해양 데이터 동화를 위한 근사 카이만 필터: 이상화된 걸프 스트림 모델의 예

대규모 비선형 해양 일반 순환 모델에 사용하기 위한 데이터 동화의 실용적인 방법이 탐구된다. 상태 오차 공분산 행렬의 근사를 기반으로 한 카이만 필터가 제시되며, 효과적인 모델 차원의 축소, 오차의 비대칭 정밀 상태 한계, 오차 통합을 위한 동적 모델의 시간 불변 선형화가 적용된다. 이러한 근사는 대규모 복잡한 시스템에 추정 이론을 적용할 때 놀라운 계산 절약을 가져온다. 우리는 이상화된 걸프 스트림의 쌍둥이 실험을 사용하여 다양한 측정 유형을 동화하는 데 있어 근사 필터의 유용성을 조사한다. 170,000개 이상의 요소를 초과하는 상태 차원을 가진 불안정한 동서 제트의 비선형 원시 방정식 모델이 연구된다. 국지적인 배열과 위성 고도계 및 음향 톰그래피 관측의 현실적인 분포에서 속도, 밀도 및 체적 수송을 포함한 다양한 가짜 측정의 동화가 검토된다. 결과는 추정의 정확도에 미치는 영향을 기준으로 비교된다. 근사 필터는 이전 연구에서 사용된 경험적 누징 방식보다 우수한 성능을 보여준다. 이 예시들은 일반 순환 모델에 대해 실용적인 방법으로 유용한 근사 추정 오차를 계산할 수 있음을 보여준다.