We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
カルマンフィルタ(Kalman Filter: KF)を非線形モデルに適用した場合、仮にモデルが完全でランダム過程を含まない理想的な場合でも、KFは発散することが知られている。
解析値が真の値から離れていき、データ同化が上手く働かないことを言う。filter divergence とも言う。
この一因は、誤差共分散の予報方程式の近似において紛れ込む誤差により、KFが見積もる誤差が過小となって第一推定値を信頼しすぎるためである。これを防ぐために共分散膨張(covariance inflation)を行い、より観測データを取り組むことでKFを安定化することができる。
現段階(tag: assimilation_tool_ver2.0)では、KFに共分散膨張は実装していない。結果を確認してみたところ、データ精度が著しく下がっていたため検討する。
The text was updated successfully, but these errors were encountered:
誤差共分散行列に共分散行列膨張を促すアルファを作成した。 しかし、値のミスはこれには当たらなかった。
Sorry, something went wrong.
Toyo-Daichi
Successfully merging a pull request may close this issue.
カルマンフィルタ(Kalman Filter: KF)を非線形モデルに適用した場合、仮にモデルが完全でランダム過程を含まない理想的な場合でも、KFは発散することが知られている。
この一因は、誤差共分散の予報方程式の近似において紛れ込む誤差により、KFが見積もる誤差が過小となって第一推定値を信頼しすぎるためである。これを防ぐために共分散膨張(covariance inflation)を行い、より観測データを取り組むことでKFを安定化することができる。
現段階(tag: assimilation_tool_ver2.0)では、KFに共分散膨張は実装していない。結果を確認してみたところ、データ精度が著しく下がっていたため検討する。
The text was updated successfully, but these errors were encountered: