[論文レビュー] Performance of Ensemble Kalman filters in large dimensions

Andrew J. Majda, Xin T. Tong|arXiv (Cornell University)|Jun 30, 2016

Meteorological Phenomena and Simulations参考文献 11被引用数 5

ひとこと要約

本稿は、有限なアンサンブルサイズを有する高次元系におけるアンサンブルカルマンフィルタ（EnKF）の最初の厳密な確率的解析を提供し、高次元であっても大きな環境次元とは対照的に、EnKFの性能が低い有効フィルタリング次元に支配されることを示している。ランダム係数を有するカルマンフィルタを分析することにより、著者たちはフィルタ精度および共分散忠実度に関する理論的上限を確立し、小規模なアンサンブルを用いた実用的応用におけるEnKFの経験的成功を説明している。

ABSTRACT

Contemporary data assimilation often involves more than a million prediction variables. Ensemble Kalman filters (EnKF) have been developed by geoscientists. They are successful indispensable tools in science and engineering, because they allow for computationally cheap low ensemble state approximation for extremely large dimensional turbulent dynamical systems. The practical finite ensemble filter like EnKF necessarily involve modifications such as covariance inflation and localization, and it is a genuine mystery why they perform so well with small ensemble sizes in large dimensions. This paper provides the first rigorous stochastic analysis of the accuracy and covariance fidelity of EnKF in the practical regime where the ensemble size is much smaller than the large ambient dimension for EnKFs with random coefficients. A challenging issue overcome here is that EnKF in huge dimensions introduces unavoidable bias and model errors which need to be controlled and estimated.

研究の動機と目的

• 高次元系において小規模なアンサンブルサイズで優れた性能を示すアンサンブルカルマンフィルタ（EnKF）の長年の謎を解明すること。
• 有限なアンサンブルを伴う大規模次元におけるEnKFの精度および共分散忠実度を分析するための厳密な理論的枠組みを構築すること。
• 特にランダム係数を伴う状況において、EnKFが引き起こすバイアスおよびモデル誤差を厳密に定量化すること。
• 共分散インflーションや局所化といった実用的EnKFの改良策が、形式的な誤差解析を通じてどのように誤差低減に寄与するかを特定すること。
• データ同化におけるアンサンブルサイズの選定および拡張戦略に関する理論的指針を確立すること。

提案手法

• 時間変動係数を有する高次元設定におけるランダム係数を有するカルマンフィルタを分析し、システムを時変係数を伴う確率的力学系としてモデル化する。
• 大規模次元におけるEnKF誤差ダイナミクスの安定性および収束性を検討するためのリャプノフ関数アプローチを導入する。
• ランダム行列理論を用いて、アンサンブル共分散行列の挙動および真の共分散への収束性を特徴付ける。
• 最も不確実性が集中する部分空間としての「有効フィルタリング次元」の概念を定義・分析する。
• マハラノビスノルムとしてのフィルタ誤差の上限を導出し、これと有効次元およびアンサンブルサイズの関係を結びつける。
• 拡張されたフィルタ定式化を用いて、実用的EnKFの改良策（共分散インフレーションや局所化）を理論的枠組みに統合する。

実験結果

リサーチクエスチョン

• RQ1 なぜアンサンブルカルマンフィルタは、高次元系において小規模なアンサンブルサイズでも高い精度を達成できるのか？
• RQ2 大規模システムにおけるEnKF性能を決定づける要因として、有効フィルタリング次元が果たす役割は何か？
• RQ3 有限なアンサンブルサイズに起因するバイアスおよびモデル誤差を、EnKFにおいて厳密に定量化・制御することは可能か？
• RQ4 共分散インフレーションや局所化といった実用的EnKFの強化策が、高次元設定においてどの程度誤差低減に寄与するのか？
• RQ5 EnKF応用におけるアンサンブルサイズおよび拡張戦略の選定を指針づける理論的枠組みを構築することは可能か？

主な発見

• EnKFが高次元系で成功する理由は、環境次元が大きくても、不確実性の大部分が集中する低い有効フィルタリング次元が存在するためである。
• フィルタ誤差のマハラノビスノルムは、有効次元の平方根をアンサンブルサイズで割った量に比例する量によって上限づけられ、性能の定量的境界を提供する。
• 本分析により、共分散インフレーションおよび局所化が、アンサンブル共分散の進化を安定化させることでバイアスおよびモデル誤差を低減することが厳密に裏付けられる。
• フィルタ誤差ダイナミクスは、環境次元ではなくランダム係数構造および有効次元によって制御される定常状態に収束する。
• 理論的枠組みにより、システムが一様観測可能性およびスペクトル条件を満たしていれば、EnKF性能はランダム係数の変動に対して頑健であることが示された。
• 本研究は、ランダム行列理論およびリャプノフ安定性に基づいて、EnKFにおけるアンサンブルサイズおよび拡張パrameterの選定に関する最初の理論的指針を提供する。