lorenz63モデルの誤差共分散の過小評価問題

[Toyo-Daichi]

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。

[Toyo-Daichi]

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。