Toward variational data assimilation for coupled models: first experiments on a diffusion problem
Résumé
Nowadays, coupled models are increasingly used in a wide variety of fields including weather forecasting. We consider the problem of adapting existing variational data assimilation methods to this type of application while imposing physical constraints at the interface between the models to be coupled. We propose three data assimilation algorithms to address this problem. The proposed algorithms are distinguished by their choice of cost function and control vector as well as their need to reach convergence of the iterative coupling method (the Schwarz domain decomposition method is used here). The performance of the methods in terms of computational cost and accuracy are compared using a linear 1D diffusion problem.
De nos jours, les modèles couplés sont de plus en plus utilisés dans de nombreux domaines, dont les prévisions météorologiques. Nous essayons ici d'adapter les méthodes courantes d'assimilation de données variationnelles à ce type d'applications tout en imposant des contraintes physiques entre les deux modèles couplés. Nous proposons trois méthodes d'assimilation de données pour ce problème. Les différents algorithmes se distinguent par le choix de leur fonction coût, de leur vecteur de contrôle et du nombre d'itérations de couplage nécessaires (nous utilisons les méthodes de Schwarz pour coupler nos modèles). Ces méthodes sont comparées dans le cadre d'un problème linéaire de diffusion 1D en analysant leur coût de calcul et la qualité de leur analyse.
Domaines
Mathématiques [math]| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...