基于不确定性鲁棒控制技术的EnHF方法研究及其卫星资料同化应用

The efficiency of most existing meteorological data assimilation method requires that the dynamic model is accurate and the noise characteristics of observation are known. whereas, the satellite remote sensing data errors, observation operator error, and numerical model error appear as a strong uncertainty, which make greater unfavourable impact to the satellite data assimilation. In recent years, H-infinity filtering method is widely used to overcome uncertainty problem. The H-infinity filtering algorithm and the ensemble theory are combined to develop a new assimilation method so as called EnHF (Ensemble H-infinity Filtering),which is suitable for nonlinear systems that without knowing a priori statistical information of observed data error, and can take advantage of the flow evolving properties of background covariance. And then, a method based on forecast error covariance matrix transformation is used to achieve its ability of satellite data assimilation. Based on a principle of minimum error propagation and slower error growth, EnHF method can improve the robust performance of assimilation system that with a big uncertainty error. In addition, the method of analysis and synthesis of structural singular value μ is employed to further optimization of the algorithm, which make a balance between the stability and optimal in of the assimilation system. This study develop a new way for satellite data assimilation, and also make a preliminary attempt for applied of H infinity filtering techniques to the meteorological data assimilation which can broaden the research of assimilation technique in numerical weather prediction, and thus, manifest a academic significance and application value.

现有气象数据同化方法的优良性大多要求系统动态模型准确且观测噪声特性已知，而卫星资料同化中，资料本身，观测算子及数值模式皆存在较强不确定性误差，给同化效果带来较大影响。近年来H无穷滤波方法被普遍用于克服不确定性问题，本课题对H无穷滤波算法进行修改与优化，并与集合思想相结合，提出集合H无穷滤波（EnHF）同化方法，形成一种既适应误差统计特性先验信息未知情形，又充分考虑背景协方差随流型演变特性的资料同化方案，且采用预报误差协方差矩阵变换法实现对卫星资料的同化，其基于误差传递最小和误差增长最缓原则，能够提升同化系统在误差存在较大不确定性时的鲁棒性能。另外，引入结构奇异值μ分析与μ综合方法对算法作进一步优化，使同化系统的稳健性与最优性达到平衡。本研究为卫星资料同化开辟了新途径，也对H无穷滤波技术应用到气象资料同化领域作出初步尝试，拓宽气象数值预报同化技术研究方向，具有一定的科学探索意义和学术价值。

卫星资料同化中，资料、观测算子及数值模式皆存在不确定性误差，给同化效果带来不利影响。近年来H无穷鲁棒控制普遍用来克服不确定性问题，因而本项目提出了一种资料同化方法——集合H无穷滤波（EnHF），既适应误差统计特性未知情形，也能考虑协方差随流型演变特性，并基于误差传递最小估计，提升误差不确定时的系统鲁棒性能。本研究为卫星资料同化开辟了新途径，也对H无穷滤波技术应用到气象资料同化领域作出初步尝试，拓宽气象数值预报同化技术研究方向，具有一定的科学探索意义和学术价值。归纳起来，主要研究内容及成果如下：. 结合研究目标，对H无穷动态滤波算法作适用性改进，借鉴集合扰动思想，建立了EnHF同化方法，并引入基于结构奇异值分析法，对EnHF方法鲁棒稳定性与同化性能进行评估分析，避免不稳定的过分估计导致系统性能减弱。二维浅水波模型试验表明，存在强烈误差不确定性时，EnKF方法滤波发散，4DVAR方法因误差累积问题效果不佳，而EnHF方法能有效进行同化且误差保持在理想范围内，满足稳定性与同化性能相平衡的应用需求。. 基于所建立的EnHF方法理论模型，利用WRF模式及GSI同化技术框架，研发了EnHF同化系统，并通过协方差矩阵变换实现非常规资料同化能力。卫星资料同化个例试验表明，EnHF同化方法能取得正效果，并体现优良稳定性，但未能明显优于EnKF方法，究其原因，一方面同化算法仍需进一步完善，另一方面，资料、模式误差特性不完全符合本方法应用场景，导致改善效果有限。. 因此，为了扩大方法适用范围，将EnHF方法与4DVAR方法相结合，构建了EnHF-4DVAG同化方法，使得方差最小估计与误差增长最小估计相融合，同时能考虑分析误差的随流型演变特性，且无需提供观测资料误差结构特征。浅水波模型理想试验表明该方法具有可行性和有效性，两个实际台风个例同化试验结果也表明，该方法同化效果优于传统4DVAR方法。