دانلود کتاب تصحیح خطای پیش بینی با استفاده از همسان سازی داده های پویا بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Forecast Error Correction using Dynamic Data Assimilation
ویرایش : 1
عنوان ترجمه شده به فارسی : تصحیح خطای پیش بینی با استفاده از همسان سازی داده های پویا
سری : Springer Atmospheric Sciences
نویسندگان : Sivaramakrishnan Lakshmivarahan, John M. Lewis, Rafal Jabrzemski (auth.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 278
ISBN (شابک) : 9783319399973 , 9783319399959
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب خواننده را با روش جدیدی برای جذب دادهها با محدودیتهای قطعی (ارضاء دقیق محدودیتهای دینامیکی) آشنا میکند - یک استراتژی شبیهسازی بهینه به نام روش حساسیت پیشبینی (FSM)، به عنوان جایگزینی برای متغیرهای چهاربعدی معروف. روش جذب داده ها (4D-Var). 4D-Var با یک مدل پیشبینی زمان به جلو و یک مدل خطی مماس به عقب در زمان (TLM) کار میکند. هم ارزی همسان سازی داده ها از طریق 4D-Var و FSM ثابت شده است و مشکلات با استفاده از دینامیک مرتبه پایین، فرآیند جذب داده ها را با دو روش روشن می کند. مشکل جریان برگشتی بر فراز خلیج مکزیک که شامل مشاهدات هوای فوقانی و محدودیتهای دینامیکی واقعی است، به خواننده ایده خوبی از نحوه پیادهسازی FSM در یک موقعیت واقعی میدهد.
This book introduces the reader to a new method of data assimilation with deterministic constraints (exact satisfaction of dynamic constraints)—an optimal assimilation strategy called Forecast Sensitivity Method (FSM), as an alternative to the well-known four-dimensional variational (4D-Var) data assimilation method. 4D-Var works with a forward in time prediction model and a backward in time tangent linear model (TLM). The equivalence of data assimilation via 4D-Var and FSM is proven and problems using low-order dynamics clarify the process of data assimilation by the two methods. The problem of return flow over the Gulf of Mexico that includes upper-air observations and realistic dynamical constraints gives the reader a good idea of how the FSM can be implemented in a real-world situation.