[논문 리뷰] Ensemble filter techniques for intermittent data assimilation - a survey

Colin J. Cotter, Sebastian Reich|arXiv (Cornell University)|2012. 08. 31.

Meteorological Phenomena and Simulations참고 문헌 48인용 수 7

한 줄 요약

이 종합 검토는 간헐적 관측자료 융합을 위한 앙상블 필터 기법에 대한 수학적 기반을 제시하며, 베이지안 추론, 마르코프 과정 및 필터링을 강조한다. 최적 운반 이론, 랜덤 변수의 결합, 앙상블 변환 필터와 같은 고급 기법을 소개하여 비선형 관측자료 융합을 위한 통합된 프레임워크를 제공하며, 지구과학 및 과학 모델링에의 적용을 수반한다.

ABSTRACT

This survey paper is written with the intention of giving a mathematical introduction to filtering techniques for intermittent data assimilation, and to survey some recent advances in the field. The paper is divided into three parts. The first part introduces Bayesian statistics and its application to statistical inference and estimation. Basic aspects of Markov processes, as they typically arise from scientific models in the form of stochastic differential and/or difference equations, are covered in the second part. The third and final part describes the filtering approach to estimation of model states by assimilation of observational data into scientific models. While most of the material is of survey type, very recent advances in the field of nonlinear data assimilation covered in this paper include a discussion of Bayesian inference in the context of optimal transportation and coupling of random variables, as well as a discussion of recent advances in ensemble transform filters. References and sources for further reading material will be listed at the end of each section.

연구 동기 및 목표

• 베이지안 통계의 수학적 소개와 관측자료 융합에의 응용을 제공하기 위해.
• 확률적 미분 또는 차분 방정식을 통한 동역학 시스템 모델링에서 마르코프 과정의 역할을 설명하기 위해.
• 관측 데이터를 융합하여 모델 상태를 추정하는 방법으로서 필터링을 기술하기 위해.
• 최적 운반 이론과 앙상블 변환 필터를 포함한 비선형 관측자료 융합의 최근 발전을 조사하기 위해.
• 고차원, 희박한 데이터 설정에서의 과제와 추정에서 편향과 분산의 상충관계를 부각하기 위해.

제안 방법

• 모델 상태와 관측값을 포함한 모든 변수를 불확실성을 지닌 랜덤 변수로 간주하기 위해 베이지안 확률 이론을 사용한다.
• 베이즈 공식을 적용하여 사전 분포와 우도로부터 사후 분포를 계산하고, 순차적 상태 추정을 가능하게 한다.
• 랜덤 변수의 결합 개념을 활용하여 관측자료 융합을 동역학 시스템의 진화로 해석한다.
• 평균장 근사와 연속시간 필터링 공식을 통해 앙상블 변환 컬만-부시 필터를 도입한다.
• 앙상블 구성원들로부터 조건부 및 주변 확률 밀도 함수를 근사함으로써 앙상블 변환 필터를 유도한다.
• 최적 운반 이론을 활용하여 관측자료 융합을 확률측도 간의 사상으로 재정의함으로써 비선형 업데이트를 가능하게 한다.

실험 결과

연구 질문

• RQ1 동역학 시스템에서 간헐적 관측자료 융합에 대해 베이지안 추론을 체계적으로 적용할 수 있는 방법은 무엇인가?
• RQ2 최적 운반 이론과 랜덤 변수의 결합이 비선형 필터링 향상에 미치는 역할은 무엇인가?
• RQ3 비정규 분포를 다룰 때 앙상블 변환 필터는 표준 앙상블 컬만 필터와 어떻게 다를 수 있는가?
• RQ4 평균장 근사가 앙상블 필터의 정확도와 안정성에 미치는 영향은 무엇인가?
• RQ5 편향-분산 상충관계는 베이지안 기법과 비베이지안 기법 간의 성능에 어떤 영향을 미치는가?

주요 결과

• 앙상블 변환 컬만-부시 필터는 평균장 근사와 최적 운반 원리로부터 유도된 연속시간 공식화로 부상한다.
• 최적 운반 이론은 비선형 관측자료 융합을 위한 기하학적 프레임워크를 제공하며, 사전과 사후 분포 간 정확한 변환을 가능하게 한다.
• 랜덤 변수의 결합은 필터링 단계를 동역학적 해석으로 연결하여 관측자료 융합을 확률과정과 연결한다.
• 가우시안 혼합 근사는 앙상블 구성원들로부터 유도된 가중치가 부여된 가우시안들을 조합하여 비정규 사후 분포를 표현할 수 있다.
• 순차적 몬테카를로 방법은 渐近적으로 편향이 없지만, 작은 앙상블과 고차원 설정에서 높은 분산을 겪는다.
• 가이드드 파티클 필터와 개선된 제안 분포는 비선형 필터링에서 차원의 저주를 완화하는 데 잠재력을 보인다.