图书介绍
数据同化算法研发与实验pdf电子书版本下载
- 马建文等著 著
- 出版社： 北京：科学出版社
- ISBN：9787030370044
- 出版时间：2013
- 标注页数：215页
- 文件大小：62MB
- 文件页数：237页
- 主题词：遥感数据－数据处理
PDF下载
下载说明
数据同化算法研发与实验PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论 1
1.1全球变化研究与数据同化 1
1.2数据同化基本构成 3
1.3数据同化算法分类 5
1.4陆面数据同化研究进展 6
1.5遥感数据同化研究进展 8
1.6本书主要内容 8
1.7本章小结 9
主要参考文献 10
第2章 数据同化算法发展与进步 11
2.1变分方法 11
2.1.1三维变分算法 11
2.1.2四维变分算法 12
2.2卡尔曼滤波算法 13
2.3集合卡尔曼滤波算法 15
2.4粒子滤波算法 16
2.5层状贝叶斯方法 17
2.6数据同化算法基本公式、机制与特点 20
2.7本章小结 21
主要参考文献 21
第3章 过程模型选择与应用改进 24
3.1陆面过程模型发展阶段 24
3.2陆面过程模型比较与选择 25
3.3 VIC水文过程模型原理与应用改进 28
3.3.1 VIC水文过程模型原理 28
3.3.2 VIC水文过程模型代码移植与编译 30
3.3.3 VIC水文过程模型应用改进 31
3.4 VIC水文过程模型基础参量准备 32
3.4.1大气驱动数据 32
3.4.2土壤参数 33
3.4.3植被参数 34
3.4.4全局参数 35
3.4.5基础参量与数据来源 36
3.5 VIC水文过程模型数据准备与程序代码 37
3.6 VIC水文过程模型运行与校验 37
3.6.1 VIC水文过程模型运行 38
3.6.2 VIC水文过程模型校验 38
3.7 VIC水文过程模型实验 38
3.7.1 VIC水文过程模型实验一 39
3.7.2 VIC水文过程模型实验二 41
3.7.3 VIC水文过程模型实验三 45
3.8本章小结 47
主要参考文献 47
第4章 经典数据同化算法开发与实验 49
4.1三维变分算法 49
4.1.1算法原理 49
4.1.2算法流程 51
4.1.3算法实现 52
4.2三维变分算法同化实验 52
4.3四维变分算法 53
4.3.1算法原理 53
4.3.2算法流程 54
4.3.3算法实现 55
4.4四维变分算法同化实验 55
4.5集合卡尔曼滤波算法 55
4.5.1算法原理 56
4.5.2算法流程 58
4.5.3算法实现 59
4.6集合卡尔曼滤波算法同化实验 59
4.6.1实验一站点观测数据与VIC水文过程模型数据同化 59
4.6.2实验二微波亮温数据与VIC水文过程模型数据同化 66
4.7本章小结 74
主要参考文献 75
第5章 现代智能数据同化算法Ⅰ：粒子滤波算法 77
5.1粒子滤波算法理论基础 77
5.1.1贝叶斯滤波基本原理 78
5.1.2粒子滤波算法原理 80
5.2重要性采样 80
5.2.1贝叶斯重要性采样 80
5.2.2序贯重要性采样 82
5.3粒子退化与重采样 84
5.3.1粒子退化 84
5.3.2重采样 85
5.4粒子滤波算法流程与实现 86
5.4.1粒子滤波算法流程 87
5.4.2粒子滤波算法实现 88
5.5粒子滤波算法同化实验 88
5.5.1实验一站点观测数据与VIC水文过程模型数据同化 88
5.5.2实验二微波亮温数据与VIC水文过程模型数据同化 95
5.5.3实验三数据同化与VIC水文过程模型参数同步估计 98
5.6本章小结 104
主要参考文献 105
第6章 现代智能数据同化算法Ⅱ：层状贝叶斯网络算法 107
6.1层状贝叶斯方法理论基础 108
6.1.1数据模型 109
6.1.2过程模型 110
6.1.3参数模型 111
6.1.4贝叶斯推理 111
6.2层状贝叶斯网络算法 112
6.2.1数据描述 112
6.2.2层状贝叶斯网络构建 113
6.2.3层状贝叶斯网络结构 117
6.2.4层状贝叶斯网络学习、校验与预测 118
6.2.5层状贝叶斯网络算法流程 119
6.3基于多尺度回归模型的层状贝叶斯网络算法 120
6.3.1基于多尺度回归模型的层状贝叶斯网络构建 121
6.3.2基于多尺度回归模型的层状贝叶斯网络结构 124
6.3.3基于多尺度回归模型的层状贝叶斯网络推理 125
6.3.4最大似然参数估计 129
6.3.5基于多尺度回归模型的层状贝叶斯网络算法技术流程 132
6.4层状贝叶斯网络同化站点观测与VIC水文过程模型数据实验 133
6.4.1数据预处理 133
6.4.2层状贝叶斯网络学习与校验 135
6.4.3层状贝叶斯网络预测 139
6.4.4程序代码 140
6.5本章小结 141
主要参考文献 141
第7章 数据同化集成系统 143
7.1系统结构与功能设计 143
7.2系统详细设计 145
7.2.1输入输出模块 146
7.2.2陆面过程模型模块 146
7.2.3数据同化算法模块 147
7.2.4数据可视化模块 148
7.2.5精度评价模块 149
7.3系统功能实现与界面 149
7.3.1数据同化功能与界面 149
7.3.2数据可视化功能与界面 156
7.3.3精度评价功能与界面 158
7.4本章小结 159
主要参考文献 159
附录一 VIC水文过程模型与数据准备的C/C++代码 160
附录二 三维变分算法（3DVAR）开发C++代码 174
附录三 四维变分算法（4DVAR）开发C++代码 183
附录四 集合卡尔曼滤波算法（EnKF）开发C++代码 190
附录五 粒子滤波算法（PF）开发C++代码 202
附录六 层状贝叶斯网络算法（HBN）开发WinBUGS和Matlab代码 210