Cette thèse a développé et mis en œuvre des algorithmes itératifs d'assimilation de données pour un modèle d'océan aux équations primitives, et les a comparés avec d'autres méthodes d'AD bien établis tels que le 4Dvar et le Singular Evolutive Extended Kalman (SEEK) Filtre /lisseur. Le modèle numérique utilisé est le modèle NEMO. Il a été configuré pour simuler la circulation typique subtropicale en double gyre. Les nouveaux algorithmes itératifs proposés, semblables au Nudging direct et rétrograde - BFN, sont tous basés sur une séquence d'intégrations alternées du modèle direct et rétrograde. Ce sont le ''Backward Smoother'' (BS), qui utilise le modèle rétrograde pour propager librement des observations "futures" en rétrograde dans le temps, et le ''Back and Forth Kalman Filter'' (BFKF), qui utilise également le modèle rétrograde pour propager les observations en arrière dans le temps, mais qui à chaque fois qu'un lot d'observations est disponible, réalise une étape de mise à jour du système similaire à l'étape de mise à jour du filtre SEEK. Le formalisme Bayésien a été utilisé pour dériver ces méthodes, ce qui signifie qu'ils peuvent être utilisés avec n'importe quelle méthode qui estime la probabilité postérieure du système par des méthodes séquentielles. Les résultats montrent que l'avantage principal des méthodes basées sur le BFN est l'utilisation du modèle rétrograde pour propager les informations des observations en arrière dans le temps.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00976619 |
| Date | 13 March 2014 |
| Creators | Ruggiero, Giovanni Abdelnur |
| Publisher | Université Nice Sophia Antipolis |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | English |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0018 seconds