论文部分内容阅读
众所周知，进行数值天气预报时，数值预报的准确率是随着预报时间的增长而迅速下降的.造成这种现象的原因主要有三点:一是模式方程对物理过程的参数化方案有一定误差;二是数值预报模式的初始场有误差;三是数值预报的计算方法有一定的误差.对于初始场的误差，气象学家提出了非常有效的四维变分资料同化技术.本文主要的目地是尝试将用于处理初始数据的四维变分方法运用到微分方程的参数优化中去. 本文仿照四维变分同化的思想和实现方法，给出一种用已知离散数据优化微分方程部分参数的方法.假设已知一参数待定的微分方程的部分离散解，用最小二乘给出以微分方程参数为自变量的代价函数，用伴随方法求出梯度方向，然后用优化的方法得到参数的优化值.数值实验中，我们先以经典Lorenz模型和Hamilton方程为数值模型，成功地验证了方法的有效性.最后论文还尝试将该方法运用于化学反应中一个实际的问题，给出了数值模拟结果.