[論文レビュー] Accelerating the spin-up of Ensemble Kalman Filtering

Eugenia Kalnay, Shu-Chih Yang|ArXiv.org|Jun 1, 2008

Meteorological Phenomena and Simulations参考文献 8被引用数 5

ひとこと要約

本稿では、初期化に時間がかかる系において、特にスピンアップ段階を加速するために、コストゼロのアンサンブルカルマンスムージング（EnKS）手法を提案する。観測が疎である状況下でも、モデルアンサンブルを「場所で走らせる」ことで、局所的アンサンブル変換カルマンフィルタ（LETKF）が、スピンアップ完了後は最小限の追加計算コストで最適誤差レベルに急速に収束することを実証した。

ABSTRACT

A scheme is proposed to improve the performance of the ensemble-based Kalman Filters during the initial spin-up period. By applying the no-cost ensemble Kalman Smoother, this scheme allows the model solutions for the ensemble to be "running in place" with the true dynamics, provided by a few observations. Results of this scheme are investigated with the Local Ensemble Transform Kalman Filter (LETKF) implemented in a Quasi-geostrophic model, whose original framework requires a very long spin-up time when initialized from a cold start. Results show that it is possible to spin up the LETKF and have a fast convergence to the optimal level of error. The extra computation is only required during the initial spin-up since this scheme resumes to the original LETKF after the "running in place" is achieved.

研究の動機と目的

• 冷スタートからの初期化に要する長時間のスピンアップ時間を短縮すること。
• カオス的で低次元なモデル（例：準地衡系）におけるデータ同化の効率を向上させること。
• 標準のアンサンブルカルマンフィルタフレームワークを恒久的に変更せずに収束を加速する手法を開発すること。
• 観測を用いてアンサンブルを「場所で走らせる」ことで、初期状態推定を改善すること。
• スピンアップ段階中にのみ強化を適用することで、計算コストを最小限に抑えること。

提案手法

• データ同化の初期段階において、コストゼロのアンサンブルカルマンスムージング（EnKS）を適用し、観測を用いてアンサンブル状態を補正する。
• EnKSにより、アンサンブルを時間的に遡って観測動態に一致させることが可能となり、真のシステムと「場所で走る」ようになる。
• この手法はスピンアップ段階に限定して適用され、その後は標準のLETKFに自動的に戻る。
• EnKSは追加のモデル積分を要しないため、計算的に効率的であるという事実を活用する。
• 本手法は、局所的アンサンブル変換カルマンフィルタ（LETKF）を用いた準地衡モデルで検証された。
• 観測は疎に配置されており、アルゴリズムは初期同化ウィンドウ中にアンサンブル平均および摂動を補正するためにそれらを用いる。

実験結果

リサーチクエスチョン

• RQ1 コストゼロのスムージングを用いることで、アンサンブルカルマンフィルタのスピンアップ時間を顕著に短縮できるか？
• RQ2 EnKSを用いた「場所で走らせる」技術が、準地衡モデルにおいて最適誤差レベルへの収束を改善するか？
• RQ3 スピンアップ段階にEnKSを適用した際の計算コストは、標準のLETKF初期化と比べてどの程度か？
• RQ4 提案手法を用いた場合、システムはどの程度の速さで最適誤差レベルに収束するか？
• RQ5 スピンアップ完了後、コアのLETKFアルゴリズムを変更せずに本手法を適用できるか？

主な発見

• 提案手法により、LETKFが最適誤差レベルへの収束を急速に達成でき、必要なスピンアップ時間が顕著に短縮された。
• 本手法は、わずかな観測のみでアンサンブルを真のダイナミクスと「場所で走らせる」ことで、高速収束を実現した。
• 計算コストは最小限であり、スピンアップ段階に限定されており、その後は標準のLETKFに切り替わるため、追加コストは発生しない。
• 本手法はアンサンブル平均の安定化を図り、初期同化ステップにおける誤差増大を効果的に抑制した。
• 結果から、EnKSを用いたスピンアップは、フィルタの長期的性能を劣化させることなく収束を加速することが明らかになった。
• 本手法は、特に初期化に時間がかかるシステム（本研究で用いられた準地衡モデルなど）において特に有効であることが示された。