Ensemble Kalman filter on high and infinite dimensional spaces
Ensemblový Kalmanův filtr na prostorech velké a nekonečné dimenze
dizertační práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/86462Identifikátory
SIS: 85510
Kolekce
- Kvalifikační práce [10690]
Autor
Vedoucí práce
Konzultant práce
Mandel, Jan
Oponent práce
Pannekoucke, Olivier
Antoch, Jaromír
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Pravděpodobnost a matematická statistika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
10. 4. 2017
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Prospěl/a
Klíčová slova (česky)
ensemblový Kalmanův filtr, asimilace dat, Hilbertovy prostory, lokalizace kovarianceKlíčová slova (anglicky)
ensemble Kalman filter, data assimilation, Hilbert spaces, covariance localizationNázev práce: Ensemblový Kalmanův filtr na prostorech velké a nekonečné di- menze Autor: Mgr. Ivan Kasanický Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: doc. RNDr. Daniel Hlubinka, Ph.D., Katedra pravdě- podobnosti a matematické statistiky Konzultant disertační práce: prof. RNDr. Jan Mandel, CSc., Department of Mathematical and Statistical Sciences, University of Colorado Denver Abstrakt: Ensemblový Kalmanův filtr (EnKF) je rekursivní algoritmus, který se používá pro asimilaci dat. Asimilace dat je sekvenční odhad stavu chaotického dynamického systému, jehož vývoj v čase je řízen soustavou diferenciálních rovnic. Z těchto důvodů je rozumné předpokládat, že dimenze stavu tohoto systému je nekonečná. V předložené práci je dokázáno, že je možné použít EnKF i když je systém definován na nekonečně rozměrném separabilním Hilbertově prostoru, a to za předpokladu, že šum v pozorováních je pouze slabá náhodná veličina se zdola omezenou kovariancí. Je též ukázáno, že za splnění těchto předpokladů je možné použít i jiné asimilační metody a to 3DVAR a Bayesovský filtr. Navíc známy fakt, že EnKF konverguje k řešení Kalmanova filtru jestliže počet členů ensemblu roste nade všechny...
Title: Ensemble Kalman filter on high and infinite dimensional spaces Author: Mgr. Ivan Kasanický Department: Department of Probability and Mathematical Statistics Supervisor: doc. RNDr. Daniel Hlubinka, Ph.D., Department of Probability and Mathematical Statistics Consultant: prof. RNDr. Jan Mandel, CSc., Department of Mathematical and Statistical Sciences, University of Colorado Denver Abstract: The ensemble Kalman filter (EnKF) is a recursive filter, which is used in a data assimilation to produce sequential estimates of states of a hidden dynamical system. The evolution of the system is usually governed by a set of di↵erential equations, so one concrete state of the system is, in fact, an element of an infinite dimensional space. In the presented thesis we show that the EnKF is well defined on a infinite dimensional separable Hilbert space if a data noise is a weak random variable with a covariance bounded from below. We also show that this condition is su cient for the 3DVAR and the Bayesian filtering to be well posed. Additionally, we extend the already known fact that the EnKF converges to the Kalman filter in a finite dimension, and prove that a similar statement holds even in a infinite dimension. The EnKF su↵ers from a low rank approximation of a state covariance, so a covariance localization is required in...