高级搜索
  • 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引（EI）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

集合卡尔曼滤波估计水文地质参数的局域化修正

南统超,  吴吉春

downloadPDF
文章导航 > 水科学进展  > 2010 >  21(5): 613-621
南统超, 吴吉春. 集合卡尔曼滤波估计水文地质参数的局域化修正[J]. 水科学进展, 2010, 21(5): 613-621.
引用本文: 南统超, 吴吉春. 集合卡尔曼滤波估计水文地质参数的局域化修正[J]. 水科学进展, 2010, 21(5): 613-621.
shu
NAN Tong-chao, WU Ji-chun. Localization corrections for the estimation of hydrogeological parameters using ensemble Kalman filter[J]. Advances in Water Science, 2010, 21(5): 613-621.
Citation: NAN Tong-chao, WU Ji-chun. Localization corrections for the estimation of hydrogeological parameters using ensemble Kalman filter[J]. Advances in Water Science, 2010, 21(5): 613-621.
shu

集合卡尔曼滤波估计水文地质参数的局域化修正

  • 污染控制与资源化研究国家重点实验室, 南京大学水科学系, 江苏, 南京, 210093

基金项目: 国家自然科学基金资助项目(40725010;40672160)
详细信息
    作者简介:

    南统超(1986- ),男,江苏宿迁人,硕士研究生,主要从事地下水数值模拟和数据同化研究.E- mail:tcnan.nju@gmail.com

    通讯作者:

    吴吉春,E-mail: jcwu@nju.edu.cn

  • 中图分类号: P345

Localization corrections for the estimation of hydrogeological parameters using ensemble Kalman filter

  • State Key Laboratory of Pollution Control and Resources Reuse, Department of HydroSciences, Nanjing University, Nanjing 210093, China

Funds: The study is financially supported by the National Natural Science Foundation of China(No.40725010;No.40672160).

  • 摘要: 集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)作为一种有效的数据同化方法,在众多数值实验中体现优势的同时,也暴露了它使用小集合估计协方差情况下精度较低的缺陷。为了降低取样噪声对协方差估计的干扰并提高滤波精度,应用局域化函数对小集合估计的协方差进行修正,即在协方差矩阵中以舒尔积的形式增加空间距离权重以限制远距离相关。在一个二维理想孔隙承压含水层模型中的运行结果表明,局域化对集合卡尔曼滤波估计地下水参数的修正十分有效,局域化可以很好地过滤小集合估计中噪声的影响,节省计算量的同时又可以防止滤波发散。相关长度较小的水文地质参数(如对数渗透系数)更容易受到噪声的干扰,更有必要进行局域化修正。
    Abstract: The ensemble Kaml an filter(EnKF)is a sophisticated sequential data assimilation method.The EnKF has proven to be efficient handling of strong nonlinear dynamics and large state spaces.However,EnKF uses are latively small ensemble of forecasts to estmiate the forecast error covariance,which can introduce spurious correlations that lead to excessive decrease of the ensemble variance and possibly filter divergence.The spurious correlations can be handled by a localization method.In the method,the ensemble covariance matrix is multiplied with a specified correlation matrix through a Schur product(entry-wise multiplication),which can effectively truncate the long-range spurious correlations produced by the limited ensemble size.The revised EnKF is tested numerically for a two-dmiensional synthetic case.The result shows that localization can largely reduce the sampling errors due to small ensembles size with high eficiency,as well as can avoid filter divergence to a large extent.Applications of localization for the EnKF are also necessary to conduct localized corrections for the estimation of hydrogeological parameters with relatively small values of the correlation length.
  • [1] 施小清,吴吉春,袁永生.渗透系数空间变异性研究[J].水科学进展,2005,16(2):210-215.(SHI Xiao-qing,WU Jichun,YUAN Yong-sheng.Study of the spatial variability of hydraulic conductivity[J].Advances in Water Science,2005,16(2):210-215.(in Chinese))
    [2] 陈彦,吴吉春.含水层渗透系数空间变异性对地下水数值模拟的影响[J].水科学进展,2005,16(4):482-487.(CHEN Yan,WU Ji-chun.Effect of the spatial variability of hydraulic conductivity in aquifer on the numerical simulation of groundwater[J].Advances in Water Sciences,2005,16(4):482-487.(in Chinese))
    [3] 梅一,吴吉春.地下水溶质运移数值模拟中减少误差的新方法[J].水科学进展,2009,20(5):639-645.(MEI Yi,WU Jichun.New method for reducing the numerical error in solving the problem of contaminant transport in groundwater[J].Advances in Water Science,2009,20(5):639-645.(in Chinese))
    [4] EVENSEN G.Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics[J].Journal of Geophysics Research,1994,99(C5):10143-10162.
    [5] EVENSEN G.The ensemble Kalman filter:Theoretical formulation and practical implementation[J].Ocean Dynamics,2003,53:343-367.
    [6] CHEN Y,ZHANG D.Data assimilation for transient flow in geologic formations via ensemble Kalman filter[J].Advances in Water Resources,2006,29(8):1107-1122.
    [7] LIU G S,CHEN Y,ZHANG D.Investigation of flow and transport processes at the MADE site using ensemble Kalman filter[J].Advances in Water Resources,2008,31(7):975-986.
    [8] FRANSSEN H J H,KINZELBACH W.Real-time groundwater flow modeling with the Ensemble Kalman Filter:Joint estimation of states and parameters and the filter inbreeding problem[J].Water Resources Research,2008,44(9):21.
    [9] SUN A Y,MORRIS A P,MOHANTY S.Comparison of deterministic ensemble Kalman filters for assimilating hydrogeological data[J].Advances in Water Resources,2009,32:280-292.
    [10] SUN A Y,MORRIS A P,MOHANTY S.Sequential updating of multimodal hydrogeologic parameter fields using localization and clustering techniques[J].Water Resources Research,2009:45.
    [11] HAMILL T M,WHITAKER J S,SNYDER C.Distance-dependent filtering of background error covariance estimates in an ensemble Kalman filter[J].Monthly Weather Review,2001,129(11):2776-2790.
    [12] HOUTEKAMER P L,MITCHELL H L,PELLERIN G,et al.Atmospheric data assimilation with an ensemble Kalman filter:Results with real observations[J].Monthly Weather Review,2005,134:2900-2915.
    [13] HUNT B R,KOSTELICH E J,SZUNYOGH I.Efficient data assimilation for spatiotemporal chaos:A local ensemble transform Kalman filter[J].Physica D,2007,230:112-126.
    [14] CHEN Y,OLIVER D S.Ensemble-based closed-loop optimization applied to Brngge field[J].SPE Reservoir Evaluation and Engineering,:2010,13(1):56-71.
    [15] BURGErs G,Van LEEUWEN P J,EVENSEN G.Analysis scheme in the ensemble Kalman filter[J].Monthly Weather Review,1998,126(6):1719-1724.
    [16] JASOON Y.Schur product techniques for commuting multivariable weighted shifts[J].Journal of Mathmatical Analysis and Applications,2007,333:626-641.
    [17] ZHANG D,LU Z.An efficient,high-order perturbation approach for flow in random porous media via Karhunen-Loeve and polynomial expansions[J].Journal of Computational Physics,2004,194:773-794.
    [18] FURRER R,BENGTSSON T.Estimation of high-dimensional prior and posterior covariance matrices in Kalman filter variants[J].Journal of Multivariate Analysis,2007,98(2):227-255.
  • [1] 戴云峰, 刘九夫, 闵星, 林锦, 韩江波, 柳鹏, 李兆峰, 孙晓敏.  气压式振荡试验确定地层渗透系数适宜性 . 水科学进展, 2018, 29(3): 398-406. doi: 10.14042/j.cnki.32.1309.2018.03.012
    [2] 王卫光, 李进兴, 魏建德, 邵全喜, 邓超, 余钟波.  基于蒸散发数据同化的径流过程模拟 . 水科学进展, 2018, 29(2): 159-168. doi: 10.14042/j.cnki.32.1309.2018.02.002
    [3] 康学远, 施小清, 邓亚平, 廖凯华, 吴吉春.  基于EnKF融合地球物理数据刻画含水层非均质性 . 水科学进展, 2018, 29(1): 40-49. doi: 10.14042/j.cnki.32.1309.2018.01.005
    [4] 陈一帆, 程海洋, 万晓丽, 方华建.  结合糙率校正的河网水情数据同化 . 水科学进展, 2015, 26(5): 731-738. doi: 10.14042/j.cnki.32.1309.2015.05.015
    [5] 褚楠, 黄春林, 杜培军.  基于集合卡尔曼平滑算法的土壤水分同化 . 水科学进展, 2015, 26(2): 243-249. doi: 10.14042/j.cnki.32.1309.2015.02.012
    [6] 史良胜, 张秋汝, 宋雪航, 方旭东.  地下水位在非饱和水流数据同化中的应用 . 水科学进展, 2015, 26(3): 404-412. doi: 10.14042/j.cnki.32.1309.2015.03.011
    [7] 金光炎.  水文频率分布模型的异同性与参数估计问题 . 水科学进展, 2010, 21(4): 466-470.
    [8] 刘玉珍, 王本德, 姜英震.  基于可变水文地质参数的地下水系统数学模型 . 水科学进展, 2009, 20(3): 398-402.
    [9] 赖锡军.  水动力学模型与集合卡尔曼滤波耦合的实时校正多变量分析方法 . 水科学进展, 2009, 20(2): 241-248.
    [10] 李彬, 王志春, 梁正伟, 迟春明.  大安市碱化草原地下水体的碱化参数与特征 . 水科学进展, 2007, 18(5): 689-694.
    [11] 阎婷婷, 吴剑锋.  渗透系数的空间变异性对污染物运移的影响研究 . 水科学进展, 2006, 17(1): 29-36.
    [12] 黄春林, 李新.  土壤水分同化系统的敏感性试验研究 . 水科学进展, 2006, 17(4): 457-465.
    [13] 谢水波, 刘奇, 张晓健, 陈泽昂, 李仕友.  尾矿库区地下水中U(Ⅵ)的反应-输运耦合模拟及其参数分析 . 水科学进展, 2006, 17(6): 803-807.
    [14] 施小清, 吴吉春, 袁永生, 姜蓓蕾.  含水介质各向异性对渗透系数空间变异性统计的影响 . 水科学进展, 2005, 16(5): 679-684.
    [15] 施小清, 吴吉春, 袁永生.  渗透系数空间变异性研究 . 水科学进展, 2005, 16(2): 210-215.
    [16] 陈彦, 吴吉春.  含水层渗透系数空间变异性对地下水数值模拟的影响 . 水科学进展, 2005, 16(4): 482-487.
    [17] 独仲德, 马炳辉, 姚来根, 王志明.  确定含水层渗透系数的冲击试验方法 . 水科学进展, 2003, 14(6): 759-762.
    [18] 束龙仓, CHEN Xun-hong.  美国内布拉斯加州普拉特河河床沉积物渗透系数的现场测定 . 水科学进展, 2002, 13(5): 629-633.
    [19] 王黎, 马光文.  Streeter-Phelps模型参数估计的遗传算法 . 水科学进展, 1997, 8(1): 32-36.
    [20] 金光炎, 汪家权, 郑三元, 宋家常.  地下水计算参数的测定与估计 . 水科学进展, 1997, 8(1): 16-24.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  16
  • HTML全文浏览量:  7
  • PDF下载量:  874
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-07-21
  • 刊出日期:  2010-09-25

集合卡尔曼滤波估计水文地质参数的局域化修正

  • 污染控制与资源化研究国家重点实验室, 南京大学水科学系, 江苏, 南京, 210093
    • 基金项目:  国家自然科学基金资助项目(40725010;40672160)
    作者简介:

    南统超(1986- ),男,江苏宿迁人,硕士研究生,主要从事地下水数值模拟和数据同化研究.E- mail:tcnan.nju@gmail.com

    通讯作者: 吴吉春,E-mail: jcwu@nju.edu.cn
  • 收稿日期: 2009-07-21
  • 刊出日期: 2010-09-25

  • 中图分类号: P345

摘要: 集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)作为一种有效的数据同化方法,在众多数值实验中体现优势的同时,也暴露了它使用小集合估计协方差情况下精度较低的缺陷。为了降低取样噪声对协方差估计的干扰并提高滤波精度,应用局域化函数对小集合估计的协方差进行修正,即在协方差矩阵中以舒尔积的形式增加空间距离权重以限制远距离相关。在一个二维理想孔隙承压含水层模型中的运行结果表明,局域化对集合卡尔曼滤波估计地下水参数的修正十分有效,局域化可以很好地过滤小集合估计中噪声的影响,节省计算量的同时又可以防止滤波发散。相关长度较小的水文地质参数(如对数渗透系数)更容易受到噪声的干扰,更有必要进行局域化修正。

English Abstract

南统超, 吴吉春. 集合卡尔曼滤波估计水文地质参数的局域化修正[J]. 水科学进展, 2010, 21(5): 613-621.
引用本文: 南统超, 吴吉春. 集合卡尔曼滤波估计水文地质参数的局域化修正[J]. 水科学进展, 2010, 21(5): 613-621.
shu
NAN Tong-chao, WU Ji-chun. Localization corrections for the estimation of hydrogeological parameters using ensemble Kalman filter[J]. Advances in Water Science, 2010, 21(5): 613-621.
Citation: NAN Tong-chao, WU Ji-chun. Localization corrections for the estimation of hydrogeological parameters using ensemble Kalman filter[J]. Advances in Water Science, 2010, 21(5): 613-621.
shu

    全文HTML

参考文献 (18)

目录

    /

    返回文章
    返回

    版权所有 © 《水科学进展》杂志社

    主办：南京水利科学研究院、中国水利学会 地址：南京市虎踞关34号邮政编码：210029

    电话：025-85829770电子邮箱：skxjz@nhri.cn

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计