[論文レビュー] A-posteriori error estimates for inverse problems

Vishwas Rao, Adrian Sandu|arXiv (Cornell University)|Sep 25, 2014

Meteorological Phenomena and Simulations参考文献 18被引用数 7

ひとこと要約

本稿では、特にデータ同化において、1次および2次アドジョイントモデルを用いて、モデル誤差および観測誤差が解に与える影響を定量化する、変分逆問題における新しい事後誤差推定フレームワークを提案する。この手法は、数量的関心の誤差について、正確な1次近似を提供し、熱方程式および浅い水方程式の両方で数値的に検証されており、決定論的および確率的設定においてアンサンブル統計と良好に一致している。

ABSTRACT

Inverse problems use physical measurements along with a computational model to estimate the parameters or state of a system of interest. Errors in measurements and uncertainties in the computational model lead to inaccurate estimates. This work develops a methodology to estimate the impact of different errors on the variational solutions of inverse problems. The focus is on time evolving systems described by ordinary differential equations, and on a particular class of inverse problems, namely, data assimilation. The computational algorithm uses first-order and second-order adjoint models. In a deterministic setting the methodology provides a posteriori error estimates for the inverse solution. In a probabilistic setting it provides an a posteriori quantification of uncertainty in the inverse solution, given the uncertainties in the model and data. Numerical experiments with the shallow water equations in spherical coordinates illustrate the use of the proposed error estimation machinery in both deterministic and probabilistic settings.

研究の動機と目的

• モデル誤差および観測誤差が変分逆問題の解に与える影響を体系的に定量化するための手法を開発すること。
• 従来、偏微分方程式（PDE）および数値近似に適用されてきた事後誤差推定を、不完全なモデルおよびノイズのある観測を含む逆問題に拡張すること。
• 観測およびモデルパラメータの不確実性に対する解の感度について、決定論的および確率的誤差推定を提供すること。
• 1次元熱方程式および球面上の浅い水モデルを用いた数値実験により、誤差推定フレームワークを検証すること。
• 感度の高い領域を特定することで、適応的観測やモデリングへの実用的応用を可能にすること。

提案手法

• 連続時間および離散時間モデルにおける摂動逆問題の最適性条件を導出するために、スーパー・ラグランジュアン形式を用いる。
• スーパーラグランジュ乗数を計算するために、1次および2次アドジョイントモデルを用いる。これらは誤差推定に不可欠である。
• 接線型および2次アドジョイント情報を利用して、関心の数量的スカラー量の誤差を1次近似で推定する。
• データ同化において、4D-Var形式に特化し、観測誤差およびモデル誤差の明示的事後誤差推定を導出する。
• 確率的設定では、誤差影響の平均および分散の推定を提供し、アンサンブルシミュレーションと照合する。
• 本手法は1次元熱方程式および球座標系における浅い水モデルに実装・検証された。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、変分逆問題の解に対するモデル誤差および観測誤差の影響を、事後誤差推定に拡張できるか？
• RQ2 1次および2次アドジョイントモデルが、観測およびモデルパラメータの不確実性に対する解の感度推定に果たす役割は何か？
• RQ3 提案手法は、観測およびモデルの不確実性に起因する数量的関心の誤差の平均および分散をどの程度正確に推定できるか？
• RQ4 決定論的および確率的設定の両方で、アンサンブル統計に基づく検証が可能か？
• RQ5 誤差推定は、リアルタイムシステムにおける適応的観測またはモデリング戦略をどのように支援できるか？

主な発見

• 4D-Var解における観測誤差の平均的影響について、変分法による推定は0.00、アンサンブル法による推定は0.105であり、良好な一致を示した。
• 観測誤差影響の分散は、変分法による推定が2.87、アンサンブル法による推定が2.53であり、不確実性定量化の高精度を確認した。
• モデル誤差に関しては、変分法による平均推定値は1.21、アンサンブル平均の1.17に近く、分散推定値（0.053）もアンサンブル値（0.080）に近い値であった。
• 本手法は、決定論的および確率的設定の両方で誤差影響を適切に定量化でき、複数のテストケースで一貫性のある結果を得た。
• 誤差推定フレームワークは、感度の高い領域を特定でき、適応的観測やモデリングへの応用が示唆された。
• 本手法は一般性を有し、Weather Research and Forecasting（WRF）モデルのような複雑なシステムにも適用可能であり、リアルタイムでの不確実性低減に応用可能である。