arXiv Systems and Control · Engineering Energy· Eviatar Bach·· 5 小时前AI 评分31
分析增量用于模型偏差诊断与校正的理论基础
Analysis increments for model bias diagnosis and correction: Theoretical foundations
AI 导读
研究为天气气候预测中基于分析增量的偏差诊断与校正方法补上理论基础：在预报模型存在常数偏差的卡尔曼滤波中，增量时间平均可估计并校正偏差，迭代校正能消除观测可见的全部偏差，线性动力学下其余偏差无法被任何方法识别。
推荐理由模型分析
该论文为天气预报和气候预测中常用的分析增量偏差校正方法补上理论基础，推导了卡尔曼滤波下平均增量实际度量的是什么，并说明迭代校正只能消除观测可见的偏差。对使用机器学习做状态依赖偏差校正的研究者，这提供了判断增量含义与校正边界的依据；结论主要来自线性模型推导，非线性 Lorenz '96 仅以数值实验佐证。
来源：arXiv Systems and Control · Engineering Energy · arxiv.org