基于貝葉斯MCMC方法的資料同化技術研究

作者：曹小群,宋君強,劉柏年,冷洪澤,馬爍,張衛民

摘要：在貝葉斯理論框架下,提出基于馬爾科夫鏈蒙特卡羅(MCMC)算法估計非線性模型初始狀態和模式誤差概率密度分布的一種新方法。首先利用貝葉斯方法,導出了非線性動力系統中未知初始狀態和模式誤差分布規律的后驗概率密度函數(PDF),將每個參數的后驗邊緣PDF的數學期望當作未知參數估計值。其次采用自適應Metropolis算法以后驗PDF分布為極限不變分布來構造Markov鏈,即對未知參數進行重要性抽樣,并利用收斂后的樣本序列計算數學期望,從而得到初始狀態和模式誤差的估計值。然后利用初始狀態和模式誤差樣本序列定量計算了未知參數的一維后驗分布和相互之間的二維后驗分布,后者定量描述了初始狀態和模式誤差之間的相關關系。最后通過數值試驗結果說明該方法能有效地估計非線性動力系統的初始條件,具有較好的同化效果。

發文機構：國防科技大學氣象海洋學院

關鍵詞：非線性模型資料同化馬爾科夫鏈蒙特卡羅方法模式誤差

分類號： P4[天文地球—大氣科學及氣象學]