Research of Extended State Variable Method in Ensemble Kalman Filter for Estimating Past State Variables
过去状态估计之集合Kalman滤波扩充状态变量法研究

集合Kalman滤波是由大气数据同化发展的新的同化算法， 它利用蒙特卡罗方法计算背景场的误差协方差矩阵， 克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法， 无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、 获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上， 提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法， 然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明， 这种方法可以对非线性系统中的过去状态变量进行有效的估计订正， 说明该方法是可行的。