Математическое моделирование
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Матем. моделирование:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Математическое моделирование, 2018, том 30, номер 12, страницы 39–54 (Mi mm4025)  

Эта публикация цитируется в 10 научных статьях (всего в 10 статьях)

Сравнение методов усвоения данных в гидродинамических моделях циркуляции океана

К. П. Беляевab, А. А. Кулешовa, И. Н. Смирновc, К. А. С. Танажураd

a Институт прикладной математики им. М.В. Келдыша РАН, Москва
b Институт океанологии им. П.П. Ширшова РАН, Москва
c Московский государственный университет им. М.В. Ломоносова, Москва
d Федеральный университет штата Байия, г. Сальвадор, Бразилия
Список литературы:
Аннотация: Представлены результаты сравнения двух различных методов усвоения данных наблюдений, а именно предложенного ранее авторами метода обобщенной фильтрации Калмана (GKF) и стандартного метода объективной ансамблевой интерполяции (EnOI), который является частным случаем метода ансамблевой фильтрации Калмана (EnKF). Методы сравниваются по различным критериям, в частности, по критерию минимума ошибки прогнозирования и по критерию минимума апостериорной ошибки на заданном временном интервале. В качестве наблюдаемых данных используется массив спутниковых измерений уровня океана (альтиметрии) Archiving, Validating and Interpolating Satellite Oceanography Data (AVISO), а в качестве базовой численной модели циркуляции океана — модель Hybrid Circulation Ocean Model (HYCOM). Показывается, что метод GKF имеет ряд преимуществ перед методом EnOI. Также анализируются результаты численных экспериментов с усвоением данных AVISO по рассматриваемым методам, их результаты сопоставляются с контрольным расчетом (без усвоения данных наблюдений) по модели HYCOM. Результаты расчетов также сравниваются с данными наблюдений, и делается вывод о пригодности исследуемых методов усвоения для прикладных расчетов по прогнозированию состояния океана.
Ключевые слова: моделирование динамики океана, усвоение данных наблюдений, обобщенный фильтр Калмана, ансамблевая интерполяция, спутниковые данные альтиметрии.
Финансовая поддержка Номер гранта
Российский научный фонд 14-11-00434
Исследование выполнено при поддержке РНФ, проект №14-11-00434.
Поступила в редакцию: 12.02.2018
Англоязычная версия:
Mathematical Models and Computer Simulations, 2019, Volume 11, Issue 4, Pages 564–574
DOI: https://doi.org/10.1134/S2070048219040045
Тип публикации: Статья
Образец цитирования: К. П. Беляев, А. А. Кулешов, И. Н. Смирнов, К. А. С. Танажура, “Сравнение методов усвоения данных в гидродинамических моделях циркуляции океана”, Матем. моделирование, 30:12 (2018), 39–54; Math. Models Comput. Simul., 11:4 (2019), 564–574
Цитирование в формате AMSBIB
\RBibitem{BelKulSmi18}
\by К.~П.~Беляев, А.~А.~Кулешов, И.~Н.~Смирнов, К.~А.~С.~Танажура
\paper Сравнение методов усвоения данных в гидродинамических моделях циркуляции океана
\jour Матем. моделирование
\yr 2018
\vol 30
\issue 12
\pages 39--54
\mathnet{http://mi.mathnet.ru/mm4025}
\transl
\jour Math. Models Comput. Simul.
\yr 2019
\vol 11
\issue 4
\pages 564--574
\crossref{https://doi.org/10.1134/S2070048219040045}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/mm4025
  • https://www.mathnet.ru/rus/mm/v30/i12/p39
  • Эта публикация цитируется в следующих 10 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Математическое моделирование
    Статистика просмотров:
    Страница аннотации:273
    PDF полного текста:66
    Список литературы:36
    Первая страница:4
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024