| Titre : | Dynamic Data Assimilation :a least squares approach |
| Titre original: | Dynamique d'assimilation des données |
| Auteurs : | J. Lewis ; S. Lakshmivarahan ; S. Dhall |
| Type de document : | ouvrage |
| Editeur : | Cambridge [GBR] : Cambridge University Press, 2006 |
| Collection : | Encyclopedia of mathematics and its applications |
| ISBN/ISSN/EAN : | 978-0-521-85155-8 |
| Format : | 654 |
| Note générale : |
Encyclopedia of Mathematics and its Applications (No. 104) Diffusion tous publics |
| Langues: | = Anglais |
| Catégories : | |
| Mots-clés: | MODELE MATHEMATIQUE ; THEORIE ; EVALUATION ; MODELE STOCHASTIQUE ; SYSTEME DYNAMIQUE |
| Résumé : |
Dynamique d'assimilation de données est l'évaluation, la combinaison et synthèse de données d'observation, les lois scientifiques et des modèles mathématiques pour déterminer l'état d'un système physique complexe, par exemple comme une étape préliminaire dans faire des prédictions sur le comportement du système. Le sujet a pris une importance croissante dans les domaines tels que la prévision numérique du temps où les efforts consciencieux sont en cours pour prolonger la durée de prévisions météorologiques fiables au-delà des quelques jours qui sont actuellement réalisables. Ce livre est conçu pour être une base unique de référence pour les étudiants diplômés et des chercheurs. Il est basé sur des cours de troisième cycle a enseigné plus d'une décennie à des mathématiciens, des scientifiques et ingénieurs, et sa structure modulaire s'adapte aux exigences de divers public. Ainsi la partie I est une introduction générale à l'histoire, le développement et la philosophie de l'assimilation des données, illustrées par des exemples; Partie II considère les classiques, les approches statiques, à la fois linéaire et non linéaire, et la partie III décrit les techniques de calcul. Parties IV à VII sont concernés par la manière dont les idées statistiques et dynamiques peuvent être incorporées dans le cadre classique. Les principaux thèmes abordés ici comprennent théorie de l'estimation, les modèles stochastiques et dynamiques, et filtrage séquentiel. The final part addresses the predictability of dynamical systems. La dernière partie traite de la prévisibilité des systèmes dynamiques. Les chapitres se terminent par une section qui fournit des pointeurs vers la littérature, et une série d'exercices avec des notes instructives. Dynamic data assimilation is the assessment, combination and synthesis of observational data, scientific laws and mathematical models to determine the state of a complex physical system, for instance as a preliminary step in making predictions about the system's behaviour. The topic has assumed increasing importance in fields such as numerical weather prediction where conscientious efforts are being made to extend the term of reliable weather forecasts beyond the few days that are presently feasible. This book is designed to be a basic one-stop reference for graduate students and researchers. It is based on graduate courses taught over a decade to mathematicians, scientists, and engineers, and its modular structure accommodates the various audience requirements. Thus Part I is a broad introduction to the history, development and philosophy of data assimilation, illustrated by examples; Part II considers the classical, static approaches, both linear and nonlinear; and Part III describes computational techniques. Parts IV to VII are concerned with how statistical and dynamic ideas can be incorporated into the classical framework. Key themes covered here include estimation theory, stochastic and dynamic models, and sequential filtering. The final part addresses the predictability of dynamical systems. Chapters end with a section that provides pointers to the literature, and a set of exercises with instructive hints. |
Exemplaires (1)
| Centre | Localisation | Section | Cote | Statut | Disponibilité |
|---|---|---|---|---|---|
| Montpellier | Lavalette | Ouvrages | Malaterre, P.O. / G-EAU/SPI3 LEW 6280-1 | Consultable sur place | Exclu du prêt |
