Сравнение методов усвоения данных на основе классического, ансамблевого и локального фильтра Калмана на примере уравнения адвекции и задачи Лоренца

Статья посвящена сравнению трех методов усвоения данных наблюденй: фильтр Калмана (Kalman Filter, KF), ансамблевый фильтр Калмана (Ensemble Kalman Filter, EnKF) и локальный фильтр Калмана (Local Kalman Filter, LKF). Выполнены численные эксперименты по усвоению синтетических данных этими методами в двух разных моделях, описываемых системами дифференциальных уравнений. Первая описывается одномерным линейным уравнением адвекции, а вторая - системой Лоренца. Проведено сравнение средних ошибок и времени исполнения этих методов при различных размерах модели, которые согласуются с теоретическим оценками. Показано, что вычислительная сложность ансамблевого и локального фильтров Калмана растет линейно с увеличением размера модели, в то время как у первого метода эта сложность растет со скоростью куба. Рассмотрена эффективность одной из возможных параллельных реализаций локального фильтра Калмана.