. // J. Geophysics Res., 1994, vol. 99, pp. 10143-10162.

67. Evensen G., P.G. van Leeuwen An ensemble Kalman smoother for nonlinear dynamics. // Mon. Weather Rev., 2000, vol. 128, pp. 1852-1867.

68. Ghil M and P. Malanotte-Rizzolli. Data assimilation in meteorology and ocean orography. I I Advances in geophysics, 1991, vol.33, Academic Press.

69. Ghil M, Todling R. Tracking atmospheric instabilities with the Kalman filter. Part II: Two-layer results. // Mon. Weather Rev., 1994, vol. 122, pp. 417-424.

70. Gilbert J.C. and C. Lemarechal. Some numerical experiments with variable storage quasi-Newton algorithms. //Math. Prog., 1989, B25, pp. 407-435

71. Gustavsson N. A review of methods for objective analysis. // Dynamic meteorology: Data assimilation methods. Berlin; New York: Springer-Verlag, 1981. pp. 17-76.

72. Hamill T. M., C. Snyder A hybrid ensemble Kalman filter 3D variational analysis scheme. // Mon. Weather Rev., 2000, vol. 128, pp. 2905-2919.

73. Hansen J.A., L.A. Smith Probabilistic noise reduction. // Tellus, Ser (A), 2001, vol. 53, pp. 585-598.

74. HeeminkA.W., M. Verlaan, A.J. Segers Variance reduced ensemble Kalman filtering. // Mom Weather Rev., 2001, vol. 129, pp. 1718-1728.

75. Houtekamer P.L., H.L. Mitchel Data assimilation using an ensemble Kalman filter technique. // Monthly Weather Review, 1998, vol. 126, pp. 796-811.

76. Jazwinski A.H. Stochastic processes and filtering theory. // New York, Academic Press, 1970.

77. Kalman R.E., Bucy R.S. New results in Linear Filtering and Prediction Theory//Trans. ASME. Ser. D. 1961, vol. 83, pp. 95-108.

78. Le Dimet F.-X. and O. Talagrand Variational algorithms for analysis and assimilation of meteorological observations. // Tellus, 1986, vol.38A, pp. 97-110.

79. Lorenc A.C. A global three-dimensional multivariate statistical interpolation scheme. // Mon. Weather Rev., 1981, vol. 109, pp. 701-721.

80. Lorenc A.C. Analysis methods for numerical weather prediction. // Q. J. R. Met. Soc., 1986, vol. 112, pp. 1177-1194.

81. McPherson R.D., KH. Bergman, R.E. Kistler, G.E. Rasch andD.S. Gordon. The NMC operational global data assimilation system. // Mon. Weather Rev., 1979, vol. 107, pp. 1445-1461.

82. Miller R.N., Carter E.F. Data assimilation into nonlinear stochastic models. // Tellus, Ser. (A), 1999, vol. 51, pp. 167-194.

83. MitchellH.L., P.L. Houtekamer An adaptive ensemble Kalman filter // Mon. Weather Rev., 2000, vol. 128, pp. 416-433.

84. Orlanskil. A rational subdivision of scales for atmospheric processes. // Bull. Amer. Meteor. Soc., 1975, vol. 56, No. 5, pp.527-530.

85. Sasaki Y. An objective analysis based on the variational method. // J. Met. Soc. Japan, 1958, vol. 86, No. 3, pp. 77-88.

86. Schlatter T. W. Variational assimilation of meteorological observations in the lower atmosphere: a tutorial on how it works. I I Journal of Atmospheric and Solar-Terrestrial Physics, 2000, vol. 62, pp. 1057-1070

87. Guide to meteorological instrument and observing practices. Paris. WMO, 1984, 130 p.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.