Numerical Reconstruction of Coefficients in Elliptic Equations Using Continuous Data Assimilation
Graduate School of Informatics, Kyoto University(京都大学情报大学院)
本文针对二维椭圆偏微分方程的传导系数与源项反演,提出利用连续数据同化计算误差泛函近似梯度的迭代重建方法,并给出空间离散重建的新 $L^2$ 误差估计,数值实验验证其有效性与鲁棒性。
2025-10-05 cs.NA math.NA
Observation data compression for variational assimilation of dynamical systems
在大尺度动力学问题的数据同化中,误差协方差(背景和观测)的准确估计对于有效的观测压缩方法至关重要。我们提出了一个新的协方差调整算法与现有的PCA型数据压缩方法,无论是观察或信息为基础的组合,其目的是减少在每个同化步骤的实时更新的计算成本。依赖于流量独立的误差协方差的本地假设,动力同化残差被用来调整在每个同化窗口的协方差。估计的协方差,然后有助于更好地指定主成分的观察动态或状态观察灵敏度。首先,所提出的方法进行了验证的浅水孪生实验相关和非均匀的观测误差。适当选择流量无关的同化窗口,连同采样密度的背景误差估计,和观测误差协方差知识的方法的灵敏度,也进行了讨论和说明各种数值试验和结果。然后,该方法被应用到一个更具挑战性的工业水文模型与现实世界的数据和非线性变换运营商提供的业务降水流量模拟软件。
2021-06-09 cs.NA math.NA
Sequential data assimilation with multiple nonlinear models and applications to subsurface flow
Beihang University(北京航空航天大学);University of Utah(犹他大学)
本文提出多模型数据同化框架,结合扩展卡尔曼滤波、集合卡尔曼滤波和粒子滤波,用于非线性系统中的数据同化,通过地下流数值实验验证其有效性。
2017-07-20 cs.NA math.NA
Data assimilation for the heat equation using stabilized finite element methods
University College London(伦敦大学学院)
本文研究了利用稳定有限元方法对热方程进行数据同化,通过优化方法设计正则化算子和参数,并推导了误差估计,展示了两种不同稳定性特性的数据同化情况。
2016-09-16 cs.NA math.NA
From Variational Optimization to Flow-Based Transport: Posterior-Geometry Regularization for Ill-Conditioned Data Assimilation
Oak Ridge National Laboratory(橡树岭国家实验室);Florida State University(佛罗里达州立大学);Colorado State University(科罗拉多州立大学)
本研究提出基于流的输运方法替代变分优化进行数据同化,通过逐步正则化中间分布的协方差和曲率缓解病态后验几何,数值测试显示其在高维病态问题上更鲁棒且计算成本更低。
2026-09-24 cs.NA math.NA
Continuous data assimilation for problems with limited regularity using non-interpolant observables
本文针对有限正则性问题提出使用非插值观测量的连续数据同化方案,证明离散解指数收敛且误差最优,并通过数值实验验证了三种策略的有效性。
2025-03-28 cs.NA math.NA
Continuous data assimilation for hydrodynamics: consistent discretization and application to moment recovery
针对动力学理论流体动力学近似中的矩恢复难题,提出结合松弛趋动系统与新型一致离散化的数据驱动方法,可从稀疏观测同时恢复外力项与高分辨率解,并验证了收敛性与有效性。
2025-07-23 cs.NA math.NA
Continuous Data Assimilation for the Three Dimensional Navier-Stokes Equations
本文对三维Navier-斯托克斯方程的Leray-Hopf弱解的Azouni-Olson-Titi数据同化算法(AOT算法)给出了整体适定性、正则性和收敛性的条件\emph{based solely on the observed data}.对于全局正则且在$H^1$ -范数中一致有界的解,自动满足关于观测的上述条件,在这种情况下,观测包括\emph{modal}或\emph{volume element observations}。然而,规则性和唯一性对于AOT算法的有效性都不是必需的。据我们所知,这是第一个这样严格的分析AOT数据同化算法的三维NSE。
2020-03-03 cs.NA math.AP math.NA
Continuous Data Assimilation Reduced Order Models of Fluid Flow
Clemson University(克莱姆森大学);University of Pittsburgh(匹兹堡大学);Virginia Tech(弗吉尼亚理工大学)
本文提出并测试了一种新的连续数据同化降阶模型(DA-ROM),用于模拟不可压缩流体流动,通过结合数据同化和降阶建模技术,提高长时间模拟的准确性。
2019-03-10 cs.NA math.NA
Data assimilation in 2D nonlinear coupled sound and heat flow, using a stabilized explicit finite difference scheme marched backward in time
本文针对二维耦合声热流的病态数据同化问题,提出一种向后时间推进的稳定显式有限差分格式,通过补偿平滑算子抑制不稳定性,并在512x512像素图像上验证了方法的有效性与局限性。
2025-01-24 cs.NA math.NA
Data assimilation for slightly compressible flow
Gazi University(加齐大学);The Ohio State University(俄亥俄州立大学)
本文提出一种算法,结合速度和压力数据,将稍压缩流的数据同化到不可压缩纳维-斯托克斯方程中,通过数值实验验证了模型误差指数衰减及压力同化参数的缩放关系。
2026-04-29 cs.NA math.NA physics.flu-dyn
A Pressure-Stabilized Continuous Data Assimilation Reduced Order Model
针对二维不可压缩Navier-Stokes方程,提出基于连续数据同化的压力稳定降阶模型,通过引入反馈控制项同时利用速度和压力模态,绕过离散inf-sup条件,保证高精度并提升计算效率,理论分析与基准测试验证了其无条件稳定性与收敛性。
2023-04-01 cs.NA math.NA
A finite element data assimilation method for the wave equation
University College London(伦敦大学学院)
本文提出了一种双模稳定有限元方法,用于求解受声学波动方程约束的数据同化问题,通过空间和时间上的有限元逼近以及稳定性项的设计,优化了计算误差并给出了误差估计。
2018-11-05 cs.NA math.NA
Continuous-data-assimilation-enabled fast and robust convergence of an Uzawa-based solver for Navier-Stokes equations with large Reynolds number
Clemson University(克莱姆森大学)
本文提出一种结合连续数据同化(CDA)的Uzawa求解器,用于加速和保证大雷诺数Navier-Stokes方程的收敛,通过部分解数据提升收敛速度和鲁棒性。
2026-03-23 cs.NA math.NA
Numerical analysis of data assimilation for slightly compressible flow
Gazi University(加齐大学);The Ohio State University(俄亥俄州立大学)
本文对同时同化速度与压力数据的弱可压缩流动数据同化模型及其有限元离散化开展数值分析,建立稳定性与误差估计,验证最优收敛率。
2026-08-31 cs.NA math.NA
Ensemble Score Filter for Data Assimilation of Two-Phase Flow Models in Porous Media
本文提出集合分数滤波器EnSF,结合分数扩散模型、闭式分数近似与解析更新,为渗透率不确定、观测不完整的多孔介质两相流提供高效高维非线性数据同化方法。
2025-05-11 cs.NA math.NA
Data Assimilation: The Schrödinger Perspective
University of Potsdam(波茨坦大学);University of Reading(雷丁大学)
本文研究如何通过概率粒子算法结合模型预测与部分噪声观测以最优方式同化数据,并提出一个基于测度耦合和随机过程薛定谔边值问题的统一框架。
2019-05-01 cs.NA math.NA
Analysis of continuous data assimilation with large (or even infinite) nudging parameters
本文针对偏微分方程离散化中的连续数据同化,提出基于加权内积的误差分解方法,证明热方程和Navier-Stokes方程在任意大微调参数下仍可获得与参数无关的最优长时间精确解。
2024-08-01 cs.NA math.NA
Continuous Data Assimilation for the Navier-Stokes Equations with Nonlinear Slip Boundary Conditions
本文针对具有非线性滑移边界条件的纳维-斯托克斯方程,提出并分析了连续数据同化方法,证明其指数收敛性,并利用部分演化张量神经网络预测数据以降低计算成本,数值实验验证了方法的有效性。
2025-03-27 cs.NA math.NA
Parameter Analysis in Continuous Data Assimilation for Various Turbulence Models
本文针对简化Bardina模型和Navier-Stokes-α模型,研究连续数据同化中的参数估计问题,利用观测数据构造插值近似解,并通过数值模拟验证理论结果。
2024-09-04 cs.NA math-ph math.MP
Enhancing nonlinear solvers for the Navier-Stokes equations with continuous (noisy) data assimilation
本文将连续数据同化引入Picard迭代求解Navier-Stokes方程,将分析从加权H^1范数改进为L^2范数并推广到含噪数据,证明方法稳定收敛至噪声量级,并提出用CDA-Picard为Newton迭代提供初值的有效策略。
2024-01-12 cs.NA math.NA
A finite element continuous data assimilation framework for a Navier--Stokes--Cahn--Hilliard system
Indiana University Bloomington(印第安纳大学布鲁明顿分校)
本文提出了一种用于Navier-Stokes-Cahn-Hilliard系统的有限元连续数据同化框架,通过粗网格观测恢复轨迹并验证其有效性。
2026-03-09 cs.NA math.NA
A numerical approach for heat flux estimation in thin slabs continuous casting molds using data assimilation
在目前的工作中,我们考虑的工业问题,估计在实时的结晶器钢热流在连铸结晶器。我们通过首先考虑模具建模问题(直接问题)来解决这个问题。然后,我们将热通量估计问题作为估计Neumann边界条件的逆问题,该边界条件具有在模具域内部的逐点温度测量数据。我们还考虑了具有总热通量测量以及温度测量的情况。我们开发了两种方法来解决这个反问题。第一种是传统的Alifanov正则化,第二种是利用热通量的参数化。我们开发了后一种方法有一个离线在线分解与计算效率的在线部分进行实时。在这项工作的最后一部分,我们测试这些方法的学术和工业基准。结果表明,参数化方法优于Alifanov正则化的性能和计算成本。此外,它被证明是强大的测量噪声。最后,测试证实,计算成本是适合的实时估计的热流。
2021-01-28 cs.NA math.NA
Continuous data assimilation in steady Navier-Stokes equations with unknown viscosity: robust and efficient solvers and fast parameter recovery
Clemson University(克莱姆森大学);Texas State(德州州立大学);Brigham Young University(杨百翰大学)
该研究结合分析与数值PDE方法,提出针对带未知粘度定常Navier-Stokes方程的连续数据同化的高效参数恢复算法与非线性求解器,可从部分流观测数据快速恢复未知粘度,适定性与收敛性获理论证明,数值实验验证其有效性。
2026-09-03 cs.NA math.AP math.NA
A Kalman filter powered by $\mathcal{H}^2$-matrices for quasi-continuous data assimilation problems
连续跟踪地下流体或羽流的运动是在应用中经常遇到的挑战,例如跟踪注入的CO $_2$或有害物质的羽流。监测技术的进步使得有可能在羽流移动时以高频率收集测量数据,这具有在数据处理的帮助下提供连续的高分辨率流体流动图像的潜在优势。然而,这种方法的适用性是有限的高计算成本与分析大型数据集的实时监控所施加的时间限制。现有的数据同化方法的计算要求,增加超线性的未知数$m$的大小。在本文中,我们提出了HiKF,一个新的卡尔曼滤波器(KF)的变种供电的分层矩阵的方法,大大降低了计算和存储成本的标准KF从$\mathcal{O}(m^2)$到$\mathcal{O}(m)$,而实际上产生相同的结果。这里介绍的HiKF版本利用了所谓的随机游动动力学模型,该模型是针对一类数据同化问题定制的,其中测量值是准连续收集的。该方法已被应用到一个现实的CO $_2$注入模型,并与集合卡尔曼滤波(EnKF)进行比较。数值结果表明,HiKF可以提供比EnKF更准确的估计,也证明了在这种情况下,作为一个随机游动的建模系统动态的有用性。
2014-04-15 cs.NA math.NA stat.CO
Model discovery on the fly using continuous data assimilation
本文在连续数据同化框架下将CHL参数估计算法重新解释为牛顿法,并引入Levenberg-Marquardt等优化算法以提升多参数拟合能力,在Lorenz '63、两层Lorenz '96和Kuramoto-Sivashinsky系统中验证了方法有效性。
2024-11-07 cs.NA math.DS math.NA
Dynamical Low-Rank Filters for Data Assimilation
University of Manchester(曼彻斯特大学);Massachusetts Institute of Technology(麻省理工学院);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
该研究针对基于随机微分方程的数据同化问题,提出动态低秩型滤波器,推导DLRA滤波器并扩展至Kalman-Bucy型及集合方法,还提出粒子型DLRA滤波器,数值模拟验证了其在非线性场景的有效性。
2026-10-15 cs.NA math.NA
Data Assimilation with Deep Neural Nets Informed by Nudging
微推数据同化算法是一种强有力的工具,用于预测不完整和噪声观测的现象。机器学习由于其易于计算和预测能力,在数据同化中越来越受欢迎。这项工作提出了一种通过机器学习进行数据同化的新方法,其中深度神经网络(DNN)正在学习轻推算法。所提出的DNN算法的准确性与nudging算法相当,并通过Lorenz 63和Lorenz 96的数值例子得到证实。所提出的方法的主要优点是,一旦训练好,DNN与通常需要求解微分方程的轻推相比,评估起来很便宜。对于Lorenz 63模型,建立了时间上连续和离散模型的标准指数型近似结果。这些结果可以直接与DNN的估计(只要可用)相结合,以导出所提出的算法的总体近似误差估计。
2021-11-22 cs.NA math.NA
Adaptive Parameter Selection in Nudging Based Data Assimilation
本文针对nudging数据同化中关键参数需人工选择且先验分析条件过于苛刻的问题,开发、分析并比较了两种易于实现且能产生远小于先验分析有效值的自适应参数选择方法。
2024-07-30 cs.NA math.NA physics.flu-dyn
Ensemble Controlled-Flow Filtering for Implicit Data Assimilation
Institute for Functional Intelligent Materials(功能智能材料研究所);National University of Singapore(新加坡国立大学);School of Mathematical Sciences(数学科学学院)
研究针对多对一、隐式等复杂观测机制下的数据同化问题,提出集成控制流滤波器(EnCF),通过随机控制流及伴随匹配学习依赖观测的控制,该方法在处理非高斯等复杂观测模型时表现更佳。
2026-07-15 cs.LG cs.NA math.NA
Assimilation of nearly turbulent Rayleigh-Bénard flow through vorticity or local circulation measurements: a computational study
University of Virginia(弗吉尼亚大学);University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校);Indiana University(印第安纳大学);Texas A&M University(德克萨斯农工大学);Weizmann Institute of Science(魏茨曼科学研究所)
本文提出一种连续数据同化算法,用于仅使用涡度或局部环流测量的二维 Bénard 对流问题。算法通过在涡度方程中加入阻尼项来约束模型,数值结果表明当仅使用空间粗粒测量涡度时,算法的近似解收敛于未知参考解。
2017-09-07 cs.NA math.AP math.NA
Preserving Nonlinear Constraints in Variational Flow Filtering Data Assimilation
本文扩展 VFP 粒子流滤波框架,提出 VFPSTAB 与 VFPDAE 两种方法以非精确或精确保持非线性等式状态约束,并通过三类方程验证其效果。
2024-05-07 cs.CE cs.NA math.NA
Data Assimilation with Higher Order Finite Element Interpolants
研究了一种采用高阶有限元插值算子的微推同化算法的效果。本文对二维Navier-斯托克斯方程进行了两种情况的数值实验:环隙中的剪切流动和偏心盘中的强迫流动。在这两种情况下,二阶插值的粗粒度数据优于一阶插值。证明了该方法的收敛性。分析指出,在高阶插值算子的估计权衡。
2021-08-08 cs.NA math.DS math.NA
Continuous Data Assimilation with Learned Surrogate Dynamics
University of Chicago(芝加哥大学)
针对动力学未知或计算昂贵的问题,提出使用学习代理模型的 nudging 算法,并建立统一有限维分析,证明其指数收敛性及误差界限。
2026-05-30 cs.NA math.DS math.NA
Modular data assimilation for flow prediction
本文提出受Kalman滤波启发的模块化两步nudging数据同化算法及其变体,证明其具有显式步骤的低复杂度与隐式更新的高稳定性,能减小误差并增加可预测性视野,克服了标准nudging方法的算法缺陷。
2025-06-27 cs.NA math.NA
Reduced order methods for parametric optimal flow control in coronary bypass grafts, towards patient-specific data assimilation
本研究针对冠状动脉旁路移植术参数化最优流控制问题,利用未知控制变量解决边界条件量化挑战,并通过POD-Galerkin降阶方法投影至低维解流形,构建高效可靠的计算环境以实现患者特异性生理数据匹配。
2019-11-04 cs.NA math.NA math.OC
A note on continuous data assimilation for stochastic convective Brinkman-Forchheimer equations in 2D and 3D
Center for Mathematics and Applications (NOVA Math), NOVA School of Science and Technology (NOVA FCT), Portugal(葡萄牙诺瓦科学技术学院数学与应用中心(NOVA Math))
本文提出了一种用于二维和三维随机对流Brinkman-Forchheimer方程的连续数据同化算法,并展示了其在均方和路径意义下的收敛性,同时证明了非线性阻尼对收敛性的提升作用。
2026-01-25 cs.NA math.AP math.NA
A Computational Study of a Data Assimilation Algorithm for the Two-dimensional Navier--Stokes Equations
University of Wyoming(怀俄明大学);University of Nevada, Reno(内华达大学里诺分校);Texas A&M University(德克萨斯农工大学);Weizmann Institute of Science(魏茨曼科学研究所)
本文研究了基于反馈控制理论的连续数据同化算法在二维不可压缩纳维-斯托克斯方程中的数值性能,发现该方法在计算效率上优于理论估计,所需观测点密度显著低于理论预测。
2015-05-06 cs.NA math.DS math.NA
Enhanced Simulation of the Indian Summer Monsoon Rainfall Using Regional Climate Modeling and Continuous Data Assimilation
本研究评估了一个连续资料同化(CDA)动态降尺度算法,以提高模拟的印度夏季风(ISM)系统。CDA是最近引入的一种数学上严格的技术,用于用粗空间尺度数据约束高分辨率大气模式的大尺度特征。它类似于频谱轻推,但不需要任何频谱分解的尺度分离。预计这将是特别相关的ISM,其中涉及大规模环流和区域物理过程之间的各种相互作用。除了控制模拟外,还使用天气研究和预报(WRF)模型进行了几次降尺度模拟,使用CDA,光谱(保留不同的波数)和网格轻推三个ISM季节:正常(2016),过量(2013)和干旱(2009)。模拟嵌套在NCEP最终分析中,并根据观测结果评估模型输出。网格和光谱轻推相比,使用CDA的模拟产生增强的ISM功能在印度次大陆,包括低空急流,热带东风急流,东风切变,和降雨分布的所有调查ISM季节。主要的ISM过程,特别是阿拉伯海的季风逆温,对流层温度梯度和印度中部的湿静能,以及季风区的纬向风切变,都可以用CDA更好地模拟。频谱轻推输出被发现是敏感的波数的选择,需要仔细调整,以提供强大的模拟ISM系统。相比之下,控制和网格轻推通常不能很好地再现ISM的一些主要功能。
2022-01-26 cs.NA math.NA physics.ao-ph
Global in time stability and accuracy of IMEX-FEM data assimilation schemes for the Navier-Stokes equations
University of Nebraska-Lincoln(内布拉斯加大学林肯分校);Clemson University(克莱姆森大学)
本文研究了用于不可压缩Navier-Stokes方程的数值方案,结合IMEX时间离散化、有限元空间离散化以及连续数据同化技术,分析了所提方法的稳定性与精度,并在时间步长和数据同化参数的限制下证明了问题的适定性、长时间稳定性和精度估计,通过数值实验展示了离散参数和元素选择的重要性。
2018-05-10 cs.NA math.AP math.NA
The second-best way to do sparse-in-time continuous data assimilation: Improving convergence rates for the 2D and 3D Navier-Stokes equations
我们研究了不同的方法来实现稀疏时间观测到的Azouani-Olson-Titi数据同化算法。我们提出了一种新的方法,它引入了一个“数据同化窗口”独立于观测时间间隔。我们表明,通过使这个窗口尽可能小,我们可以大大增加轻推参数的强度,而不会失去稳定性。以前的方法使用旧数据来推动解决方案,直到进行新的观察。相比之下,我们的方法几乎在观察后立即停止推动系统,使系统放松到正确的物理状态。我们表明,这导致了一个数量级的改进,在我们的三维Navier-Stokes模拟收敛的时间。此外,我们的模拟表明,我们的方法收敛速度几乎相同的理想化的方法,海登,奥尔森和蒂蒂(HOT)提出的低傅立叶模式的直接替换。然而,我们的方法可以很容易地适用于非理想化的设置,如有限元法,有限差分法等,因为不需要访问傅立叶模式,因为我们的方法适用于一般插值。正是在这个意义上,我们认为我们的方法是“第二最好的方法”,也就是说,“最好的”方法将是直接替换傅立叶模式,如在HOT中,但这种理想化的方法通常在物理现实环境中是不可行的。虽然我们的方法有一个收敛速度,是稍微次优的理想化的方法相比,它是直接与现实世界的应用程序兼容。此外,我们证明了分析,这些新的算法是全球适定的,并收敛到真正的解决方案指数快速的时间。此外,我们提供了第一个三维计算验证HOT算法。
2023-03-06 cs.NA math.AP math.NA
Accelerating convergence of a natural convection solver by continuous data assimilation
针对自然对流 Boussinesq 模型 Picard 迭代随 Rayleigh 数增大收敛变慢甚至失败的问题,提出将稀疏测量数据经 CDA 纳入迭代,使线性收敛速率按 $H^{1/2}$ 改善并支持高 $Ra$ 收敛。
2025-02-15 cs.NA math.AP math.NA
An Efficient and Statistically Accurate Lagrangian Data Assimilation Algorithm with Applications to Discrete Element Sea Ice Models
复杂非线性湍流的拉格朗日资料同化是一个重要但计算上具有挑战性的课题。在这篇文章中,一个有效的数据驱动的统计准确的降阶建模算法,显着加快拉格朗日资料同化的计算效率。该算法从高维流场的傅立叶变换开始,随后是有效的模型简化,仅保留与能量模式对应的傅立叶系数的一个小子集。然后,一个线性随机模型来近似每个傅立叶系数的非线性动力学。有效的加性和乘性噪声的过程被纳入表现出高斯和非高斯统计,分别模式的特征。降阶系统中的所有参数,包括乘性噪声系数,通过封闭的解析公式系统地确定。这些线性随机模型成功地预测了不确定性,并促进了极其快速的资料同化方案。新的拉格朗日资料同化,然后施加到观测的海冰浮冰的轨迹,由大气风和湍流洋流驱动。它示出,观察仅约$30$非相互作用的浮冰在$200$公里$\times200$公里域是足够的恢复的关键多尺度特征的洋流。附加的浮冰角位移观测被认为是对质心位置的适当补充,以提高资料同化技巧。此外,观测到的大、小浮冰分别更有助于恢复海洋的大、小尺度特征。傅立叶域资料同化也成功地恢复了云遮蔽地区的海洋特征。
2021-07-27 cs.NA math.NA physics.ao-ph
Posterior contraction rates of computational methods for Bayesian data assimilation
该研究分析离散化下贝叶斯数据同化问题的后验一致性,证明两类离散化下离散后验的收敛速率,提出用定制离散先验实现有限元离散化的最优收敛速率。
2025-06-17 cs.NA math.NA math.PR
Uncertain data assimilation for urban wind flow simulations with OpenLB-UQ
本文提出OpenLB-UQ框架,将格子玻尔兹曼方法与基于广义多项式混沌的随机配置法相结合,高效量化城市风场模拟中的边界条件不确定性,实现实时不确定性感知预测。
2025-08-25 cs.MS cs.NA math.NA
A Relaxed Direct-insertion Downscaling Method For Discrete-in-time Data Assimilation
Sakarya University(萨卡里亚大学);University of Nevada, Reno(内华达大学里诺分校)
本文提出了一种放松的直接插入下缩方法,通过引入松弛参数来调整观测频率,从而在保持解收敛性的同时实现观测频率的灵活变化,并证明了观测频率趋于无穷大时转化为连续时间 nudging 方法。
2026-01-11 cs.NA math.AP math.DS
The Bleeps, the Sweeps, and the Creeps: Convergence Rates for Dynamic Observer Patterns via Data Assimilation for the 2D Navier-Stokes Equations
我们适应一个连续数据同化计划,称为Azouani-Olson-Titi(AOT)算法,移动观察员的情况下,二维不可压缩Navier-斯托克斯方程。我们提出并测试计算几种运动模式(我们称之为“哔哔声,扫描和蠕变”),以及拉格朗日运动和这些模式的组合,与静态(即非移动)观察员相比。在几种情况下,观察到的数量级改善的收敛时间。最后,我们讨论了可能应用于现实世界的数据收集策略,可能会导致预测能力的大幅改善。
2021-10-20 cs.NA math.AP math.NA
Feature-preserving Latent-EnKF for Data Assimilation of Flows with Shocks
Department of Mechanical Engineering, Johns Hopkins University(约翰霍普金斯大学机械工程系)
针对含激波流动中EnKF因多模态统计产生伪振荡的问题,提出在学习的低维潜在空间进行集合更新以保持激波特征,并通过共享解码器恢复物理状态,数值实验验证了无伪振荡的准确特征恢复。
2026-10-16 cs.LG cs.NA math.NA
A detectability criterion and data assimilation for non-linear differential equations
Utrecht University(乌得勒支大学);IBM Research(IBM 研究院)
本文提出了一种针对非线性常微分方程的序列数据同化方法,通过确保估计误差动力学的李雅普诺夫指数为负,实现指数衰减,该方法在洛伦茨96方程和伯格斯方程中验证了其指数收敛性与理论准确性。
2017-11-14 cs.NA math.DS math.NA