利用改进的并行粒子群算法对变分资料同化的研究OA北大核心CSCDCSTPCD
Research on variational data assimilation based on improved parallel particle swarm optimization
近年来,为了提高同化精度和减少同化时间,粒子群算法(PSO)被引入到数值天气预报资料同化中来.粒子群算法虽然令同化精度有所提高,但同化时间仍然存在较大缺陷.基于此,首先设计了一种改进的并行粒子群算法(P2PSO),然后应用于含不连续"开关"过程的变分资料同化中,与时变双重压缩因子粒子群算法(PSOTVCF)和动态权重粒子群算法(PSODIWAF)在同化速度、同化精度和收敛性上进行了比较.实验结果表明,设计的并行粒子群算法在不降低同化精度的同时,将…查看全部>>
董怡琦;周明睿;刘力源;余一冬;陈科;童亚拉
湖北工业大学理学院,武汉430068湖北工业大学理学院,武汉430068湖北工业大学理学院,武汉430068湖北工业大学理学院,武汉430068湖北工业大学理学院,武汉430068湖北工业大学理学院,武汉430068
信息技术与安全科学
变分资料同化数值天气预报粒子群算法并行算法
《华中师范大学学报（自然科学版）》 2021 (1)
46-51,6
湖北省教育厅教学科研项目(2016294,2017320)湖北省教育厅人文社会科学研究项目(17D033)大学生创新创业训练计划项目(国家级)(20191050013).
评论