集合转换卡尔曼滤波相关论文
在集合数据同化中,协方差局地化(covariance localization,CL)方法的使用存在限制。集合转换卡尔曼滤波(ensemble transform Kalma......
数据同化是指在模型(大气、地理、天气)驱动的过程中,使用同化方法融合不同来源的部分或者全部的观测信息,将过程模型和观测模型不......
集合同化是近十年得到应用和发展的同化方案，集合转换卡尔曼滤波(ETKF)为其中一种，同时由于ETKF方法的特点，可以方便的应用于适应性观......
为改善GRAPES(Global and Regional Assimilation and Prediation System)区域集合预报初始扰动场的质量，准确刻画中小尺度天气系统......
为改良集合转换卡尔曼滤波方法（Ensemble Transform Kalman Filter, ETKF）在初始扰动中离散度偏小的问题，考虑引入物理不确定性，对比分......
为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使......
集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效......
风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了......
近年来,全球范围内的林火事件时有发生,且发生频率和过火面积成上升的趋势。林火的破坏力极大,大尺度的林火不但导致大规模人员的......
在数据同化中,观测误差是系统不确定性的主要来源之一。为了得到更准确的预报值就需要更准确的当前状态值,而当前状态值依赖于观测......
为了探索协方差局地化(Covariance Localization,CL)方法在集合转换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)同化的适......
