[论文解读] 4DVAR by ensemble Kalman smoother

Jan Mandel, Elhoucine Bergou+1 more|arXiv (Cornell University)|Apr 18, 2013

Meteorological Phenomena and Simulations参考文献 50被引用 10

一句话总结

该论文提出了一种名为EnKS-4DVAR的新颖4DVAR方法，该方法在高斯-牛顿框架内使用集合卡尔曼平滑器（EnKS）作为线性最小二乘求解器，从而无需使用切线线性模型和伴随模型。通过引入额外观测实现Tikhonov正则化，该方法稳定了收敛性，并借助Levenberg-Marquardt算法实现全局收敛，展示了在非线性问题（包括Lorenz-96模型）中的鲁棒性能。

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.

研究动机与目标

• 开发一种避免计算昂贵的切线线性算子和伴随算子的4DVAR方法。
• 通过引入Tikhonov正则化，稳定非线性4DVAR中的高斯-牛顿方法。
• 通过Levenberg-Marquardt方法确保非线性4DVAR问题的收敛性。
• 利用集合方法高效求解大规模变分数据同化问题，并支持并行计算。
• 在混沌系统（如Lorenz-96模型）上展示该方法的有效性。

提出的方法

• 在增量4DVAR的高斯-牛顿迭代中，使用EnKS作为线性最小二乘求解器。
• 通过集合模拟中的有限差分替代切线线性模型和伴随模型的需求。
• 在EnKS框架中通过额外观测实现Tikhonov正则化，确保稳定性和收敛性。
• 通过引入正则化参数γ，将高斯-牛顿方法替换为Levenberg-Marquardt方法。
• 将时间上的复合状态视为单一大规模状态，从而可使用集合卡尔曼平滑器。
• 采用基于集合的协方差估计实现该方法，无需伴随代码。

实验结果

研究问题

• RQ1 在不使用切线线性或伴随模型的情况下，集合卡尔曼平滑器能否在4DVAR中有效用作线性求解器？
• RQ2 通过额外观测实现的Tikhonov正则化是否能稳定4DVAR中的高斯-牛顿方法？
• RQ3 由该正则化支持的Levenberg-Marquardt方法能否确保非线性4DVAR问题的收敛性？
• RQ4 EnKS-4DVAR在强非线性和混沌系统（如Lorenz-96模型）上的表现如何？
• RQ5 该方法是否能在较少迭代次数和较小集合规模下实现收敛？

主要发现

• EnKS-4DVAR方法成功求解了非线性4DVAR问题，且无需使用切线线性或伴随模型。
• 在学术算例中，当γ=0时，高斯-牛顿方法未能收敛，但当γ=200时收敛至局部最小值。
• 对于Lorenz-96模型，该方法在五次迭代内实现收敛，如表1所示。
• 后验均值与真实状态之间的均方根误差（RMSE）因集合近似和模型误差而保持有界。
• 在Lorenz-96系统50个周期的孪生实验中，该方法表现出鲁棒性，时间上性能稳定。
• 正则化项通过在EnKS中作为额外观测高效实现，同时保持计算效率。