- 数据同化理论和方法--一半科学一半工程
- - 作者：编者:邓雄//杨硕//杨春旺|责编:张彦//王雨石
  - 出版社：哈尔滨工程大学
  - ISBN：9787566141651
  - 出版日期：2023/11/01
  - 页数：241
- 售价：31.6

内容大纲
数据同化是集成多源地理空间数据的新思路，其核心思想是把不同来源、不同分辨率、直接和间接的观测数据与模型模拟结果集成，生成具有时间一致性、空间一致性和物理一致性的各种状态的数据集。
本书围绕数据同化的基本概念、主流算法的基本原理、可预测性与集合预报，以及数据同化的典型应用实例等内容进行系统介绍，旨在展示和剖析数据同化的基本原理与典型方法应用，为从事数据同化与数值预报的专业人员和相关学者提供有益参考，为相关业务保障单位开展新一代地球系统数据同化与数值预报系统装备建设、业务部署和运行保障提供借鉴。
作者介绍
目录
第0章  导言和概述
  0.1  练习
  0.2  示例
第1部分数据同化，标量分析
  第1章  数据同化简介
    1.1  经验分析：目标映射
    1.2  经验分析：逐步订正法
    1.3  张弛逼近法（Nudging）
  第2章  直观的表述：最小二乘法估计与变分法
    2.1  最小二乘法估计
    2.2  实用有限抽样和最小方差估计
    2.3  变分（代价函数）法
    2.4  练习
  第3章  概率论的表述：最大似然估计和贝叶斯定理
    3.1  最大似然估计
    3.2  贝叶斯定理
    3.3  练习
  第4章  序列同化和卡尔曼滤波
    4.1  观测增量
    4.2  顺序数据同化
    4.3  示例
    4.4  练习
  第5章  集合卡尔曼滤波
    5.1  标量案例
    5.2  练习
  第6章  集合平方根滤波：一维案例
    6.1  抽样误差及其对方差估计的影响
    6.2  集合平方根滤波
    6.3  示例
    6.4  练习
第2部分数据同化，多变量分析
  第7章  多变量统计数据同化：OI
    7.1  OI：两个观测的示例
    7.2  一般OI模拟：全球领域
    7.3  观测算子
    7.4  示例
    7.5  关于OI更深入的问题
    7.6  使用多元回归推导OI
    7.7  练习
  第8章  变分方法Ⅰ：三维变分
    8.1  三维变分
    8.2  01、3D-VAR和PSAS的等价性
    8.3  最大似然解与贝叶斯推导
    8.4  练习
  第9章  集合卡尔曼滤波：多变量构想
    9.1  扩展卡尔曼滤波（EKF）
    9.2  集合卡尔曼滤波器（EnKF）
    9.3  集合调整卡尔曼滤波的数据同化方法
    9.4  一种基于最优观测时间窗口的耦合数据同化方法
    9.5  参数估计

    9.6  一种参数敏感度决定的耦合模式多参数优化方法
    9.7  示例
    9.8  练习
  第10章  实际实现中的先进问题
    10.1  背景误差协方差的改进
    10.2  局地化
    10.3  串行同化和局地化更新
    10.4  确定性更新算法：平方根滤波
    10.5  非高斯和非线性
    10.6  练习
  第11章  变分方法Ⅱ：4D-VAR
    11.1  4D-VAR数据同化
    11.2  利用伴随进行梯度计算
    11.3  最小化方案
    11.4  示例
    11.5  4D-VAR的形式化理论和邻接模式的应用
    11.6  练习
  第12章  粒子滤波数据同化方法
    12.1  粒子滤波数据同化方法
    12.2  改进粒子滤波资料同化方法
    12.3  粒子滤波改进方案对比分析
    12.4  均权重粒子滤波同化方法
    12.5  基于统计观测的均权重粒子滤波
第3部分  可预测性与集合预报
  第13章  可预测性的介绍
    13.1  动态系统。混沌和可预测性
    13.2  李雅普诺夫指数：动态系统中混沌的度量
    13.3  L指数频谱的计算
    13.4  练习
  第14章  瞬态误差增长和可预测性：局部李雅普诺夫向量和奇异向量
    14.1  瞬时误差增长
    14.2  局部李雅普诺夫向量：最终时间的最优扰动(在线性动力学中)
    14.3  奇异向量：有限时间的最优扰动
    14.4  SVs和LLV的演变
    14.5  练习
  第15章  集合预报
    15.1  动态一随机的视角
    15.2  蒙特卡洛预测
    15.3  集合预报的目标和优势
    15.4  误差增长率和可预测性的极限
    15.5  练习
  第16章  运行中的集合预报
    16.1  繁殖载体
    16.2  奇异向量
    16.3  扰动的物理集合
    16.4  超级集合
    16.5  气候预测
    16.6  练习
附录A  矩阵操作
  A.1  矩阵操作

  A.2  向量操作
  A.3  特征向量
  A.4  矩阵分解：SVD分解
  A.5  梯度运算
  A.6  最小二乘法
附录B  概率和统计
  B.1  定义
  B.2  概率的公理
  B.3  条件概率
  B.4  贝叶斯定理
  B.5  概率函数
  B.6  连续概率密度函数的例子及其相关的累积分布
  B.7  中心极限定理
  B.8  对随机向量X的概括
  B.9  集合平均数和T分布
  B.10  集合方差和卡方分布
  练习附录B
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目