Методы усвоения данных в гидродинамических моделях циркуляции и их применения для анализа состояния и изменчивости Мирового океана

• Автор: Беляев, Константин Павлович
• Шифр специальности: 25.00.28
• Научная степень: Докторская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 301 с. : ил.

Основные определении, обозначения и сокращения, принятые в данной работе. Черта сверху обозначает вектор, чтобы отличать 3х мерную точку пространства от координаты. Если не оговорено противное, то т г. Т финальный момент времени. По умолчанию полагается , т. О Т со. С1 рассматриваемая область подобласть, 2 площадь или объем данной области. Если не оговорено противное, аргумент в скобках опускается. У 2У2г обозначается как Лх, х у у г1 г . Случайные величины с. Все случайные величины рассматриваются на соответственно введенном вероятностном пространстве, с дискретной или непрерывной относительно меры Лебега вероятностной мерой Р. Если распределение непрерывно, то соответствующая плотность обозначается через рэ, где э принадлежит фазовому пространству пространству значений соответствующей случайной величины. Н рассматриваемая область фазового пространства, т. Греческими буквами с аргументом, например 7, обозначается случайное поле с. V дисперсия с. Пт означает временное осреднение с. Скалярное произведение векторов обозначается через или обозначает вектор или матрицу, сопряженную транспонированную к я.


Атлантики Северного и Южного полушарий, что в результате усвоения существенно улучшается модельная структура термохалинных полей океана, воспроизведение верхнего квазиоднородного слоя, трехмерная структура течений. Таюке
показано соответствие модели после усвоения полученным независимо данным наблюдений. Предложены методы сравнений различных схем усвоения данных океана для одинаковой базы данных, разработан соответствующий аналитический аппарат и показано, что изучаемая схема не уступает имеющимся аналогичным методам, а в ряде случаев их превосходит. Разработаны специфические алгоритмы схемы усвоения данных в океане для параллельных вычислений, которые применены для моделей мелкой воды, в частности для модели НУСОМ Университет Майами, США. Отдельно следует сказать о проблеме контроля качества входящих данных, т. Это очень серьезная проблема, т. Прежде всего необходимо отфильтровать все повторные, дублирующие друг друга данные, поскольку разные источники могут давать и действительно дают данные об одной и той же величине в одних и тех же точках и в тот же момент времени. При этом они могут шифроваться разными кодами, поступать по разным каналам связщ дублироваться сознательно и спонтанно. Кроме отсева дубликатов необходимо контролировать как пространственновременные координаты поступающих данных, так и сами данные причем сами данные надо контролировать по многим параметрам и чисто формальным, и семантическим, например таким, как устойчивость профиля плотности с глубиной. Для прикладной метеорологии решение этой проблемы давно уже превратилось в настоящий бизнес, которым заняты целые отделы в гидрометеоцентрах, центрах прогноза погоды и сбора данных.