跳至內容

數據同化

維基百科,自由的百科全書

數據同化,或稱資料同化,是通過數學模型擬合觀測數據的一種漸進方式,通常用於複雜系統的建模和動態預測。這類系統通常具有複雜的數學模型自由度有時達到,且因為觀測數據體量龐大,使得對全體觀測進行靜態擬合成為不可能。

「分析-預報」循環

數據同化過程主要為兩個步驟的循環。第一步可以稱為分析,其中實際系統的觀測量與模型產生的預報值相比較/融合,得到系統現在狀態的最佳估計。在第二步,根據觀測數據和模型兩者包含的不確定度性信息,平衡二者得到關於未來系統狀態的預報值(具體時間點由下一批觀測值給出)。這就完成了一個分析-預報循環。

數據同化與卡爾曼濾波器

可以用卡爾曼濾波器來比喻數據同化過程。其中「分析」步驟類似於觀測值與它的預估值的作差;預報步驟則相當於系統狀態的最優估計。數據同化通常與最優控制過程之不同在於其自由度數量龐大,根本無法得到其協方差矩陣。數據同化常用於涉及大規模時效性數據處理的過程,如現代天氣預報


相關條目