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, 2023, том 35, номер 3, страницы 93–105
DOI: https://doi.org/10.20948/mm-2023-03-06 (Mi mm4452) 		 
Эта публикация цитируется в 3 научных статьях (всего в 3 статьях)

Численные эксперименты с моделью динамики океана NEMO и усвоением данных наблюдений с дрифтеров ARGO

К. П. Беляевab, А. А. Кулешовa, Ю. Д. Реснянскийc, И. Н. Смирновd, Р. Ю. Фадеевec

a Институт прикладной математики им. М.В. Келдыша РАН
b Институт океанологии им. П.П. Ширшова РАН
c Гидрометеорологический научно-исследовательский центр РФ
d Московский государственный университет им. М.В. Ломоносова
e Институт вычислительной математики им. Г.И. Марчука РАН
PDF полного текста (713 kB) Список цитирования (3)
Список литературы:
PDF
HTML
DOI: https://doi.org/10.20948/mm-2023-03-06
Аннотация: Исследуется пространственно-временная изменчивость характеристик модели циркуляции океана Nucleus for European Modelling of the Ocean (NEMO) с усвоением данных по методу обобщенного фильтра Калмана (Generalized Kalman filter (GKF)), ранее разработанному авторами. Проведены численные эксперименты с глобальной версией модели NEMO на сетке ORCA1 и с использованием нового способа определения ключевых параметров метода GKF. Проведено моделирование на выбранном временном интервале в один месяц пространственно-временной изменчивости характеристик океана по модели NEMO как с применением метода усвоения данных GKF с использованием архива данных наблюдений с дрифтеров Argo на различных горизонтах, так и без усвоения. Проанализированы результаты численных экспериментов.
Ключевые слова: моделирование океана, модель NEMO, усвоение данных наблюдений, обобщенный фильтр Калмана, данные дрифтеров Argo.
Финансовая поддержка Номер гранта
Российский научный фонд 22-11-00053
Работа выполнена при поддержке РНФ, проект № 22-11-00053.
Поступила в редакцию: 08.11.2022
Исправленный вариант: 08.11.2022
Принята в печать: 12.12.2022
Англоязычная версия:
Mathematical Models and Computer Simulations, 2023, Volume 15, Issue 5, Pages 842–849
DOI: https://doi.org/10.1134/S2070048223050022
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: К. П. Беляев, А. А. Кулешов, Ю. Д. Реснянский, И. Н. Смирнов, Р. Ю. Фадеев, “Численные эксперименты с моделью динамики океана NEMO и усвоением данных наблюдений с дрифтеров ARGO”, Матем. моделирование, 35:3 (2023), 93–105; Math. Models Comput. Simul., 15:5 (2023), 842–849
Цитирование в формате AMSBIB
\RBibitem{BelKulRes23}
\by К.~П.~Беляев, А.~А.~Кулешов, Ю.~Д.~Реснянский, И.~Н.~Смирнов, Р.~Ю.~Фадеев
\paper Численные эксперименты с моделью динамики океана NEMO и усвоением данных наблюдений с дрифтеров ARGO
\jour Матем. моделирование
\yr 2023
\vol 35
\issue 3
\pages 93--105
\mathnet{http://mi.mathnet.ru/mm4452}
\crossref{https://doi.org/10.20948/mm-2023-03-06}
\mathscinet{http://mathscinet.ams.org/mathscinet-getitem?mr=4556397}
\transl
\jour Math. Models Comput. Simul.
\yr 2023
\vol 15
\issue 5
\pages 842--849
\crossref{https://doi.org/10.1134/S2070048223050022}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/mm4452
  • https://www.mathnet.ru/rus/mm/v35/i3/p93
    • Эта публикация цитируется в следующих 3 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:200
    PDF полного текста:28
    Список литературы:36
    Первая страница:9
     
      Обратная связь:
    		  Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024