查看“︁数据同化”︁的源代码

{{unreferenced|time=2012-02-13T19:20:04+00:00}}
'''数据同化'''，或稱資料同化，是通过[[数学模型]][[拟合]]观测数据的一种渐进方式，通常用于[[复杂系统]]的建模和[[動態預測]]。这类系统通常具有复杂的[[数学模型]]，[[自由度 (统计学)|自由度]]有时达到<math>10^6</math>，且因为观测数据体量庞大，使得对全体观测进行[[静态拟合]]成为不可能。

== “分析-预报”循环 ==
'''数据同化'''过程主要为两个步骤的循环。第一步可以称为''[[分析]]''，其中实际系统的观测量与[[模型]]产生的''预报''值相比较/融合，得到系统现在状态的最佳估计。在第二步，根据观测数据和模型两者包含的[[不确定性|不确定度性]]信息，[[平衡]]二者得到关于未来系统状态的预报值（具体时间点由下一批观测值给出）。这就完成了一个''分析-预报''循环。

== 数据同化与卡尔曼滤波器 ==
可以用[[卡尔曼滤波|卡尔曼滤波器]]来比喻数据同化过程。其中“分析”步骤类似于观测值与它的预估值的作差；预报步骤则相当于系统状态的最优估计。数据同化通常与最优控制过程之不同在于其自由度数量庞大，根本无法得到其[[协方差矩阵]]。数据同化常用于涉及大规模时效性数据处理的过程，如现代[[天气预报]]。


== 相關條目 ==   
*[[天气预报]]

[[Category:估计理论]]
[[Category:控制理论]]
[[Category:贝叶斯统计]]
[[Category:氣候與天氣統計學]]