[논문 리뷰] Accelerating the spin-up of Ensemble Kalman Filtering

Eugenia Kalnay, Shu-Chih Yang|ArXiv.org|2008. 06. 01.

Meteorological Phenomena and Simulations참고 문헌 8인용 수 5

한 줄 요약

이 논문은 긴 초기화 시간을 가지는 시스템에서, 특히 쿼드라틱 기수적 모델에 적용된 국소적 엔semble 변환 칼만 필터(LETKF)의 스피너업 단계를 가속화하기 위해 비용이 들지 않는 엔셈블 칼만 스무서(EnKS) 기법을 제안한다. 희소 관측치를 이용해 모델 엔셈블이 '자리에서 돌게' 함으로써, 스피너업이 완료된 후 추가적인 계산 비용이 거의 들지 않게 되어, 최적의 오차 수준에 빠르게 수렴한다.

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.

연구 동기 및 목표

• 냉기 상태에서 초기화될 때 요구되는 장기적인 스피너업 시간을 줄이기 위해.
• 혼돈적이고 저차원적인 모델, 예를 들어 쿼드라틱 기수적 시스템과 같은 데이터 통합의 효율성을 향상시키기 위해.
• 표준 엔셈블 칼만 필터 프레임워크를 영구적으로 변경하지 않고 수렴 속도를 가속화하는 방법을 개발하기 위해.
• 관측치를 이용해 모델 엔셈블이 '자리에서 돌게' 하여 초기 상태 추정을 향상시키기 위해.
• 스피너업 단계 동안에만 개선 사항을 적용함으로써 계산 오버헤드를 최소화하기 위해.

제안 방법

• 데이터 통합의 初기 단계에서 비용이 들지 않는 엔셈블 칼만 스무서(EnKS)를 적용하여 관측치를 이용해 엔셈블 상태를 보정한다.
• EnKS는 엔셈블을 과거로 거슬러가며 관측된 역학과 일치하도록 조정할 수 있게 하여, 진짜 시스템과 함께 '자리에서 돌게' 하는 효과를 낸다.
• 이 방법은 스피너업 단계 동안에만 적용되며, 이후 시스템은 표준 LETKF로 복귀한다.
• EnKS는 추가적인 모델 통합이 필요로 하지 않기 때문에 계산적으로 효율적이라는 점을 활용한다.
• 이 방법은 국소적 엔셈블 변환 칼만 필터(LETKF)를 사용한 쿼드라틱 기수적 모델에서 테스트되었다.
• 관측치는 희소하게 분포되어 있으며, 알고리즘은 초기 통합 윈도우 동안 엔셈블 평균과 변동성을 보정하는 데에 이를 사용한다.

실험 결과

연구 질문

• RQ1 비용이 들지 않는 스무서를 사용하면 엔셈블 칼만 필터의 스피너업 시간을 크게 줄일 수 있는가?
• RQ2 EnKS를 이용한 '자리에서 돌게 하기' 기법이 쿼드라틱 기수적 모델에서 최적의 오차 수준에 수렴하는 데에 효과적인가?
• RQ3 스피너업 기간 동안 EnKS를 적용하는 데 드는 계산 비용은 표준 LETKF 초기화 방식과 비교해 얼마나 되는가?
• RQ4 제안된 기법을 사용할 경우, 체계는 얼마나 빨리 최적의 오차 수준에 수렴하는가?
• RQ5 스피너업이 완료된 후에도 핵심 LETKF 알고리즘을 수정하지 않고 이 방법을 적용할 수 있는가?

주요 결과

• 제안된 기법은 LETKF가 최적의 오차 수준에 매우 빠르게 수렴하도록 하여, 필수적인 스피너업 시간을 크게 줄였다.
• 이 방법은 몇 개의 관측치만으로도 엔셈블이 진짜 역학과 함께 '자리에서 돌게' 하여 매우 빠른 수렴을 달성한다.
• 계산 비용은 매우 낮으며, 이는 스피너업 단계 이후에 표준 LETKF로 복귀하기 때문에 초기 스피너업 단계에 국한된다.
• 이 기법은 초기 통합 단계에서 엔셈블 평균을 효과적으로 안정화시키고 오차 증식을 줄이는 데에 효과적이다.
• 결과적으로 EnKS 기반의 스피너업은 장기적인 성능을 떨어뜨리지 않으면서도 수렴 속도를 가속화한다.
• 이 방법은 특히 초기화 시간이 긴 시스템, 예를 들어 본 연구에서 사용된 쿼드라틱 기수적 모델과 같은 데서 매우 효과적이다.