典型文献
集合调整卡尔曼滤波方法在M2分潮数值模拟中的水深估计研究
文献摘要：
数据同化利用观测信息对模型状态场调整的同时也可以对数值模型中的不确定参数进行估计,从而改进数值模型,提高数值模拟的精度.本文基于集合调整卡尔曼滤波方法,采用广义坐标系统的美国普林斯顿大学海洋模式的外模式开展了渤海和部分黄海海域M2分潮模拟中的水深估计研究.理想数据同化试验结果表明,集合调整卡尔曼滤波方法能很好地降低模式模拟的水位误差并反演出"真实"的水深参数.而在NAO.99Jb和验潮站数据的实际数据同化试验中,与验潮站数据相比较,水深参数估计后,模式模拟的M2分潮振幅与迟角误差分别降低了40.27％和49.19％.
文献关键词：
数据同化;集合调整卡尔曼滤波;数值模拟;渤海;黄海;M2分潮;水深估计
中图分类号：
作者姓名：
武浩文;赵艳玲;韩桂军;李威;曹力戈;武晓博;李超亮;李云东;周功赋
作者机构：
天津大学 海洋科学与技术学院,天津 300072;中国人民解放军31010部队,北京 100081
文献出处：
引用格式：
[1]武浩文;赵艳玲;韩桂军;李威;曹力戈;武晓博;李超亮;李云东;周功赋-.集合调整卡尔曼滤波方法在M2分潮数值模拟中的水深估计研究)[J].海洋学报（中文版）,2022(06):10-21
A类：
集合调整卡尔曼滤波,水深估计,99Jb
B类：
滤波方法,M2,分潮,数据同化,观测信息,数值模型,不确定参数,广义坐标,坐标系统,美国普林斯顿大学,学海,渤海,黄海海域,演出,NAO,验潮站,实际数据,参数估计
AB值：
0.226478
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
