[论文解读] Accelerating the spin-up of Ensemble Kalman Filtering

Eugenia Kalnay, Shu-Chih Yang|ArXiv.org|Jun 1, 2008

Meteorological Phenomena and Simulations参考文献 8被引用 5

一句话总结

该论文提出了一种无成本集合卡尔曼平滑器（EnKS）方案，以加速基于集合的卡尔曼滤波器在初始化时间较长的系统中的自旋启动阶段。通过允许模型集合在稀疏观测下‘原地运行’，该方法在准地转模型中应用局部集合变换卡尔曼滤波器（LETKF）时，实现了向最优误差水平的快速收敛，且在自旋启动完成后仅带来极少的额外计算成本。

ABSTRACT

A scheme is proposed to improve the performance of the ensemble-based Kalman Filters during the initial spin-up period. By applying the no-cost ensemble Kalman Smoother, this scheme allows the model solutions for the ensemble to be "running in place" with the true dynamics, provided by a few observations. Results of this scheme are investigated with the Local Ensemble Transform Kalman Filter (LETKF) implemented in a Quasi-geostrophic model, whose original framework requires a very long spin-up time when initialized from a cold start. Results show that it is possible to spin up the LETKF and have a fast convergence to the optimal level of error. The extra computation is only required during the initial spin-up since this scheme resumes to the original LETKF after the "running in place" is achieved.

研究动机与目标

• 减少基于集合的卡尔曼滤波器在冷启动初始化时所需的长时间自旋启动。
• 提高混沌性、低维模型（如准地转系统）中数据同化过程的效率。
• 开发一种在不永久改变标准集合卡尔曼滤波器框架的前提下加速收敛的方法。
• 使模型集合能够利用观测数据‘原地运行’，从而改善初始状态估计。
• 通过仅在初始自旋启动阶段应用增强措施，将计算开销最小化。

提出的方法

• 该方法在数据同化初始阶段应用无成本集合卡尔曼平滑器（EnKS），利用观测数据校正集合状态。
• EnKS 允许集合状态向后调整时间，与真实动力学对齐，从而实现与真实系统‘原地运行’。
• 该方案仅在自旋启动阶段应用，之后系统恢复为标准的 LETKF。
• 该方法利用 EnKS 不需要额外模型积分的事实，从而实现计算高效。
• 该方法在准地转模型中使用局部集合变换卡尔曼滤波器（LETKF）进行了测试。
• 观测稀疏分布，算法利用这些观测在初始同化窗口内校正集合均值和扰动。

实验结果

研究问题

• RQ1 能否通过无成本平滑器显著缩短集合卡尔曼滤波器的自旋启动时间？
• RQ2 在准地转模型中，使用 EnKS 的‘原地运行’技术是否能改善收敛至最优误差水平？
• RQ3 与标准 LETKF 初始化相比，应用 EnKS 进行自旋启动的计算成本如何？
• RQ4 在使用该方案时，系统收敛至最优误差水平的速度有多快？
• RQ5 该方法是否可在自旋启动完成后无需修改核心 LETKF 算法的情况下应用？

主要发现

• 所提出的方案使 LETKF 迅速收敛至最优误差水平，显著减少了所需的自旋启动时间。
• 该方法通过仅使用少量观测，使集合能够‘原地运行’于真实动力学，从而实现快速收敛。
• 计算成本极低，且仅限于初始自旋启动阶段，因为该方法在之后会恢复为标准 LETKF。
• 该方案有效稳定了集合均值，并在早期同化步骤中减少了误差增长。
• 结果表明，基于 EnKS 的自旋启动可加速收敛，且不会损害滤波器的长期性能。
• 该方法在初始化时间较长的系统（如本研究中使用的准地转模型）中尤为有效。