.png){kind=icon}
返回
Modular Data Assimilation for Flow Prediction
.png){kind=icon}
PRE
AI
DOI：10.1002/num.70066.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
模块化 nudging 算法（受 Kalman 滤波器启发）被提出。预测 v(n+1) - v(n) / k + v(n) · del v(n+1) - v triangle(n+1) + del q(n+1) = f(x) 若在 t(h+1) 时刻有数据：分析 v(n+1) - v(n+1)/ k - chi I-H(u(t(n+1)) - v(n+1)) = 0。有三个主要结果。1. 若 I-H(2). I-H，分析具有隐式稳定性和显式复杂性：v(n+1 =) v(n+1) + k chi/1+ k chi [I(H)u(t(n+1)) - I(H)v(n+1)]。2. 对于 H 小且 chi 大，可预测性范围无限。3. 对于任何 H 和 chi，误差减小且可预测性范围增大。数值结果证实了该方法的有效性。
Keyword:
data assimilation
Navier Stokes
nudging
predictability
期刊
N
IF:
1.7
论文数:
60
被引数:
3.9K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容