Отправьте статью сегодня! Журнал выйдет 12 июля, печатный экземпляр отправим 16 июля
Опубликовать статью

Молодой учёный

Пространственная экстраполяция параметров состояния атмосферы на основе динамико-стохастической модели, учитывающей вертикальную изменчивость метеорологического поля (часть 1)

Технические науки
18.04.2022
131
Поделиться
Библиографическое описание
Куйдин, К. А. Пространственная экстраполяция параметров состояния атмосферы на основе динамико-стохастической модели, учитывающей вертикальную изменчивость метеорологического поля (часть 1) / К. А. Куйдин. — Текст : непосредственный // Молодой ученый. — 2022. — № 15 (410). — С. 41-44. — URL: https://moluch.ru/archive/410/90427/.


В статье автор пытается определить принцип работы фильтра Калмана для дальнейшего его применения в предложении методики пространственной экстраполяции параметров состояния атмосферы на основе динамико-стохастической модели, учитывающей вертикальную изменчивость метеорологического поля и сделать общую постановку задачи.

Ключевые слова : фильтр Калмана, пространственная интерполяция, численное моделирование, малопараметрическая динамико-стохастическая модель.

Общая постановка задачи:

Задачей является восстановление вертикального профиля метеовеличины по приземным измерениям.

Пусть в наличии имеется n сеансов измерений вертикального профиля величины: , V x , V y , P как f(h, t). График представлен на рис. 1

Вертикальные профили измерений метеовеличины

Рис. 1. Вертикальные профили измерений метеовеличины

Каждые 5 минут выполняются контактные измерения до высоты ПАС (1 км). И строится вертикальный профиль. Пример построения вертикального профиля представлен на рис. 2.

Вертикальный профиль измерений

Рис. 2. Вертикальный профиль измерений

Порядок решения задачи

На первом этапе выполняется предварительная оценка и предварительная оценка . На втором этапе выполняется обработка входных данных на предмет оценки экстраполяции вектора метеовеличины. Алгоритм решения задачи представлен на рис. 3.

Алгоритм решения задачи

Рис. 3. Алгоритм решения задачи

Для расчета нужно подобрать автокорреляционную функцию.

Полагая [1], график представлен на рис. 4.

График автокорреляционной функции

Рис. 4. График автокорреляционной функции

Полагая 1 км = , 50 м = , то количество отсчетов будет N = .

Вектор измерения

Расчет коэффициента связи между двумя высотными уровнями

Используя данные температуры, представленные на рис. 5. Произведем расчеты коэффициента связи между двумя высотными уровнями для всех отсчетов.

Входные данные температур и рассчитанные коэффициенты связи

Рис. 5. Входные данные температур и рассчитанные коэффициенты связи

Литература:

  1. Комаров В. С., Попов Ю. Б., Суворов С. С., Кураков В. А. Динамикостохастические методы и их применение в прикладной метеорологии / Под общей редакцией Г. Г. Матвиенко. — Томск: Изд-во ИОА СО РАН, 2004. — 236 с.
  2. Попов Ю. Б., Попова А. И. Оптимальная фильтрация и её применение для задачи мониторинга параметров состояния атмосферы в рамках локальных территорий. — Ханты-Мансийск: Полиграфист, 2008. — 188 с.
Можно быстро и просто опубликовать свою научную статью в журнале «Молодой Ученый». Сразу предоставляем препринт и справку о публикации.
Опубликовать статью
Ключевые слова
фильтр Калмана
пространственная интерполяция
численное моделирование
малопараметрическая динамико-стохастическая модель
Молодой учёный №15 (410) апрель 2022 г.
Скачать часть журнала с этой статьей(стр. 41-44):
Часть 1 (стр. 1-75)
Расположение в файле:
стр. 1стр. 41-44стр. 75

Молодой учёный