[论文解读] A discrete data assimilation scheme for the solutions of the 2D Navier-Stokes equations and their statistics

Ciprian Foiaş, Cecilia F. Mondaini+1 more|arXiv (Cornell University)|Feb 18, 2016

Meteorological Phenomena and Simulations参考文献 27被引用 17

一句话总结

本文提出了一种针对二维纳维-斯托克斯方程的离散数据同化方案，通过基于变分反馈控制的方法整合带有噪声的时间离散测量值。在调整参数、网格尺寸和时间步长满足特定条件时，该方案建立了近似解到真实解的指数收敛性，其误差上限与测量误差相关。

ABSTRACT

We adapt a previously introduced continuous in time data assimilation (downscaling) algorithm for the 2D Navier-Stokes equations to the more realistic case when the measurements are obtained discretely in time and may be contaminated by systematic errors. Our algorithm is designed to work with a general class of observables, such as low Fourier modes and local spatial averages over finite volume elements. Under suitable conditions on the relaxation (nudging) parameter, the spatial mesh resolution and the time step between successive measurements, we obtain an asymptotic in time estimate of the difference between the approximating solution and the unknown reference solution corresponding to the measurements, in an appropriate norm, which shows exponential convergence up to a term which depends on the size of the errors. A stationary statistical analysis of our discrete data assimilation algorithm is also provided.

研究动机与目标

• 开发一种基于离散时间、含误差测量值的二维纳维-斯托克斯方程实用数据同化方案。
• 将连续时间的变分反馈算法扩展至具有观测误差的现实离散时间设置。
• 在一般插值算子下分析近似解向真实解的收敛性。
• 提供离散数据同化算法的平稳统计分析，包括不变测度收敛性。
• 以测量误差、网格分辨率和时间步长为变量，量化解近似中的误差。

提出的方法

• 在纳维-斯托克斯方程中引入反馈控制（变分反馈）项，使近似解的粗尺度向参考解的粗尺度靠拢。
• 通过插值算子 $ I_h $ 整合离散测量值，该算子基于有限体积单元上的局部空间平均定义。
• 将测量误差建模为有界向量 $ \varepsilon_{n,j} $，满足 $ |\varepsilon_{n,j}| \leq \varepsilon $，并分析其对解误差的影响。
• 采用速度场的有限维投影，使用基函数 $ \psi_j $，其中 $ I_h(\varphi) = \sum \overline{\varphi}_j \psi_j $，且 $ \overline{\varphi}_j $ 为局部平均值。
• 利用能量估计与插值性质，推导出真实解与近似解之间差值在 $ L^2 $ 与 $ H^1 $ 范数下的误差估计。
• 在松弛参数 $ \beta $、网格尺寸 $ h $ 与时间步长 $ \Delta t $ 满足特定条件时，建立收敛结果，确保指数收敛性，其误差上限与 $ \varepsilon / h $ 成正比。

实验结果

研究问题

• RQ1 具有噪声测量值的离散时间数据同化方案能否实现对二维纳维-斯托克斯方程真实解的指数收敛？
• RQ2 测量误差与时间离散化如何影响基于变分反馈的数据同化框架中近似解的精度？
• RQ3 在何种参数条件下（如变分反馈参数、网格尺寸与时间步长）可确保离散同化方案的稳定性和收敛性？
• RQ4 该离散数据同化方案是否能保持真实系统的统计特性，如不变测度？
• RQ5 解近似中的误差能否以测量误差与空间分辨率的形式进行有界控制？

主要发现

• 近似解在 $ H^1 $ 范数下呈指数收敛至真实解，其误差上限与 $ \varepsilon / h $ 成正比，其中 $ \varepsilon $ 为最大测量误差，$ h $ 为网格尺寸。
• 在 $ L^2 $ 范数下的误差界为 $ |\eta_n|_{L^2} \leq \varepsilon |\Omega|^{1/2} $，在 $ H^1 $ 范数下为 $ \|\eta_n\|_{H^1} \leq c \frac{\varepsilon}{h} |\Omega|^{1/2} $，其中 $ c = C_0(2C_1)^{1/2} $。
• 当松弛参数 $ \beta $、网格尺寸 $ h $ 与时间步长 $ \Delta t $ 满足由能量估计导出的特定条件时，可实现指数收敛。
• 平稳统计分析表明，在适当条件下，离散同化方案的不变测度收敛至真实系统的不变测度。
• 该方案对测量中的系统性误差具有鲁棒性，并适用于一般插值算子，包括低傅里叶模态与局部空间平均。
• 通过基于局部平均与分段常数基函数构造的一致性插值算子 $ I_h $，验证了理论误差界的有效性。