一種用于非飽和土壤水分數(shù)據(jù)同化的基于自適應(yīng)概率配點的卡爾曼濾波方法.pdf

1、數(shù)值模型是模擬非飽和土壤中水分運動的強大工具。然而，由于土壤天然具有的非均勻性以及觀測資料的缺乏，我們通常并不能在模型參數(shù)完全已知的情況下進行模擬預(yù)測。利用有限的觀測數(shù)據(jù)對模型進行校正，以期得到更加精準的預(yù)測結(jié)果，這就是所謂的數(shù)據(jù)同化問題。集合卡爾曼濾波算法在水文數(shù)據(jù)同化問題中的應(yīng)用越來越普遍。作為一種基于蒙特卡羅模擬的算法，通常需要足夠大的樣本數(shù)量來保證其精度。
　　本文的研究目標在于發(fā)展一種更加高效的基于概率配點卡爾曼濾波的數(shù)

2、據(jù)同化方法，提高非飽和水分數(shù)據(jù)同化的效率。作為一種替代蒙特卡羅模擬的方法，概率配點卡爾曼濾波算法利用混沌多項式來表示和傳遞模型參數(shù)和狀態(tài)的不確定性。在一定條件下，混沌多項式能比傳統(tǒng)的蒙特卡羅法更加有效地量化系統(tǒng)的不確定性。然而，隨著參數(shù)個數(shù)和模型非線性的增加，概率配點卡爾曼濾波算法的計算量會急劇增大，甚至?xí)^傳統(tǒng)的集合卡爾曼濾波。此外，對于強非線性模型，傳統(tǒng)的將參數(shù)和狀態(tài)進行聯(lián)合更新的處理方法不能給出準確的估計結(jié)果。基于最新的不確定性

3、量化理論和集合卡爾曼濾波算法，我們提出一種改進的自適應(yīng)概率配點卡爾曼濾波算法，并將其應(yīng)用到非飽和土壤水分運動的數(shù)據(jù)同化問題中。改進的自適應(yīng)概率配點卡爾曼濾波算法在執(zhí)行過程中，在每一個同化步都可以自動識別出重要的參數(shù)，并選擇出重要的混沌多項式基函數(shù);此外，在每一步的更新完成后重新回到初始時刻進行狀態(tài)預(yù)測，這可以消除更新之后參數(shù)和狀態(tài)之間的不一致性。
　　為驗證方法的有效性，我們做了詳細的數(shù)值模擬驗證。結(jié)果顯示:自適應(yīng)和重新回到初始時