Сопряженные уравнения и методы вариационного усвоения данных в задачах геофизической гидродинамики
- Авторы: Агошков В.И.1, Залесный В.Б.1, Шутяев В.П.1, Пармузин Е.И.1, Захарова Н.Б.1
-
Учреждения:
- Институт вычислительной математики им. Г.И. Марчука Российской академии наук
- Выпуск: Том 61, № 3 (2025)
- Страницы: 324-339
- Раздел: Статьи
- URL: https://journal-vniispk.ru/0002-3515/article/view/319549
- DOI: https://doi.org/10.31857/S0002351525030048
- ID: 319549
Цитировать
Аннотация
Представлено современное состояние исследований в области сопряженных уравнений и вариационного усвоения данных наблюдений для модели динамики океана, развиваемой в ИВМ РАН. Разработанная технология четырехмерного вариационного усвоения данных (4D-Var) базируется на методе многокомпонентного расщепления математической модели динамики океана и минимизации функционала стоимости, связанного с данными наблюдений, путем решения системы оптимальности, включающей сопряженные уравнения и ковариационные матрицы ошибок наблюдений и начального приближения. Предложены эффективные алгоритмы решения вариационных задач усвоения данных на основе современных итерационных процессов со специальным выбором итерационных параметров, а также алгоритмы исследования чувствительности характеристик модели к ошибкам данных наблюдений. Методология иллюстрируется для модели гидротермодинамики Черного моря с вариационным усвоением данных для восстановления тепловых потоков на поверхности моря.
Об авторах
В. И. Агошков
Институт вычислительной математики им. Г.И. Марчука Российской академии наук
Email: victor.shutyaev@mail.ru
ул. Губкина, 8, Москва, 119333 Россия
В. Б. Залесный
Институт вычислительной математики им. Г.И. Марчука Российской академии наук
Email: victor.shutyaev@mail.ru
ул. Губкина, 8, Москва, 119333 Россия
В. П. Шутяев
Институт вычислительной математики им. Г.И. Марчука Российской академии наук
Email: victor.shutyaev@mail.ru
ул. Губкина, 8, Москва, 119333 Россия
Е. И. Пармузин
Институт вычислительной математики им. Г.И. Марчука Российской академии наук
Email: victor.shutyaev@mail.ru
ул. Губкина, 8, Москва, 119333 Россия
Н. Б. Захарова
Институт вычислительной математики им. Г.И. Марчука Российской академии наук
Автор, ответственный за переписку.
Email: victor.shutyaev@mail.ru
ул. Губкина, 8, Москва, 119333 Россия
Список литературы
- Агошков В.И. Методы оптимального управления и сопряженных уравнений в задачах математической физики. М.: ИВМ РАН, 2003, 256 с.
- Агошков В.И., Ипатова В.М. Разрешимость задачи усвоения данных наблюдений в трехмерной модели динамики океана // Дифференциальные уравнения. 2007. Т. 43. № 8. С. 1064–1075.
- Агошков В.И., Пармузин Е.И., Шутяев В.П. Численный алгоритм вариационной ассимиляции данных наблюдений о температуре поверхности океана // Ж. вычисл. матем. и матем. физ. 2008. T. 48. № 8. С. 1371–1391.
- Агошков В.И., Шутяев В.П., Пармузин Е.И., Захаро- ва Н.Б., Шелопут Т.О, Лезина Н.Р. Вариационная ассимиляция данных наблюдений в математической модели динамики Черного моря // Морской гидрофизический журнал. 2019. Т. 35. № 6. С. 585–599.
- Владимиров В.С., Марчук Г.И. Об определении сопряженного оператора для нелинейных задач // Докл. АН СССР. 2000. Т. 372. № 2. С. 165–168.
- Дианский Н.А., Багно А.В., Залесный В.Б. Сигма-модель глобальной циркуляции океана и ее чувствительность к вариациям напряжения трения ветра // Изв. РАН. Физика атмосферы и океана. 2002. Т. 38. № 4. С. 537–556.
- Дымников В.П. Сопряженные уравнения систем гидродинамического типа // Изв. РАН. Физика атмосферы и океана. 2001. Т. 37. № 4. С. 3–9.
- Дымников В.П., Залесный В.Б. Основы вычислительной геофизической гидродинамики. М.: ГЕОС, 2019. 448 с.
- Захарова Н.Б. Верификация данных наблюдений о температуре поверхности моря // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 3. С. 106–113.
- Лупян Е.А., Матвеев А.А., Уваров И.А., Бочарова Т.Ю., Лаврова О.Ю., Митягина М.И. Спутниковый сервис See the Sea — инструмент для изучения процессов и явлений на поверхности океана // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 251–261.
- Марчук Г.И. О постановке некоторых обратных задач // ДАН СССР. 1964. Т. 156. No. 3. С. 503–506.
- Марчук Г.И. Уравнение для ценности информации с метеорологических спутников и постановка обратных задач // Космич. исслед. 1964. Т. 2. Вып. 3. С. 462–477.
- Марчук Г.И. Основные и сопряженные уравнения динамики атмосферы и океана // Метеорология и гидрология. 1974. № 2. С. 9–37.
- Марчук Г.И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. 320 с.
- Марчук Г.И. Сопряженные уравнения и анализ сложных систем. М.: Наука, 1992. 334 с.
- Марчук Г.И. Cопряженные уравнения и чувствительность функционалов // Исследование Земли из космоса. 1997. № 4. С. 100–125.
- Марчук Г.И., Агошков В.И., Шутяев В.П. Сопряженные уравнения и методы возмущений в нелинейных задачах математической физики. М.: Наука, 1993. 224 с.
- Марчук Г.И., Орлов В.В. К теории сопряженных функций. Нейтронная физика. М.: Госатомиздат, 1961. С. 30–45.
- Марчук Г.И., Пененко В.В. Исследование чувствительности дискретных моделей динамики атмосферы и океана // Изв. АН СССР. Физика атмосферы и океана. 1979. Т. 15. № 11. С. 1123–1131.
- Пененко В.В. Методы численного моделирования атмосферных процессов. Л.: Гидрометеоиздат, 1981. 352 с.
- Пененко В.В., Образцов Н.Н. Вариационный метод согласования полей метеорологических элементов // Метеорология и гидрология. 1976. № 11. С. 1–11.
- Шутяев В. П. Операторы управления и итерационные алгоритмы в задачах вариационного усвоения данных. М.: Наука, 2001. 239 с.
- Шутяев В.П. Методы усвоения данных наблюдений в задачах физики атмосферы и океана // Изв. РАН. Физика атмосферы и океана. 2019. Т. 55. № 1. C. 17–34.
- Шутяев В.П., Ле Диме Ф. Чувствительность функционалов задач вариационного усвоения данных // Доклады академии наук. Математика. 2019. Т. 486. № 4. С. 421–425.
- Agoshkov V.I., Gusev, A.V., Diansky N.A., Oleinikov R.V. An algorithm for the solution of the ocean hydrothermodynamics problem with variational assimilation of the sea level function data // Russ. J. Numer. Anal. Math. Model. 2007. V. 22. P. 133–161.
- Agoshkov V.I., Marchuk G.I. On solvability and numerical solution of data assimilation problems // Russ. J. Numer. Anal. Math. Modelling. 1993. V. 8. P. 1–16.
- Asch M., Bocquet M., Nodet M. Data Assimilation: Methods, Algorithms, and Applications; SIAM: Philadelphia, USA, 2016.
- Cacuci D.G. Sensitivity theory for nonlinear systems: II.Extensions to additional classes of responses // J. Math. Phys. 1981. V. 22. P. 2803–2812.
- Carrassi A., Bocquet M., Bertino L., Evensen G. Data assimilation in the geosciences: an overview of methods, issues, and perspectives // WIREs Clim. Change. 2018. V. 9. P. 1–80.
- Chen F., Shapiro G., Thain R. Sensitivity of Sea Surface Temperature Simulation by an Ocean Model to the Resolution of the Meteorological Forcing // Int. Sch. Res. Not. Oceanography. 2013. V. 2013. P. 215715.
- Cioaca A., Sandu A., de Sturler E. Efficient methods for computing observation impact in 4D-Var data assimilation // Comput. Geosci. 2013. V. 17. P. 975–990.
- Clayton A. M., Lorenc A. C., Barker D. M. Operational implementation of a hybrid ensemble/4D-Var global data assimilation at the Met Office // Q. J. Roy. Meteor. Soc. 2013. V. 139. P. 1445–1461.
- Sirkes Z., Tziperman E. Finite difference of adjoint or adjoint of finite difference? // Mon. Weather Rev. 1997. V. 125. P. 3373–3378.
- Daescu D.N. On the sensitivity equations of four-dimensional variational (4D-Var) data assimilation // Mon.Weather Rev. 2008. V. 136. P. 3050–3065.
- Le Dimet F.X., Talagrand O. Variational algorithms for analysis and assimilation of meteorological observations: theoretical aspects // Tellus. 1986. V. 38A. P. 97–110.
- Fletcher, S.J. Data Assimilation for the Geosciences: From Theory to Application; Elsevier: Amsterdam, the Netherlands, 2017.
- Gejadze I., Le Dimet F.-X., Shutyaev V.P. On analysis error covariances in variational data assimilation // SIAM J. Sci. Comput. 2008. V. 30. № 4. P. 1847–1874.
- Gejadze I., Le Dimet F.-X., Shutyaev V.P. On optimal solution error covariances in variational data assimilation problems // J. Comp. Phys. 2010. V. 229. P. 2159–2178.
- Gejadze I., Shutyaev V.P., Le Dimet F.-X. Analysis error covariance versus posterior covariance in variational data assimilation // Q. J. R. Meteorol. Soc. 2013. V. 139. P. 1826–1841.
- Gualtieri G. Analysing the uncertainties of reanalysis data used for wind resource assessment: A critical review // Renew. Sustain. Energy Rev. 2022. V. 167. P. 112741.
- Hersbach H. et al. The ERA5 global reanalysis // Q. J. R. Meteorol. Soc. 2020. V. 146. P. 1999–2049.
- Le Dimet F.-X., Navon I.M., Daescu D.N. Second-order information in data assimilation // Month. Wea. Rev. 2002. V. 130. № 3. P. 629–648.
- Le Dimet F.-X., Ngodock H.E., Luong B., Verron J. Sensitivity analysis in variational data assimilation // J. Meteorol. Soc. Japan. 1997. V. 75(1B). P. 245–255.
- Le Dimet F.-X., Shutyaev V. On deterministic error analysis in variational data assimilation // Nonlinear Processes in Geophysics. 2005. V. 12. P. 481–490.
- Le Dimet F.-X., Shutyaev V., Parmuzin E. Sensitivity of functionals with respect to observations in variational data assimilation // Russ. J. Numer. Anal. Math. Modelling. 2016. V. 31. № 2. P. 81–91.
- Lions J.L. Contrôle optimal des systèmes gouvernés par des équations aux dérivées partielles. Paris: Dunod, 1968.
- Marchuk G.I. Adjoint Equations and Analysis of Complex Systems. Dordrecht: Kluwer, 1995.
- Marchuk G.I. Splitting and alternating direction methods / Handbook of Numerical Analysis. V. 1. Ed. Ciarlet P.G., Lions J.L., North-Holland: Amsterdam, 1990. P. 197–462.
- Marchuk G.I., Zalesny V.B. A numerical technique for geofisical data assimilation problem using Pontryagin's principle and splitting-up method // Russian J. Num. Anal. Math. Mod. 1993. V. 8. No. 4. P. 311–326.
- Mogensen K., Balmaseda M.A., Weaver A.T., Martin M., Vidard A. NEMOVAR: a variational data assimilation system for the NEMO ocean model // ECMWF Technical Memorandum. 2009. No. 120.
- Sasaki Y.K. An objective analysis based on the variational method // J.Meteor. Soc. Japan. 1958. V. 36. P. 77–88.
- Shapiro G.I., Salim M. How efficient is model-to-model data assimilation at mitigating atmospheric forcing errors in a regional ocean model? // J. Mar. Sci. Eng. 2023. V. 11. № 5. P. 935.
- Shutyaev V.P., Agoshkov V.I., Parmuzin E.I., Zalesny V.B., Zakharova N.B. 4D technology of variational data assimilation for sea dynamics problems // Supercomputing Frontiers and Innovations. 2022. V. 9. No. 1. P. 4–16.
- Zalesny V.B., Agoshkov V.I., Shutyaev V.P., Le Dimet F., Ivchenko B.O. Numerical modeling of ocean hydrodynamics with variational assimilation of observational data // Izv. Atmos. Ocean. Phys. 2016. V. 52. P. 431–442.
- Zalesny V., Agoshkov V., Shutyaev V., Parmuzin E., Zakharova N. Numerical modeling of marine circulation with 4D variational data assimilation // J. Mar. Sci. Eng. 2020. V. 8 No. 503. P. 1–19.
- Zalesny V.B., Diansky N.A., Fomin V.V., Moshonkin S.N., Demyshev S.G. Numerical model of the circulation of the Black Sea and the Sea of Azov // Russ. J. Numer. Anal. Math. Modelling. 2012. V. 27. № 1. P. 95–112.
- Zalesny V.B., Marchuk G.I., Agoshkov V.I., Bagno A.V., Gusev A.V., Diansky N.A., Moshonkin S.N., Tamsalu R., Volodin E.M. Numerical simulation of large-scale ocean circulation based on the multicomponent splitting method // Russ. J. Numer. Anal. Math. Model. 2010. V. 25. P. 581–609.
Дополнительные файлы
