图书介绍
数据同化算法研发与实验PDF|Epub|txt|kindle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