抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
データ同化手法として,アジョイント法およびアンサンブルカルマンフィルタについて解説した。流体などの物理現象の数値シミュレーションモデルでは,観測データとつきあわせてみると,推定結果は思うように現実を再現できていないことがある。そのため,本来不要な観測データをシミュレーションモデルによる推定値に“同化” させ,修正した推定値を作成することにする。これがデータ同化である。データ同化手法は,全タイムステップでの変数の同時分布を最大とするような解(MAP解) を求める方法,もしくは各タイムステップでの変数の周辺分布そのものを求める方法の2通りに大別できる。前者は最適化の問題であり,アジョイント法と呼ばれる微分法が用いられる。後者は統計的推測の問題であり,アンサンブルカルマンフィルタなどの逐次型のアルゴリズムが用いられる。本稿では,アジョイント法とアンサンブルカルマンフィルタについて説明した。