2022 Fiscal Year Research-status Report
Global atmospheric data assimilation using radial basis functions
| Project/Area Number |
21K03662
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
榎本 剛 京都大学, 防災研究所, 教授 (10358765)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 数値最適化 / データ同化 / ヘシアン / 共軛勾配法 / ニュートン法 / 直線探索 / KdVB方程式 / 順圧渦度方程式 |
|---|
| Outline of Annual Research Achievements |
異なる最適化手法のふるまいについて詳しく調査した。ヘシアンを用いた前処理は2次函数については効果的であるが、高次の非線型に対しては逆効果となることがある。ヘシアン前処理を用いると、共軛勾配法でもニュートン法同様に2次函数の最小値に1回で到達するが、高次の函数では前処理により反復回数が増加した。これに対し、直線探索を用いないニュートン法及びガウス・ニュートン法は高次の非線型函数でも速く収束する。その理由について考察したところ、これらの手法ではコスト函数が増加する方向にも進み、次に最小値またはその近傍に到達できることを示した。次に単一の風速観測を同化する実験において、収束特性について検討を行った。共軛勾配法を用いた場合、最急降下方向に進む最初の反復回の後、最適化が終了してしまう。降下方向のコスト函数を確認すると、直線探索におけるArmijo条件を満たさずに終了することが分かった。この最適化の停滞は初期の観測摂動行列を固定することで回避できることを見出した。さらにKdVB方程式モデルを構築し、共軛勾配法を用いた最尤法アンサンブルフィルタと本研究において考案したニュートン法を用いた改良版との比較を行い、後者は前者に匹敵する解析精度が得られかつ予報がより安定することを示した。加えて、海洋表層の海流を模した矩形の順圧渦度方程式モデルを構築し、大規模問題に適用する場合に必要となる局所化について検討を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
数値最適化は変分法データ同化において、第一推定値や観測との乖離を表すコスト函数の最小化に用いられている。物理空間で最適化を行う場合、計算資源の制約から2次収束するニュートン法を用いることができず、共軛勾配法や省メモリ準ニュートン法で代用されている。アンサンブル手法で用いられるメンバー数は高々1000程度であり、ヘシアンを明示的に扱い、逆行列を求めることは難しくない。一方アンサンブルから計算されるコスト函数やその勾配、ヘシアンは限られた標本からの推定であり、誤差がありノイズが含まれている。そのような条件の下で、ベンチマーク函数や理想的なデータ同化実験を用いてアンサンブル変分法データ同化に適した数値最適手法を検討したことは、今後現実の大規模問題に適用する際に有用な指針を与えるものである。
|
| Strategy for Future Research Activity |
数値最適化に関する考察を国際学会で報告するとともに、投稿論文としてまとめる。順圧渦度方程式モデル等を活用し、現実の大気や海洋の流れに対するデータ同化において数値最適化がどのように機能するかや局所化により共分散の構造及び解析がどのような影響を受けるかについて詳細に分析を行う。さらには、3次元モデルへの適用に向けて、モデルや同化コードの準備を進める。
|
| Causes of Carryover |
学務多忙のため国際学会に参加できず、海外出張を行わなかった。また、京都大学のスーパーコンピュータの納入が遅れ、計算機使用料の支出が予定額よりも少なくなった。
|
