Том 31, номер 06, статья № 6

Аннотация:

На реалистичном сценарии оценки загрязнения атмосферы г. Новосибирска по данным системы мониторинга изучена эффективность прямого алгоритма вариационного усвоения данных с квазинезависимым усвоением данных на отдельных шагах схемы расщепления. Для работы в условиях редкой измерительной сети предложен алгоритм с минимизацией пространственной производной функции неопределенности (управления), за счет которой и производится усвоение данных. Это увеличивает гладкость восстановленных функций неопределенности, что положительно влияет на качество восстановления в рассмотренном сценарии.

Ключевые слова:

усвоение данных, вариационный подход, схема расщепления, «Умный город»

Список литературы:

1. Regional Office for Europe. Air Quality Guidelines Global Update 2005: Particulate Matter, Ozone, Nitrogen Dioxide and Sulfur Dioxide (A EURO Publication). Denmark, Copenhagen: WHO, 2006. 485 p.
2. Пененко В.В., Алоян А.Е., Бажин Н.М., Скубневская Г.И. Численная модель модель гидрометеорологического режима и загрязнения городов и промышленных районов // Метеорол. и гидрол. 1984. № 4. C. 5–15.
3. Bocquet M., Elbern H., Eskes H., Hirtl M., Žabkar R., Carmichael G.R., Flemming J., Inness A., Pagowski M., Pérez Camano J.L., Saide P.E., San Jose R., Sofiev M., Vira J., Baklanov A., Carnevale C., Grell G., Seigneur C. Data assimilation in atmospheric chemistry models: Current status and future prospects for coupled chemistry meteorology models // Atmos. Chem. Phys. 2014. V. 14. P. 32233–32323.
4. Пененко А.В., Пененко В.В. Прямой метод вариационного усвоения данных для моделей конвекции-диффузии на основе схемы расщепления // Вычисл. технологии. 2014. Т. 19. С. 69–83.
5. Penenko A.V., Penenko V.V., Tsvetova E.A. Sequential data assimilation algorithms for air quality monitoring models based on a weak-constraint variational principle // Numer. Anal. Appl. 2016. V. 9. P. 312–325.
6. Penenko V.V., Penenko A.V., Tsvetova E.A. Variational approach to the study of processes of geophysical hydro-thermodynamics with assimilation of observation data // J. Appl. Mech. Tech. Phys. 2017. V. 58. P. 771–778.
7. Penenko A., Penenko V., Mukatova Z. Direct data assimilation algorithms for advection-diffusion models with the increased smoothness of the uncertainty functions // 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). 18–22 September, 2017. Novosibirsk. P. 126–130.
8. Пененко В.В. Методы численного моделирования атмосферных процессов. Л.: Гидрометеоиздат, 1981. 352 с.
9. Марчук Г.И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. 320 с.
10. Пененко В.В., Алоян А.Е. Модели и методы для задач охраны окружающей среды. Новосибирск: Наука, 1985. 256 c.
11. Самарский А.А. Введение в теорию разностных схем. M.: Наука, 1971. 553 c.
12. Гордезиани Д.Г., Меладзе Г.В. О моделировании третьей краевой задачи для многомерных параболических уравнений в произвольной области одномерными уравнениями // Журн. вычисл. матем. и матем. физ. 1974. Т. 14. С. 246–250.
13. Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Barker D.M., Duda M.G., Huang X., Wang W., Powers J.G. A Description of the Advanced Research WRF Version 3. NCAR/TN 475 + STR Technical Note, UCAR [Electronic resource]. URL: http://dx.doi.org/10.5065/D68S4MVH (last access: 19.01.2018).
14. Yandex Static API [Electronic resource]. URL: https://tech.yandex.ru / maps / doc/staticapi/1.x/dg/concepts/ input_params-docpage/ (last access: 19.01.2018).
15. Сервис Яндекс (дорожный трафик) [Электронный ресурс]. URL: http://static-maps. yandex.ru/1.x/?ll=82.920430,55.030199&spn=0.31457,0.15&l=trf (дата обращения: 19.01.2018).
16. О состоянии и об охране окружающей среды Новосибирской области в 2015 году [Электронный ресурс]. URL: http://www.nso.ru/sites/test.new.nso.ru/wodby_files/files/wiki/ 2014/01/korrektura_gosdoklad-2015.compressed.pdf (дата обращения: 19.01.2018).