0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: > 数据同化算法研发与实验(附算法程序)

相同语种的商品

相同作者的商品

浏览历史

数据同化算法研发与实验(附算法程序)


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
数据同化算法研发与实验(附算法程序)
  • 电子书不支持下载,仅供在线阅读
  • 书号:9787030370044
    作者:马建文等
  • 外文书名:Geo-information Science
  • 装帧:平装
    开本:16
  • 页数:232
    字数:320
    语种:汉语
  • 出版社:科学出版社
    出版时间:2013/3/29
  • 所属分类:
  • 定价: ¥78.00元
    售价: ¥46.80元
  • 图书介质:
    按需印刷 电子书

  • 购买数量: 件  可供
  • 商品总价:

内容介绍

样章试读

用户评论

全部咨询

  本书基于国内外相关研究和作者在数据同化领域的研究心得,重点介绍数据同化算法的研发与实验。围绕数据同化算法研发和实验这一主题,本书从陆面数据同化理论和陆面过程模型切入,提炼数据同化的“一个框架、四个基本要素”架构,在选择可变渗透能力模型(VIC模型)的基础上开展数据同化算法实验,实现了三维变分算法、四维变分算法和集合卡尔曼滤波算法等三种经典数据同化算法,以及粒子滤波算法和层状贝叶斯方法等两种智能数据同化算法的研发与实验,并且通过具体实例详细介绍各个算法的研发、实验步骤以及算法结果的分析评价。最后,介绍了作者课题组开发的数据同化集成软件系统。   本书旨在对从事陆面数据同化研究的工作者提供入门参考和思路借鉴;同时,也适合定量遥感、全球环境变化及地球系统科学等领域的科研工作者以及高等院校师生参考。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 前言
    第1章 绪论
    1.1 全球变化研究与数据同化
    1.2 数据同化基本构成
    1.3 数据同化算法分类
    1.4 陆面数据同化研究进展
    1.5 遥感数据同化研究进展
    1.6 本书主要内容
    1.7 本章小结
    主要参考文献
    第2章 数据同化算法发展与进步
    2.1 变分方法
    2.1.1 三维变分算法
    2.1.2 四维变分算法
    2.2 卡尔曼滤波算法
    2.3 集合卡尔曼滤波算法
    2.4 粒子滤波算法
    2.5 层状贝叶斯方法
    2.6 数据同化算法基本公式、机制与特点
    2.7 本章小结
    主要参考文献
    第3章 过程模型选择与应用改进
    3.1 陆面过程模型发展阶段
    3.2 陆面过程模型比较与选择
    3.3 VIC水文过程模型原理与应用改进
    3.3.1 VIC水文过程模型原理
    3.3.2 VIC水文过程模型代码移植与编译
    3.3.3 VIC水文过程模型应用改进
    3.4 VIC水文过程模型基础参量准备
    3.4.1 大气驱动数据
    3.4.2 土壤参数
    3.4.3 植被参数
    3.4.4 全局参数
    3.4.5 基础参量与数据来源
    3.5 VIC水文过程模型数据准备与程序代码
    3.6 VIC水文过程模型运行与校验
    3.6.1 VIC水文过程模型运行
    3.6.2 VIC水文过程模型校验
    3.7 VIC水文过程模型实验
    3.7.1 VIC水文过程模型实验一
    3.7.2 VIC水文过程模型实验二
    3.7.3 VIC水文过程模型实验三
    3.8 本章小结
    主要参考文献
    第4章 经典数据同化算法开发与实验
    4.1 三维变分算法
    4.1.1 算法原理
    4.1.2 算法流程
    4.1.3 算法实现
    4.2 三维变分算法同化实验
    4.3 四维变分算法
    4.3.1 算法原理
    4.3.2 算法流程
    4.3.3 算法实现
    4.4 四维变分算法同化实验
    4.5 集合卡尔曼滤波算法
    4.5.1 算法原理
    4.5.2 算法流程
    4.5.3 算法实现
    4.6 集合卡尔曼滤波算法同化实验
    4.6.1 实验一 站点观测数据与VIC水文过程模型数据同化
    4.6.2 实验二 微波亮温数据与VIC水文过程模型数据同化
    4.7 本章小结
    主要参考文献
    第5章 现代智能数据同化算法Ⅰ:粒子滤波算法
    5.1 粒子滤波算法理论基础
    5.1.1 贝叶斯滤波基本原理
    5.1.2 粒子滤波算法原理
    5.2 重要性采样
    5.2.1 贝叶斯重要性采样
    5.2.2 序贯重要性采样
    5.3 粒子退化与重采样
    5.3.1 粒子退化
    5.3.2 重采样
    5.4 粒子滤波算法流程与实现
    5.4.1 粒子滤波算法流程
    5.4.2 粒子滤波算法实现
    5.5 粒子滤波算法同化实验
    5.5.1 实验一 站点观测数据与VIC水文过程模型数据同化
    5.5.2 实验二 微波亮温数据与VIC水文过程模型数据同化
    5.5.3 实验三 数据同化与VIC水文过程模型参数同步估计
    5.6 本章小结
    主要参考文献
    第6章 现代智能数据同化算法Ⅱ:层状贝叶斯网络算法
    6.1 层状贝叶斯方法理论基础
    6.1.1 数据模型
    6.1.2 过程模型
    6.1.3 参数模型
    6.1.4 贝叶斯推理
    6.2 层状贝叶斯网络算法
    6.2.1 数据描述
    6.2.2 层状贝叶斯网络构建
    6.2.3 层状贝叶斯网络结构
    6.2.4 层状贝叶斯网络学习、校验与预测
    6.2.5 层状贝叶斯网络算法流程
    6.3 基于多尺度回归模型的层状贝叶斯网络算法
    6.3.1 基于多尺度回归模型的层状贝叶斯网络构建
    6.3.2 基于多尺度回归模型的层状贝叶斯网络结构
    6.3.3 基于多尺度回归模型的层状贝叶斯网络推理
    6.3.4 最大似然参数估计
    6.3.5 基于多尺度回归模型的层状贝叶斯网络算法技术流程
    6.4 层状贝叶斯网络同化站点观测与VIC水文过程模型数据实验
    6.4.1 数据预处理
    6.4.2 层状贝叶斯网络学习与校验
    6.4.3 层状贝叶斯网络预测
    6.4.4 程序代码
    6.5 本章小结
    主要参考文献
    第7章 数据同化集成系统
    7.1 系统结构与功能设计
    7.2 系统详细设计
    7.2.1 输入输出模块
    7.2.2 陆面过程模型模块
    7.2.3 数据同化算法模块
    7.2.4 数据可视化模块
    7.2.5 精度评价模块
    7.3 系统功能实现与界面
    7.3.1 数据同化功能与界面
    7.3.2 数据可视化功能与界面
    7.3.3 精度评价功能与界面
    7.4 本章小结
    主要参考文献
    附录一 VIC水文过程模型与数据准备的C/C++代码
    附录二 三维变分算法(3DVAR)开发C++代码
    附录三 四维变分算法(4DVAR)开发C++代码
    附录四 集合卡尔曼滤波算法(EnKF)开发C++代码
    附录五 粒子滤波算法(PF)开发C++代码
    附录六 层状贝叶斯网络算法(HBN)开发WinBUGS和Matlab代码
    彩图
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证