[논문 리뷰] Exploiting Local Low Dimensionality of the Atmospheric Dynamics for Efficient Ensemble Kalman Filtering

Edward Ott, Brian R. Hunt외 7명|arXiv (Cornell University)|2002. 03. 19.

Meteorological Phenomena and Simulations참고 문헌 37인용 수 28

한 줄 요약

이 논문은 대기 예측 오차의 공간적으로 국소화된 영역에서 낮은 차원의 부분공간 구조를 활용하는 국소적 앙상블 칼만 필터링 방법을 제안한다. 분석 연산을 이러한 낮은 차원의 부분공간에 국한하고 국소적 계산을 수행함으로써, 정확도를 유지하면서도 계산 비용을 줄이고 효율적이며 대량 병렬 처리가 가능한 자료 통합을 가능하게 한다.

ABSTRACT

Recent studies have shown that, when the Earth's surface is divided up into local regions of moderate size, vectors of the forecast uncertainties in such regions tend to lie in a subspace of much lower dimension than that of the full atmospheric state vector. In this paper we show how this finding can be exploited to formulate a potentially accurate and efficient data assimilation technique. The basic idea is that, since the expected forecast errors lie in a locally low dimensional subspace, the analysis resulting from the data assimilation should also lie in this subspace. This implies that operations only on relatively low dimensional matrices are required. The data assimilation analysis is done locally in a manner allowing massively parallel computation to be exploited. The local analyses are then used to construct global states for advancement to the next forecast time. Potential advantages of the method are discussed.

연구 동기 및 목표

• 큰 대기 모델에서 전역 앙성블 칼만 필터링의 높은 계산 비용을 해결하기 위해.
• 국소 영역의 예측 오차가 낮은 차원의 부분공간에 존재한다는 경험적 관찰을 활용하기 위해.
• 분석 연산을 이러한 낮은 차원의 부분공간에만 수행함으로써 효율성을 향상시키는 자료 통합 기법을 개발하기 위해.
• 전역 문제를 국소 분석으로 분해함으로써 대량 병렬 계산을 가능하게 하기 위해.
• 분석 단계에서 행렬 연산의 차원을 크게 줄이면서도 정확도를 유지하기 위해.

제안 방법

• 대기를 중간 크기의 국소 영역으로 나누어 공간적으로 일관된 오차 부분공간을 분리한다.
• 각 국소 영역의 예측 오차 벡터가 전체 상태 차원보다 훨씬 작은 낮은 차원의 부분공간을 형성한다고 가정한다.
• 분석 단계는 이러한 국소적 낮은 차원의 부분공간 내에서만 수행되어 계산 복잡도가 감소한다.
• 국소 분석은 국소 관측치와 국소 오차 공분산 추정치를 사용하여 독립적으로 및 병렬로 계산된다.
• 국소적으로 업데이트된 상태들을 조합하여 전역 분석 상태를 재구성함으로써 영역 간 일관성을 확보한다.
• 모든 분석 업데이트를 국소적으로 식별된 낮은 차원의 오차 부분공간에 투영함으로써 전체 랭크 공분산 연산을 피한다.

실험 결과

연구 질문

• RQ1 국소화된 대기 영역의 예측 오차는 낮은 차원의 부분공간에 효과적으로 표현될 수 있는가?
• RQ2 분석을 국소적 낮은 차원의 부분공간으로 제한할 경우 자료 통합 정확도는 어느 정도 유지될 수 있는가?
• RQ3 분석 연산이 국소적 낮은 차원의 부분공간에 국한될 경우 앙성블 칼만 필터링의 계산 비용은 어떻게 변화하는가?
• RQ4 분석 품질을 손상시키지 않고도 공간 영역 간에 효율적으로 병렬화할 수 있는가?
• RQ5 국소 부분공간 근사가 전역 대기 상태 추정의 총 정확도에 어떤 영향을 미치는가?

주요 결과

• 국소화된 대기 영역에서의 예측 오차는 전체 상태 벡터보다 훨씬 낮은 차원의 부분공간에 항상 존재하는 것으로 확인되었다.
• 제안된 방법은 낮은 차원의 행렬 연산만을 사용하여 정확한 자료 통합을 가능하게 하여 계산 비용을 크게 감소시켰다.
• 국소 분석은 병렬로 계산될 수 있어 대규모 대기 모델에 대해 매우 확장 가능하다.
• 국소 분석에서 재구성된 전역 상태는 실용적인 예측 응용에 충분한 정확도를 유지한다.
• 기존의 전역 앙성블 칼만 필터링에 비해 계산 부담을 크게 줄인 실용적인 대안을 제공한다.
• 오차 구조가 강한 공간적 일관성을 보이는 영역에서 특히 효과적이며, 국소 낮은 차원성의 핵심 가정을 검증한다.