[論文レビュー] Data Assimilation with Model Error from Unresolved Scales

John Harlim|arXiv (Cornell University)|Nov 14, 2013

Meteorological Phenomena and Simulations参考文献 59被引用数 4

ひとこと要約

本論文は、未解決スケールに起因するデータ同調法におけるモデル誤差を扱い、既存の手法を直接的な誤差統計推定のための統計的手法と、誤差統計を暗黙的にモデル化するための確率的パrameterizationに分類する。確率的パrameterizationがこうした誤差を緩和する強固なツールであることを正当化し、より広範な適用性を実現するための非パラメトリック代替手法を提案する。

ABSTRACT

This chapter provides various perspective on an important challenge in data assimilation: model error. While the overall goal is to understand the implication of model error of any type in data assimilation, we emphasize on the effect of model error from unresolved scales. In particular, connection to related subjects under different names in applied mathematics, such as the Mori-Zwanzig formalism and the averaging method, were discussed with the hope that the existing methods can be more accessible and eventually be used appropriately. We will classify existing methods into two groups: the statistical methods for those who directly estimate the low-order model error statistics; and the stochastic parameterizations for those who implicitly estimate all statistics by imposing stochastic models beyond the traditional unbiased white noise Gaussian processes. We will provide theory to justify why stochastic parameterization, as one of the main theme in this book, is an adequate tool for mitigating model error in data assimilation. Finally, we will also discuss challenges in lifting this approach in general applications and provide an alternative nonparametric approach.

研究の動機と目的

• 未解決スケールに起因するモデル誤差がデータ同調法システムに与える影響を分析すること。
• データ同調法の課題を、Mori-Zwanzig形式および平均化法などの既存の数学的枠組みと結びつけること。
• モデル誤差を扱う既存の手法を分類・比較し、統計的推定と確率的パrameterizationの違いを明確にすること。
• データ同調法におけるモデル誤差を低減するための確率的パrameterizationを理論的に正当化すること。
• 現在の確率的パrameterization手法の限界を克服し、一般化性を向上させるための非パラメトリック代替手法を提案すること。

提案手法

• モデル誤差低減手法を2つのカテゴリーに分類する：誤差統計の低次統計を直接推定する統計的手法と、誤差統計を暗黙的にモデル化する確率的パrameterization。
• 未解決スケール効果の数学的構造を明確化するために、Mori-Zwanzig形式および平均化法を適用する。
• 理論的分析を通じて、白色ノイズガウス過程をはるかに超える複雑な誤差ダイナミクスを捉えるために確率的パrameterizationが適切であることを示す。
• パラメトリックな確率的モデルの代替として、実世界の応用におけるより高い柔軟性を実現する非パラメトリックアプローチを提案する。
• 応用数学の知見を統合し、既存の誤差モデル化手法のアクセシビリティと実用的利用を向上させること。

実験結果

リサーチクエスチョン

• RQ1 未解決スケールはどのようにデータ同調法システムにおけるモデル誤差に寄与するか？
• RQ2 未解決スケールに起因するモデル誤差と、Mori-Zwanzig形式や平均化法などの既存の形式的枠組みとの理論的関係は何か？
• RQ3 統計的手法と確率的パrameterizationは、モデル誤差統計の取り扱いにおいてどのような点で異なるか？
• RQ4 なぜ確率的パrameterizationは、データ同調法におけるモデル誤差緩和のための理論的に正当化され、効果的なアプローチであるのか？
• RQ5 現在の確率的パrameterization手法の限界は何か？非パラメトリックアプローチは一般化性をどのように向上させうるか？

主な発見

• 未解決スケールに起因するモデル誤差は、データ同調法の精度に顕著な影響を及ぼし、明示的に取り扱う必要がある。
• Mori-Zwanzig形式および平均化法は、未解決スケール効果を理解するための厳密な数学的基盤を提供する。
• 確率的パrameterizationは、白色ノイズガウス過程をはるかに超える複雑な誤差統計を捉えるために理論的に正当化される。
• 統計的手法は誤差統計の直接推定を可能にするが、高次元または非線形系では頑健性に欠ける可能性がある。
• 提案された非パラメトリックアプローチは、パラメトリックな確率的モデルの柔軟な代替手段を提供し、複雑な応用における一般化性の向上が期待できる。
• 既存の数学的枠組みの統合により、データ同調法における誤差モデル化手法のアクセシビリティと実用的実装が向上する。