基于mm5模式的遗传算法四维变分同化系统的开发与应用.研究

《基于mm5模式的遗传算法四维变分同化系统的开发与应用.研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1．1研究背景第一章绪论数值天气预报(NumericalWeatherPrediction)是以经过分析和初始化的某时刻气象观测资料为初值，在电子计算机上用数值方法求解大气动力学和热力学方程组所做出的天气预报。它已经成为天气预报中一种必不可少的预报方法。制作精确的数值预报结果不仅要求模式能够逼真地反应大气运动规律，还要求模式的初始条件能精确地反映初始时刻的大气状态。对一个数值预报模式来说，初始条件的确定是重要且复杂的问题，其本身就已经发展成为一门学科⋯。推动大气资料同化的研究发展主要有以下两个原因：首先是其内在原因，即数值预报对其初始条件的极端敏感性。初始分析中的微小误差可能

2、在积分求解数值模式一段时间后增长，从而使得预报结果与实际情况相差甚远。因此，提高预报准确度的关键在于能否对大气状态做出准确的分析。此外，对大气状态的精确分析不仅对于预报而言至关重要，而且在研究天气、气候以及检验人气理论模型方面也具有重要意义。其次，观测技术的进步提供了大量随时空分布较为连续、种类各异的实时资料以供分析之用，电子计算机的发展也为此提供了便利，二者从外在条件上推动着气象资料同化的发展。18世纪，只有地面测站的资料用于主观的手工分析；如今，观测系统发展迅速，地面观测、无线电探空、气球探空等常规观测手段和雷达、卫星等非常规观测技术一同应用，提供了种类繁多且数量丰富的资

3、料，但这些资料如何才能有效运用也成为气象学者们目前所关注的问题之一。1．2资料同化方法1．2．1资料同化中的基本概念资料同化是一种分析技术，它通过利用时间演进和物理性质这些规律的一致性约束把观测信息转化成模式状态。Lorenc‘z]对资料同化做过如下定义：资料同化是寻找与观测最一致的能够代表大气的模式值。由于观测资料通常不足以确定未知的初始条件，即该问题具有不适定性，所以要引进初值(FirstGuess，又称背景场BackgroundField)这一概念。它是指在使用观测资料前对大气状态的最佳估计。1．2．2资料同化方法资料同化可分为两大类基本方法：按时间顺序同化(Seque

4、ntialAssimilation)和不按时间顺序同化(Non-sequential，orretrospectiveassimilation)．前者只考虑分析时刻前的观测，后者则会用剑末来时刻的观测。另一种分类则根据时间上的不同分为间歇资科同化(Intermittent)和连续资料同化(continuous)。前者是把观测资料进行分批处理，在技术上比较易于实现。后者则是把K时间段的观测资料进行一批处理．使得对分析场的订正在时间上更平滑，从物理角度来看更接近实际情况"’。目前，被广泛应用的气象资料同化方法主要有最优插值法(optimumInterpolationMethod)、

5、变分法(VariationalMethod)和卡尔曼滤波(KalmanFi1ter)．6andin在1963年H1推导出多元最优插值方程，并把它应用于客观分析。Gandin的f作对学术界和业务届有着意义深远的影响。该方法被选为20世纪八九十年代的业务分析方案。这种方法要求各气象要素分析场在统计意义下的均方根误筹最小，它有着明显的优越性，一方面考虑了观测资料空间分布不均的情况以及不同观测类型资料的误差水平，另一方面观测值的权重主要取决于观测量之间的关系，而不是观测点的空间分布，在统计理论上更为合理。但通过最优插值法得到的分析场可能过于平滑．会对中小尺度系统产生抑制作用嘲．Sas

6、aki阳1首先将变分法引入客观分析，并对其作了一系列的理论研究和实际论证，推导出了强、弱约束条件下的变分公式。三维变分定义为一个目标泛函，它与分析值和背景值以及分析值和观测值之间的距离平方成反比。三维变分统一考虑了动力约束和资料约束，其目的是使分析场与观测场的偏差最小。Lorenc啦!的基本最优线性估计理论证明了最优插值与三维变分的等价性，但是变分同化更能体现复杂的非线性约束关系，可在目标函数中包含物理过程，并以模式本身作为动力约束，因而变分同化结果具有物理一致性和动力协调性。但三维变分只在一个时刻对在该时刻或邻近时刻的观测资料进行同化，在时间维上不能保证最优。四维变分是三维

7、变分在时间维的拓展，利用模式作为约束，在一段时间内，寻找模式状态的最佳轨迹，从而使得各个变量更加协调。20世纪60年代初期，Kalman吲针对随机过程状态估计提出了Kalman滤波的思想。602年代中期，Jones首次将Kalman滤波引入到气象学。60年代末到70年代初，Epstein提出“随机动态预报”，Petersen提出“最优顺序分析”进一步将Kalman滤波应用到气象学领域。之后，纽约火学Courant研究所的一个研究小组(Ghil等)开始致力于在气象数据同化中运用Kalman滤波的研究并取得