[논문 리뷰] Using the Kalman-Bucy filter in an ensemble framework

Javier Amezcua, Kayo Ide외 2명|arXiv (Cornell University)|2011. 03. 11.

Meteorological Phenomena and Simulations참고 문헌 33인용 수 4

한 줄 요약

이 논문은 배경 오차 공분산 대 관측 오차 공분산 비율이 높은 조건에서도 안정적으로 작동하고 계산 비용이 낮은, 가짜 시간 기반 미분방정식(OED) 통합을 사용하는 안정적인, 계산적으로 효율적인 앙상블 칼만-부시 필터(EnKBF)를 제안한다. 행렬 역행렬 계산은 대각 관측 오차 공분산에 한해 제외한다. 동역학을 앙상블 공간으로 투영하는 변환 기반 수식을 도입하여, 로렌츠 1963, 로렌츠 1996, SPEEDY 대기열역학모델에서 뛰어난 성능을 보이며, 배경 오차 대 관측 오차 비율이 높은 조건에서도 안정적인 통합이 가능하다.

ABSTRACT

Two recent works have adapted the Kalman-Bucy filter into an ensemble setting. In the first formulation, BR10, the full ensemble is updated in the analysis step as the solution of single set of ODEs in pseudo-BGR09, the ensemble of perturbations is updated by the solution of an ordinary differential equation (ODE) in pseudo-time, while the mean is updated as in the standard KF. In the second formulation, BR10, the full ensemble is updated in the analysis step as the solution of single set of ODEs in pseudo-time. Neither requires matrix inversions except for the frequently diagonal observation error covariance. We analyze the behavior of the ODEs involved in these formulations. We demonstrate that they stiffen for large magnitudes of the ratio of background to observational error covariance, and that using the integration scheme proposed in both BGR09 and BR10 can lead to failure. An integration scheme that is both stable and is not computationally expensive is proposed. We develop transform-based alternatives for these Bucy-type approaches so that the integrations are computed in ensemble space where the variables are weights (of dimension equal to the ensemble size) rather than model variables. Finally, the performance of our ensemble transform Kalman-Bucy implementations is evaluated using three models: the 3-variable Lorenz 1963 model, the 40-variable Lorenz 1996 model, and a medium complexity atmospheric general circulation model (AGCM) known as SPEEDY. The results from all three models are encouraging and warrant further exploration of these assimilation techniques.

연구 동기 및 목표

• 높은 배경 오차 대 관측 오차 비율 조건에서 기존 앙상블 칼만-부시 필터 수식의 불안정성 문제를 해결하기 위해.
• 배경 오차 대 관측 오차 비율이 높은 조건에서 계산 비용이 높은 행렬 역행렬 계산을 피하기 위해 대각 관측 오차 공분산을 활용하기 위해.
• EnKBF 수식에서 발생하는 미분방정식의 수치적 안정성 있는 통합 기법을 개발하기 위해.
• 앙상블 공간에서의 변환을 통해 EnKBF를 재수식하여 계산 비용을 줄이고 수치적 안정성을 향상시키기 위해.
• 저차원 및 고차원 시스템을 포함한 다양한 동역학 모델에서 제안된 EnKBF 변종의 성능을 평가하기 위해.

제안 방법

• 가짜 시간 기반의 단일 미분방정식 세트의 해로 앙상블 분석 단계를 수식화하여 전체 행렬 역행렬 계산을 피한다.
• 강한 조건(stiff conditions)에서 기존 방법이 실패하는 것을 방지하기 위해 안정적이고 효율적인 수정된 통합 기법을 적용한다.
• 모델 변수 대신 가중치를 사용하여 앙상블 공간에서 통합을 수행하는 변환 기반 대안을 도입한다.
• 가짜 시간 기반의 미분방정식을 사용하여 앙상블 평균과 편차를 동시에 업데이트함으로써 칼만-부시 필터 이론과의 일致성을 유지한다.
• 계산 복잡성을 줄이면서도 정확도를 유지하기 위해 대각 관측 오차 공분산 행렬을 사용한다.
• 표준 데이터 통합 평가 지표를 사용하여 로렌츠 1963(3D), 로렌츠 1996(40D), SPEEDY AGCM 세 가지 모델에서 방법을 검증한다.

실험 결과

연구 질문

• RQ1 배경 오차 공분산 대 관측 오차 공분산 비율이 높을 경우, EnKBF 수식에서의 미분방정식은 어떻게 행동하며, 수치적 불안정성의 원인은 무엇인가?
• RQ2 행렬 역행렬 계산에 의존하지 않고도 EnKBF 수식에서 발생하는 미분방정식에 대해 안정적이고 효율적인 통합 기법을 개발할 수 있는가?
• RQ3 가중치를 사용하여 동역학을 앙상블 공간으로 변환하면 계산 효율성과 수치적 안정성은 어떻게 향상되는가?
• RQ4 제안된 EnKBF 변종은 저차원 및 고차원 동역학 시스템에서 어떻게 성능을 발휘하는가?
• RQ5 복잡한 대기 모델을 포함한 다양한 지구물리학적 모델에서 제안된 방법이 정확성과 안정성을 유지할 수 있는가?

주요 결과

• EnKBF 수식에서의 미분방정식은 배경 오차 공분산 대 관측 오차 공분산 비율이 클수록 강한 조건(stiffness)을 띠게 되어, 기존의 표준 통합 기법으로는 통합에 실패한다.
• 제안된 통합 기법은 수치적으로 안정적이며 계산적으로 효율적이며, 행렬 역행렬 계산 없이도 강한 조건의 미분방정식을 성공적으로 처리한다.
• 변환 기반 수식은 앙상블 공간에서 가중치를 사용하여 통합을 수행함으로써 계산 비용을 줄이고 확장성을 향상시킨다.
• 3변수 로렌츠 1963 모델에서 정확한 상태 추정과 안정적인 수렴을 달성하며 뛰어난 성능을 보였다.
• 40변수 로렌츠 1996 모델과 SPEEDY AGCM에서는 EnKBF 변종이 일관되고 신뢰할 수 있는 성능을 보이며, 이 기법의 추가 탐색을 위한 기반을 마련했다.
• 대각 관측 오차 공분산의 사용은 모든 테스트 모델에서 계산 효율성을 유지하면서도 추정 정확도를 손상시키지 않았다.