Presentation Details
基于机器学习的资料同化中模型误差与观 测误差表征及其交叉相关性估算
ID：325
View Protection：ATTENDEE
Updated Time：2026-03-28 17:32:30 Hits：171
Invited speech
Start Time：2026-04-28 08:50（Asia/Shanghai）
Duration：12min
Session：S1-31 专题1.31 大气海洋数据同化新理论、新方法及其应用 »
No files
Abstract
本研究提出了基于机器学习ML的同化方案，在资料同化过程中对模式误差和观测误差进行独立表征，模式误差机器学习方案采用生成对抗网络生成依赖于流场的模式修正项观测误差机器学习方案则可自适应估算观测误差协方差矩阵。进一步推导出广义化公式CorrFOE、用于引入通常被忽略的预报误差与观测误差之间的交叉相关性。通过洛伦兹Ⅲ模式的孪生实验对上述方案讲行了严格评估。结果表明，各基于机器学习的方案均显著优于传统方法，使分析场的均方根误差大幅降低。特别地，模式误差机器学习方案在恢复小尺度结构方面表现尤为突出。最关键的是，将两种机器学习方案协同使用，并显式引入预报误差与观测误差的交叉相关性后，所得分析场精度最高，实现了最低的均方根误差和最佳谱保真度。模式误差机器学习方案、观测误差机器学习方案及广义相关方案带来的额外计算成本适中，证实了其业务化应用潜力。
Keywords
资料同化,模式误差,观测误差,交叉相关,机器学习
Speaker
曾跃飞
教授 南京信息工程大学Submission Author
All Comments
Important Date
-
Conference Date
Apr 25
2026
toApr 29
2026
-
Apr 07 2026
Draft paper submission deadline
-
Jun 17 2026
Registration deadline
Sponsored By
未来大气科学论坛理事会
Organized By
河海大学海洋学院
南京大学南京赫尔辛基大气与地球系统科学学院
南京大学南京赫尔辛基大气与地球系统科学学院
Contact Information
- 秦箭煌
- qi******@hhu.edu.cn
- 173********
- 薛廉
- li******@nju.edu.cn
- 156********
- 孙佳妮
- sc******@chytey.com
- 152********
Previous Conferences
-
2025-04-17 China 北京
第一届未来大气科学论坛
Submit Comment