Resumen

La técnica de la perturbación óptima condicional no lineal (CNOP) es una herramienta útil para estudiar los límites de la predictibilidad en la previsión meteorológica numérica y las predicciones climáticas. La CNOP es el modo óptimo combinado de las perturbaciones iniciales y de los parámetros del modelo que inducen la mayor desviación de un estado de referencia dado. La CNOP tiene dos casos especiales: la CNOP-I está vinculada a las perturbaciones iniciales y tiene la mayor evolución no lineal en el momento de la predicción, mientras que el otro caso, CNOP-P, está relacionado con las perturbaciones de los parámetros que provocan la mayor desviación de un estado de referencia dado en un momento futuro determinado. Resolver las CNOP de un modelo numérico es un problema matemático. En este trabajo, calculamos la CNOP, CNOP-I, y CNOP-P de un modelo de Lorenz acoplado y estudiamos las propiedades de estas CNOPs. Encontramos que la CNOP, CNOP-I, y CNOP-P siempre localizan el límite de sus respectivas restricciones. Esta propiedad también se demuestra analíticamente para el modelo cuyas soluciones dependen continuamente de las perturbaciones iniciales y de los parámetros, lo que proporciona una base teórica para comprobar la responsabilidad de las CNOP calculadas numéricamente. Además, analizamos las características de las CNOPs para el modelo de Lorenz acoplado y explicamos sus estructuras.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:cnop, modelo de lorenz acoplado, cnops, mayor desviación, perturbaciones de los parámetros, estado de referencia, perturbación óptima no lineal condicional, mayor evolución no lineal, perturbaciones de los parámetros del modelo, previsión meteorológica numérica
• Keywords:cnop, coupled lorenz model, cnops, largest departure, parameter perturbations, reference state, conditional nonlinear optimal perturbation, largest nonlinear evolution, model parameter perturbations, numerical weather forecasting