[論文レビュー] An Explicit Probabilistic Derivation of Inflation in a Scalar Ensemble Kalman Filter for Finite Step, Finite Ensemble Convergence

Andrey A. Popov, Adrian Sandu|arXiv (Cornell University)|Mar 29, 2020

Meteorological Phenomena and Simulations参考文献 19被引用数 10

ひとこと要約

本稿は、スカラーEnsemble Kalman Filter（SPEnKF）における分散拡大および平均補正の確率的導出を提示し、有限集合、有限ステップにおける真のKalmanフィルタへの収束を実現するためにこれらの調整が必要であることを示している。最適な拡大を用いることで、SPEnKFの期待平均および分散推定値が有限時間および有限集合サイズにおいて真のKalmanフィルタと正確に一致することを証明しており、ヒューリスティックな拡大手法とは対照的に、原理的かつ合理的な代替手法を提供する。

ABSTRACT

This paper uses a probabilistic approach to analyze the converge of an ensemble Kalman filter solution to an exact Kalman filter solution in the simplest possible setting, the scalar case, as it allows us to build upon a rich literature of scalar probability distributions and non-elementary functions. To this end we introduce the bare-bones Scalar Pedagogical Ensemble Kalman Filter (SPEnKF). We show that in the asymptotic case of ensemble size, the expected value of both the analysis mean and variance estimate of the SPEnKF converges to that of the true Kalman filter, and that the variances of both tend towards zero, at each time moment. We also show that the ensemble converges in probability in the complementary case, when the ensemble is finite, and time is taken to infinity. Moreover, we show that in the finite-ensemble, finite-time case, variance inflation and mean correction can be leveraged to coerce the SPEnKF converge to its scalar Kalman filter counterpart. We then apply this framework to analyze perturbed observations and explain why perturbed observations ensemble Kalman filters underperform their deterministic counterparts.

研究の動機と目的

• 従来の研究が漸近的極限にのみ注目していた有限集合・有限ステップの枠組みにおいて、Ensemble Kalman Filterの収束を厳密に分析すること。
• 分散拡大および平均補正を、ヒューリスティックではなく明示的かつ最適な補正として導出し、SPEnKFの推定値が真のKalmanフィルタと一致することを保証すること。
• 有限集合において、観測値を摂動させるEnKFがなぜ劣化した性能を示すのかを説明すること。
• モデルのダイナミクスに依存せず、時間の経過とともに有限集合のSPEnKFが確率的にKalmanフィルタに収束することを確立すること。
• 最適な拡大および局所化を多次元系へ一般化する基盤を提供すること。

提案手法

• スカラー系に特化した最小限で解析的に取り扱いやすいEnKFの変種、すなわちスカラー教育的Ensemble Kalman Filter（SPEnKF）を導入する。
• 非初等関数および既知のスカラー分布を用いて、SPEnKFの平均および分散推定値の正確な確率分布を導出する。
• モーメント法および最大エントロピー原理を用い、集合統計量と真のKalmanフィルタのモーメントとの関係を確立する。
• 順次的・ステップワイズな分散拡大および平均補正係数を導出し、SPEnKFの期待値がKalmanフィルタの平均および分散と一致するようにする。
• このフレームワークを観測値を摂動させるEnKFの分析に適用し、観測誤差分散の二乗に比例する追加の分散項が導入されることを示す。
• モデル基底変換およびSchur積局所化を用いて多次元ケースに拡張し、過剰なサンプリングの必要性が低下することを示す。

実験結果

リサーチクエスチョン

• RQ1 EnKFにおける分散拡大は、有限集合・有限ステップ収束のための必要不可欠な補正として明示的に導出可能か？
• RQ2 有限時間および有限集合サイズにおいて、SPEnKFが真のKalmanフィルタに収束させる正確な逐次的拡大および平均補正係数は何か？
• RQ3 なぜ有限集合設定において、観測値を摂動させるEnKFsは決定論的EnKFsに劣化するのか？
• RQ4 有限集合のSPEnKFは、漸近的集合サイズが無限でない場合でも、時間の経過とともに確率的にKalmanフィルタに収束するか？
• RQ5 このフレームワークを通じて、Schur積局所化が過剰なサンプリングの必要性を原理的かつ明確に低減させることを示せるか？

主な発見

• 無限集合サイズの極限において、SPEnKFの期待平均および分散推定値は、スカラーKalmanフィルタのそれらと正確に一致し、両方の分散はゼロに収束する。
• 有限集合および有限時間において、最適な逐次的分散拡大および平均補正係数により、SPEnKFの期待平均および分散は、Kalmanフィルタのそれらと正確に一致する。
• 有限集合のSPEnKFは、モデルのダイナミクスに依存せず、時間の経過とともに確率的にKalmanフィルタに収束する。これは弱収束を示している。
• 観測値を摂動させるEnKFsは、観測誤差分散の二乗に比例する追加の分散項を導入するため、有限集合では性能が劣化することが説明できる。
• 多次元系において、Schur積局所化は過剰なサンプリングの必要性を低減させる。これは、局所化が推定値の安定化において拡大と同様の役割を果たす可能性を示唆している。
• 本フレームワークは、拡大がヒューリスティックではなく、有限集合・有限ステップ推定のための必須補正であることを、原理的かつ確率論的根拠で示している。