进化计算类智能算法在数据同化误差处理中的应用研究

The reasons of filter divergence for Kalman filter based sequential data assimilation methods will be discussed using the stability, controllability and observability definitions of control theory. We will try to reveal the mathematical mechanism of covariance inflation methods of ensemble data assimilation, error characteristic and error propagation laws for data assimilation. The methods for handling the error problems for high dimensional and strong nonlinearity data assimilation systems are tested. We will develop a series of error propagation methods, such as convex crossover, affine crossover, evolutionary strategy, multiplicative inflation, additive inflation, and relaxation to prior error propagation methods. Choosing Lorenz-98 and SiB2 model as the model operators, we will build an experimental data assimilation error problem research framework to test all proposed methods with the case studies of data assimilation systems. Through a large amount of numerical test and sensitivity analysis, all kinds of error parameterization methods will be compared and the advantages and disadvantages of those methods will be concluded. Based on above methods, a fully research framework for error problems will finally be built for data assimilation systems.

基于控制理论中的稳定性、可控性和可观测性定义，探讨Kalman滤波类顺序数据同化方法产生滤波发散的原因；诠释集合数据同化中协方差放大法的数学机理，力争揭示数据同化系统中的误差表现、误差特征和演进规律，寻找在模型算子维数高、强非线性等应用背景下处理误差问题的方法；发展包括遗传杂交类误差处理法(包括凸杂交、仿射杂交等)、进化策略误差处理法等一系列数据同化系统误差处理方法；以Lorenz-98和SiB2模型作为模型算子，设计基于进化计算方法的实验型数据同化系统误差问题研究平台，进行数据同化系统案例实验；通过大量数值试验和敏感性分析，系统地比较进化计算类误差处理方法和传统误差处理方法（乘数放大法、附加放大法和松弛先验法）之间的优缺点，开展各种误差处理方法在数据同化系统中的应用研究。在以上研究基础上，旨在发展通用算法，为数据同化理论研究提供一个较为全面的误差问题研究平台。

数据同化系统误差的估计与处理是地球表层科学领域亟需研究的科学问题之一。本研究将控制领域中的进化计算类算法应用到数据同化误差处理中，力争诠释集合数据同化中协方差放大法的数学机理，发展小集合数下高效的数据同化方法，已达到了预设的项目研究目标。项目的研究按计划进行: .1.进行了“进化计算类数据同化方法的研究与发展”。针对传统差分进化算法早熟收敛等问题，提出一种基于模式搜索的差分进化算法，设计了一种耦合多目标优化非支配排序遗传算法的优化框架。以鲁棒滤波类误差处理方法为例，发展基于鲁棒集合滤波的数据同化方法，提出了放大转移矩阵的鲁棒集合滤波算法。在数据同化的框架内编程实现各种进化计算类数据同化滤波算法，为数据同化研究提供了一个通用、快速、稳健的同化系统算法平台。.2.开展了“数据同化误差处理方法的数学机理研究”。按照鲁棒滤波的最小最大准则，提出一种放大转移矩阵的特征值的数据同化方法，研究了集合数目有限的情形下数据同化方法中的策略问题，提出一种基于功率谱密度判断集合数据同化效果的办法。针对虚假相关问题，提出一种新的耦合模糊控制算法数据同化方法。.3.开展了“智能滤波类数据同化方法应用研究”。研究内容包括：设计实现了基于MATLAB的数据同化方法研究平台；发展了一种估算晴空条件下复杂地形区地表太阳短波入射辐射的方法；设计实现了生态水文数据采集系统和基于兰州新区的地下水环境监测与数据处理系统；以黑河流域为研究背景，通过对黑河流域已有各种观测数据进行收集，建立了一个基于Android平台的水文数据共享移动端平台等.项目执行的结果主要反映在发表的19篇研究论文中，其中SCI/EI检索论文6篇，发表在《Atmospheric Science Letters》、《Solar Energy》等，出版教材3部，获得软件著作权4项，项目成果应用获得相关专利4项。负责人获得省级教学名师等，多次开展国际交流合作研究。项目培养硕士生20名，4名在武汉大学等攻读博士学位。两位成员在寒旱所攻读博士学位，研究内容与本项目密切相关。