[논문 리뷰] 4DVAR by ensemble Kalman smoother

Jan Mandel, Elhoucine Bergou외 1명|arXiv (Cornell University)|2013. 04. 18.

Meteorological Phenomena and Simulations참고 문헌 50인용 수 10

한 줄 요약

이 논문은 4DVAR에서 탄성선형 모델과 수반 모델이 필요 없이, 가우스-뉴턴 프레임워크 내에서 앙상블 칼만 스무스러(EnKS)를 선형 최소제곱 해법으로 사용하는 새로운 4DVAR 방법인 EnKS-4DVAR를 제안한다. Tikhonov 정규화를 추가 관측을 통해 구현함으로써 수렴 안정성이 향상되고, Levenberg-Marquardt 알고리즘을 통해 전역 수렴이 가능해지며, 로렌츠-96 모델을 포함한 비선형 문제에서 뛰어난 성능을 보인다.

ABSTRACT

We propose to use the ensemble Kalman smoother (EnKS) as linear least squares solver in the Gauss-Newton method for the large nonlinear least squares in incremental 4DVAR. The ensemble approach is naturally parallel over the ensemble members and no tangent or adjoint operators are needed. Further, adding a regularization term results in replacing the Gauss-Newton method, which may diverge, by^M the Levenberg-Marquardt method, which is known to be convergent. The regularization is implemented efficiently as an additional observation in the EnKS.

연구 동기 및 목표

• 계산 비용이 큰 탄성선형 모델과 수반 모델이 필요 없는 4DVAR 방법을 개발하는 것.
• Tikhonov 정규화를 도입하여 비선형 4DVAR의 가우스-뉴턴 방법의 안정성을 높이는 것.
• 이 정규화를 통해 Levenberg-Marquardt 방법을 활용해 비선형 4DVAR 문제에서의 수렴을 보장하는 것.
• 대규모 변분 자료 융합 문제의 효율적이고 병렬 처리 가능한 해법으로 앙상블 방법을 활용하는 것.
• 로렌츠-96 모델과 같은 혼돈 시스템에서 이 방법의 효과성을 입증하는 것.

제안 방법

• 증분형 4DVAR의 가우스-뉴턴 반복 내에서 EnKS를 선형 최소제곱 해법으로 사용한다.
• 앙상블 시뮬레이션에서의 유한차분을 이용해 탄성선형 모델과 수반 모델이 필요 없도록 한다.
• Tikhonov 정규화는 EnKS 프레임워크 내에서 추가 관측으로 구현되어 안정성과 수렴성을 보장한다.
• 정규화 파rameter γ를 추가함으로써 가우스-뉴턴 방법을 Levenberg-Marquardt 방법으로 대체한다.
• 시간에 따른 복합 상태를 단일 큰 상태로 간주하여 앙성 칼만 스무스러의 사용이 가능해진다.
• 수반 코드가 필요 없이 앙상블 기반 공분산 추정을 사용하여 구현된다.

실험 결과

연구 질문

• RQ1 탄성선형 모델과 수반 모델이 없이 앙성 칼만 스무스러이 4DVAR의 선형 해법으로 효과적으로 사용될 수 있는가?
• RQ2 추가 관측을 통한 Tikhonov 정규화가 4DVAR에서 가우스-뉴턴 방법의 안정성을 높이는가?
• RQ3 이 정규화로 가능해지는 Levenberg-Marquardt 방법이 비선형 4DVAR 문제에서 수렴을 보장하는가?
• RQ4 EnKS-4DVAR는 로렌츠-96 모델과 같은 강한 비선형성과 혼돈성을 띤 시스템에서 어떻게 성능을 발휘하는가?
• RQ5 적은 반복 횟수와 낮은 앙상블 크기로도 수렴을 달성할 수 있는가?

주요 결과

• EnKS-4DVAR 방법은 탄성선형 모델과 수반 모델이 없이도 비선형 4DVAR 문제를 성공적으로 해결한다.
• 학술적 사례에서 γ=0일 경우 가우스-뉴턴 방법은 수렴하지 못했지만, γ=200일 경우 국소 최솟값으로 수렴하였다.
• 로렌츠-96 모델의 경우, 표 1에 나타나 있듯이 다섯 번 이내에 수렴하였다.
• 후행 평균과 진짜 상태 간의 제곱근 평균 제곱오차(RMSE)는 앙상블 근사와 모델 오차 덕분에 유한하게 유지되었다.
• 로렌츠-96 시스템의 50사이클 트윈 실험에서 이 방법은 시간이 지남에 따라 안정적인 성능을 보이며 강건성을 입증하였다.
• 정규화 항은 EnKS 내에서 추가 관측으로 효율적으로 구현되어 계산 효율성이 유지되었다.