Arcucci, Rossella (2011) Tecniche numeriche per la risoluzione in ambiente parallelo del problema "Data Assimilation": un problema inverso mal posto. [Tesi di dottorato] (Inedito)

[img]
Anteprima
PDF
arcucci_rossella_24.pdf

Download (2MB) | Anteprima
[error in script] [error in script]
Tipologia del documento: Tesi di dottorato
Lingua: Italiano
Titolo: Tecniche numeriche per la risoluzione in ambiente parallelo del problema "Data Assimilation": un problema inverso mal posto
Autori:
AutoreEmail
Arcucci, Rossellarossella.arcucci@unina.it
Data: 30 Novembre 2011
Numero di pagine: 138
Istituzione: Università degli Studi di Napoli Federico II
Dipartimento: Matematica e applicazioni "Renato Caccioppoli"
Scuola di dottorato: Scienze matematiche e informatiche
Dottorato: Scienze computazionali e informatiche
Ciclo di dottorato: 24
Coordinatore del Corso di dottorato:
nomeemail
Burattini, Ernestoernb@na.infn.it
Tutor:
nomeemail
Lapegna, Marcomarco.lapegna@unina.it
Data: 30 Novembre 2011
Numero di pagine: 138
Parole chiave: data assimilation, inverse problem, parallel software
Settori scientifico-disciplinari del MIUR: Area 01 - Scienze matematiche e informatiche > MAT/08 - Analisi numerica
Depositato il: 09 Dic 2011 16:37
Ultima modifica: 30 Apr 2014 19:48
URI: http://www.fedoa.unina.it/id/eprint/8801
DOI: 10.6092/UNINA/FEDOA/8801

Abstract

Negli ultimi 20 anni le metodologie di data assimilation, utilizzate inizialmente esclusivamente nei modelli atmosferici, sono diventate parte integrante per lo sviluppo e la validazione dei modelli oceanografici e, più in generale, dei modelli matematici alla base della metereologia, climatologia, geofisica, geologia e idrologia (spesso ci si riferisce a tali modelli con il termine di modelli previsionali per intendere che si tratta di problemi evolutivi nel tempo). Indipendentemente dalla specifica applicazione, l'intero processo di analisi e di predizione consta essenzialmente di tre fasi: raccolta di dati osservati, determinazione della condizione iniziale (stato iniziale) e determinazione della soluzione all'istante corrente (stato "attuale") mediante il Modello Previsionale. La Data Assimilation si utilizza per produrre il miglior stato iniziale combinando dati osservati e dati prodotti da previsioni a breve termine dai modelli previsionali. Assimilare i dati (dal latino "assimilare = rendere simile") significa appunto, in questo contesto, rendere quanto più simile possibile i dati osservati (le misure) con quelli forniti dai modelli di simulazione. Il problema di data assimilation rientra infatti tra quelli di approssimazione di dati (fitting di dati) essendo riconducibile al problema del calcolo della migliore approssimazione. L’obiettivo che accomuna la comunità scientifica che si occupa di data assimilation è, in sintesi, la possibilità di integrare i dati acquisiti sperimentalmente (in vivo) con quelli forniti dai modelli matematici (in vitro) al fine di migliorare la conoscenza dell'ecosistema dell'ambiente circostante. E' evidente che il beneficio che deriva da questa sinergia ha effetto sia sui modelli che sulle metodologie di osservazione dei dati, stimolando, lo sviluppo di metodi, algoritmi e software per la data assimilation più adeguati, ovvero altamente efficienti e affidabili, in grado di far fronte sia ad una quantità di dati sempre crescente, sia ad una sensibilità agli errori che inevitabilmente perturbano i dati e i modelli. D'altra parte, le necessità di rendere le metodologie proprie della data assimilation effettivamente disponibili ed utilizzabili in applicazioni di natura diversa, rende fondamentale la realizzazione e messa a punto di strumenti software efficaci, ovvero robusti e flessibili. In questo contesto si inserisce il presente lavoro di tesi. Attualmente presso alcuni dei centri di ricerca che si occupano di data assimilation [CMCC (Centro Euro-Mediterraneo per i Cambiamenti Climatici) in Italia, l’NCAR (National Center for Atmospheric Research) e l'NCEP (National Centers for Environmental Prediction) negli Stati Uniti, il DWD (Deutscher Wetterdienst)in Germania, l'UK Met Office del Regno Unito, il JMA (Japan Meteorological Agency) del Giappone, il CMC (Canadian Association of Management Consultants) del Canada...] si sta lavorando alla messa a punto di strumenti software qualificati, tra cui DART (Data Assimilation Research Testbed), 3DVAR (3D Variational Data Assimilation), OpenDA (Open-source data-assimilation toolbox). In particolare, al CMCC si usa il software OceanVar (Ocean Variational Data Assimilation), sul quale si è rivolta l'attenzione in questo lavoro di tesi, identificando e analizzando i nuclei computazionali più onerosi per una loro efficiente ottimizzazione, anche in ambiente di calcolo parallelo.

Downloads

Downloads per month over past year

Actions (login required)

Modifica documento Modifica documento