Ассимиляция данных наблюдений и адаптивный прогноз природных процессов

Abstract

Предложена динамическая модель для прогнозирования случайных составляющих природных процессов, основанная на системной концепции адаптивного баланса влияний – Adaptive Balance of Causes (АВС-модель). Модель содержит динамические уравнения для коэффициентов влияний, которые адаптируются к корреляционным связям прогнозируемого процесса. С целью уточнения прогнозов рассмотрены две возможные схемы ассимиляции данных наблюдений в уравнениях АВС-модели: Колмогорова и Калмана. Обе схемы ориентированы на использование выборочных коэффициентов корреляции при прогнозировании временных рядов наблюдений и, следовательно, учитывают нестационарность реальных природных процессов. Приводятся примеры прогнозирования имитированных временных рядов, поясняющие алгоритмы ассимиляции данных наблюдений. Делается вывод о перспективности системного моделирования и адаптивного прогноза случайных процессов АВС-методом.

Dynamic model for predicting random components of natural processes based on the systems conception of Adaptive Balance of Causes (ABC-model) is proposed. The model contains dynamic equations for cause coefficients which adapt themselves to correlation dependences of the forecasted process. To improve prediction accuracy, two possible schemes of data assimilation in the ABC-model equations, namely Kolmogorov and Kalman ones, are considered. Both of them are supposed to use sample correlation coefficients in prediction of measurement time series and, consequently, take into account nonstationarity of real natural processes. Examples of prediction of the simulated time series are presented to clarify the algorithms of data assimilation. The conclusion is drawn that systems modeling and adaptive prediction of random processes by the ABC-method show considerable promise.