數(shù)據(jù)同化：集合卡爾曼濾波

第1章 引言
第2章 統(tǒng)計學定義
2．1 概率密度函數(shù)
2．2 統(tǒng)計矩
2．2．1 期望值
2．2．2 方差
2．2．3 協(xié)方差
2．3 樣本統(tǒng)計
2．3．1 樣本均值
2．3．2 樣本方差
2．3．3 樣本協(xié)方差
2．4 隨機場統(tǒng)計
2．4．1 樣本均值
2．4．2 樣本方差
2．4．3 樣本協(xié)方差
2．4．4 相關性
2．5 偏差
2．6 中心極限定理
第3章 分析方案
3．1 標量
3．1．1 狀態(tài)-空間公式
3．1．2 貝葉斯公式
3．2 擴展到空間維度
3．2．1 基本公式
3．2．2 歐拉-拉格朗日方程
3．2．3 解決方案
3．2．4 描述函數(shù)矩陣
3．2．5 誤差估計
3．2．6 解的唯一性
3．2．7 罰函數(shù)的最小化
3．2．8 罰函數(shù)的先驗與后驗值
3．3 離散形式
第4章 順序的數(shù)據(jù)同化
4．1 線性動力學
4．1．1 標量下的卡爾曼濾波
4．1．2 矢量下的卡爾曼濾波
4．1．3 具有線性平流方程的卡爾曼濾波
4．2 非線性動力學
4．2．1 標量下的擴展卡爾曼濾波
4．2．2 擴展卡爾曼濾波器的矩陣形式
4．2．3 擴展卡爾曼濾波舉例
4．2．4 擴展卡爾曼濾波器的平均值
4．2．5 討論
4．3 集合卡爾曼濾波
4．3．1 誤差統(tǒng)計的表述
4．3．2 誤差統(tǒng)計的預測
4．3．3 分析方案
4．3．4 討論
4．3．5 QG模式的應用實例
第5章 變分逆問題
5．1 簡單例子
5．2 線性逆問題
5．2．1 模式和觀測
5．2．2 觀測函數(shù)
5．2．3 觀測方程的說明
5．2．4 統(tǒng)計假設
5．2．5 弱約束變分公式
5．2．6 罰函數(shù)的極值
5．2．7 歐拉-拉格朗日方程
5．2．8 強約束逼近
5．2．9 代表函數(shù)展開獲得的解
5．3 使用?？寺Ｊ降拇砗瘮?shù)法
5．3．1 逆問題
5．3．2 變分公式
5．3．3 歐拉-拉格朗日方程
5．3．4 代表函數(shù)的解
5．3．5 范例試驗
……
第6章 非線性變分逆問題
第7章 概率公式
第8章 廣義逆
第9章 集合方法
第10章 統(tǒng)計優(yōu)化
第11章 EnKF的采樣策略
第12章 模式誤差
第13章 平方根分析方案
第14章 秩的問題
第15章 偽相關性、局地化和膨脹
第16章 海洋預報系統(tǒng)
第17章 油層仿真模式中的估計
附錄
參考文獻