论文部分内容阅读
经典变分反演法是基于观测误差服从高斯分布的假定,对偏离均值较大的离群值较敏感。当实际观测数据包含离群值观测误差呈现非高斯分布时,如果采用经典反演法进行变分反演就会产生大的偏差,甚至导致变分反演的失败。使用经典变分反演法首先需要进行质量控制,剔除所谓的离群值,但有相当部分的离群值包含了一些亮点,如天气现象。如果对其“视而不见”,则对很多重要的信息就无法把握。基于此,研究采用稳健变分反演的思想同化这些离群值,主要思想是把M-估计法(L2、Huber、Fair和Cauchy一估计)的权重函数耦合到经典变分反演中