我们在reading.ac.uk上使用cookie来改善您的体验，监控网站性能并为您量身定制内容
请阅读我们的cookie政策，了解如何管理您的cookie设置
数据同化（Data assimilation， DA）是一个用于天气、海洋和气候科学的术语，指的是以下问题：给定一个动力学模型（例如模拟大气运动的模型）和一系列观测（例如来自真实天气的风测量），找到一个与观测数据相匹配的模型轨迹。
在科学和工程的其他领域也出现了类似的问题，人们甚至可以说，数据处理在那里只是用了另一个名字。在任何情况下，数据同化与非线性平滑和滤波（概率论）、非线性观测器（控制理论和工程）以及逆问题（应用数学和数值数学）之间都有很强的关系。
在天气、海洋和气候科学中，数据同化的特别之处在于，我们必须处理非常大的维度（严格地说，无限维度）系统，因为大气和海洋是用偏微分方程描述的。
数学和统计系的数据同化和反问题NBA投注[手机]俱乐部研究小组是数据同化NBA投注[手机]俱乐部研究中心（DARC）的一部分，该中心涉及整个数学、物理和计算科学学院的NBA投注[手机]俱乐部研究人员。有关雷丁大学数据同化NBA投注[手机]俱乐部研究活动的一般信息，请访问DARC网站。
我们的小组也与数值分析和计算建模小组紧密相连。
我们在这一领域的一部分NBA投注[手机]俱乐部研究包括应用数值分析技术来分析和改进数据同化算法的性能。关于这项工作的更多信息可以在数值分析和计算建模NBA投注[手机]俱乐部研究小组页面上找到。
其他数据同化NBA投注[手机]俱乐部研究包括：
在几天到几周甚至更长的时间尺度上，天气预报的改进依赖于捕捉大气和海洋之间的相互作用，许多业务预报中心现在正在转向使用大气-海洋耦合模型进行日常预报。
大气-海洋系统可以看作是一个具有不同分量的时空尺度的耦合动力系统，这使得数据同化问题特别具有挑战性。我们正在为耦合动力系统开发新的数据同化方法，并与英国气象局合作，在实际天气预报系统中进行测试。
数据同化方法对动态模型（或模型假设）和观测值变化的鲁棒性进行了NBA投注[手机]俱乐部研究——也就是说，我们提出的问题是，这些数据的微小变化是否只会导致解决方案的微小变化。这是有实际意义的，原因有很多。除了关于数据同化性能的理论结果外，我们还NBA投注[手机]俱乐部研究了使从业者能够对数据同化结果进行事后误差分析的方法。简单地将输出与观察结果进行比较是危险的，因为观察结果已经用于寻找解决方案，因此这种方法可能会给出过于乐观的结果。
由于人口和基础设施密集，城市地区往往更容易受到自然灾害的影响，包括极端天气和其他环境因素。
我们管理这些灾害的能力在很大程度上受到我们用于长期规划（例如，设计防洪设施）和及时预报（例如，指导应急响应人员和部署减轻洪水措施）的计算模型预测的准确性的限制。
然而，城市地区也提供了丰富的数据来源，迄今尚未得到充分探索或利用（例如，公民科学、智能手机、物联网等）。我们的愿景是使用动态数据同化（DA），通过将计算模型预测与新的观测数据来源相结合，促进计算模型预测技能的革命，并确保这些发展的影响。