Resumen

La perturbación óptima no lineal condicional (CNOP) se ha aplicado ampliamente para estudiar la predictibilidad del tiempo y el clima. El método clásico para resolver CNOP es el método adjunto, en el que el gradiente se obtiene utilizando el modelo adjunto. Sin embargo, algunos modelos numéricos no tienen implementados modelos adjuntos, y no es realista desarrollarlos desde cero debido a la enorme cantidad de trabajo. El gradiente puede obtenerse mediante la definición en matemáticas; sin embargo, con el fuerte crecimiento de las dimensiones, su eficiencia de cálculo disminuirá drásticamente. Por lo tanto, el gradiente rara vez se obtiene por definición al resolver CNOP. En este artículo, se propone un enfoque eficiente basado en la definición de gradiente para resolver CNOP en todo el espacio de solución y paralelizado. Nuestro enfoque se aplica para resolver CNOP en el modelo Zebiak-Cane (ZC), y, en comparación con el método adjunto, que es el punto de referencia, nuestro enfoque puede obtener resultados similares en el valor CNOP y los aspectos de patrón y una mayor eficiencia en el aspecto de consumo de tiempo, sólo 12,83 s, mientras que el método adjunto gasta 15,04 s y consume menos tiempo si se proporcionan más núcleos de CPU. Todos los resultados experimentales muestran que es factible resolver CNOP con nuestro enfoque basado en la definición del gradiente alrededor de todo el espacio de solución.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Perturbación óptima no lineal condicional; CNOP; predictibilidad; tiempo atmosférico; clima; método adjunto.
• Keywords:Conditional nonlinear optimal perturbation; CNOP; predictability; weather; climate; adjoint method