论文部分内容阅读
有条件的非线性的最佳的不安(CNOP ) 是在非线性的政体的线性单个向量技术的延期。它代表受到给定的物理限制的起始的不安,并且在预言时间导致最大的非线性的进化。CNOP 类型错误在天气和气候的可预测性起一个重要作用。通常,当在一个复杂数字模型计算 CNOP 时,我们关于起始的不安需要客观功能的坡度为寻找阶段空间提供降下方向。伴随技术广泛地被用来计算客观功能的坡度。然而,构造一个复杂数字模型的伴随模型困难、拖累,它在 CNOP 的申请上强加限制。基于以前的研究,这研究基于单个向量分解(SVD ) 建议一个新