基于導航衛(wèi)星掩星資料同化的氣象參數探測方法研究.pdf

1、天氣預報已成為人們生活中必不可少的部分，現代天氣預報的結果主要來源于數值天氣預報模式。數值天氣預報本質上是一種初值優(yōu)化問題，即在一定的初始場和邊界約束條件下，求解模型的方程組，對接下來某個時間段的大氣狀態(tài)變化規(guī)律進行預測。數值天氣預報的預報質量與初始場信息的質量直接相關。將掩星資料同化進數值天氣預報模式中可以明顯改善初始場質量，提高其預報質量。在掩星資料同化技術中，現有的大氣參數求解算法存在一些不足。本課題提出了一種基于同步微擾隨機近似

2、(Simultaneous perturbation stochastic approximation，SPSA)的大氣參數求解方法。該方法利用梯度估計引導搜索過程逼近最優(yōu)解，避開了復雜的代價函數求導過程，可實現性好。
　　本文的主要研究內容及創(chuàng)新工作如下:
　　(1)主要介紹了掩星觀測的相關知識，并重點研究了掩星資料同化技術。本文首先研究了掩星觀測技術的基本原理，并推導了掩星資料同化的代價函數，掩星資料同化技術本質上是一種

3、高維、梯度難以計算的函數優(yōu)化問題;然后根據觀測資料不同將觀測算子分成了大氣折射率算子和彎曲角算子，并對每種算子進行了細分，總結了各類觀測算子的優(yōu)缺點;最后概括并分析了現有的大氣參數求解算法，指出了現有算法在觀測算子復雜時可行性差等不足。
　　(2)提出了一種基于SPSA算法的大氣參數求解算法。同時根據代價函數的實際特點，本文對SPSA算法進行如下改進:根據待優(yōu)化參數特點，以迭代步長向量代替迭代步長因子并且利用方差進一步調整迭代步長