Název: Ensemblový Kalmanův filtr na prostorech velké a nekonečné dimenze
Překlad názvu: Ensemble Kalman filter on high and infinite dimensional spaces
Autoři: Kasanický, Ivan ; Hlubinka, Daniel (vedoucí práce) ; Pannekoucke, Olivier (oponent) ; Antoch, Jaromír (oponent)
Typ dokumentu: Disertační práce
Rok: 2017
Jazyk: eng
Abstrakt: [eng] [cze]
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... Název 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...
Klíčová slova: asimilace dat; ensemblový Kalmanův filtr; Hilbertovy prostory; lokalizace kovariance; covariance localization; data assimilation; ensemble Kalman filter; Hilbert spaces

Instituce: Fakulty UK (VŠKP) (web)
Informace o dostupnosti dokumentu: Dostupné v digitálním repozitáři UK.
Původní záznam: http://hdl.handle.net/20.500.11956/86462

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-357742


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Univerzita Karlova > Fakulty UK (VŠKP)
Vysokoškolské kvalifikační práce > Disertační práce