Diseño e Implementación de un Sistema de Asimilación de Datos Regulador para Modelos Cuasi-Geostróficos en Dos Dimensiones

Los modelos de predicción son extremadamente útiles en situaciones de la vida real, pero rara vez son representaciones fidedignas de todos los aspectos de un fenómeno natural, ya que generalmente están sujetos a simplificaciones para hacerlos útiles en contextos reales de producción. A pesar de que estas discrepancias tienden a ser negligibles en lapsos cortos de tiempo y espacio, pueden producir errores significativos fuera de esta ventana pequeña de utilidad. Para aliviar estos problemas, métodos de filtrado estadístico, que inyectan observaciones parciales, es decir que hacen asimilación de datos, para un modelo físico han sido introducidos para reducir el error general de un sistema. En particular, en el espacio de las Predicciones Numéricas del Clima (NWP), el Filtro de Kalman ha mostrado ser extremadamente fiable y útil. Desafortunadamente, estas técnicas tienden a ser computacionalmente costosas. Este trabajo entonces pretende presentar un modelo eficiente de cómputo a través de la combinación de varias técnicas innovadoras que se han desarrollado para los Ensemble Kalman Filters. En particular, implementaremos un sistema de asimilación de datos regulador basado en el EnKF-MC y lo aplicaremos a un modelo cuasi-geostrófico bidimensional de la vorticidad de una cuadrilla rectangular del mar.

• Autores: Garrido Cepeda, Sebastian
• Fecha de publicación: 2018
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/7994
• Acceso en línea: http://hdl.handle.net/10584/7994
• Palabra clave: Filtros de Kalman ensemble Regulador Cuasi-Geostrófico Predicciones Numéricas del Clima Descomposición Modificada de Cholesky; Kalman Filter ensemble Smoother Quasi-Geostrophic Numerical Weather Predictions Modified Cholesky Decomposition
• License: Universidad del Norte