Intercomparison of the primal and dual formulations of variational data assimilation
Notice bibliographique
Résumé
Abstract Two approaches can be used to solve the variational data assimilation problem. The primal form corresponds to the 3D/4D‐Var used now in many operational NWP centres. An alternative approach, called dual or 3D/4D‐PSAS, consists in solving the problem in the dual of observation space. Both forms use the same basic operators so that once one method is developed, it should be possible to obtain the other easily provided these operators have a modular form. It has been shown that, with proper conditioning of the minimization problem, the two algorithms should have similar convergence rates and computational performances. In the presence of nonlinearities, the incremental form of 3D/4D‐Var extends the equivalence to the so‐called 3D/4D‐PSAS. The first objective of this paper is to present results obtained with the variational data assimilation of the Meteorological Service of Canada to show the equivalence between the 3D‐Var and the PSAS systems. This exercise has forced us to have a close look at the modularity of the operational 3D/4D‐Var which then makes it possible to obtain the 3D‐PSAS scheme. This paper then focuses on these two quadratic problems that show similar convergence rates. However, the minimization of 3D‐PSAS is examined more thoroughly as some parameters are shown to be determining elements in the minimization process. Lastly, preconditioning properties are studied and the Hessians of the two problems are shown to be directly related to one another through their singular vectors, which makes it possible to cycle the Hessian of the PSAS form. Copyright © 2008 Royal Meteorological Society
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».