《数据融合与同化》课程教学大纲.docx

《《数据融合与同化》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《数据融合与同化》课程教学大纲.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据融合与同化教学大纲一课程基本信息课程名称数据融合与同化Data Fusion And Assimilation课程编码SCC322321020开课院部理学院课程团队数据科学团队学分2.0课内学时32 |讲授| 32实验0上机0|实践0课外学时32适用专业数据科学与大数据技术授课语言中文先修课程程序设计（口、高等代数与几何（2-1）,高等代数与几何（2-2）、数据科学与大数据技术导论、最优化方法课程简介 （限选）数据融合与同化是数据科学与大数据技术专业的一门专业限选课。本课程以数据融合与同化中的相关概念和算法入手.结合具体 案例，让学生了解和堂握数据融合与同化的基本算法并进行算法的设计和实现

2、。通过本课程的学习,学生自主选择Python或Matlab等编 程语言，在掌握基本融合与同化算法的基础上，完成上机实验。本课程内容主要包括统计插值方法，卡尔曼滤波方法，四维变分.非线性 数据同化，集合卡尔曼滤波等。这些课程内容的学习,有助于学生了解和掌握各种实际应用的融合和同化算法,为科研训练和工程实际应 用打下理论基础。Dala fusion and assimilation is a selective course for students majoring in data science and big data technology. This course starts with

3、relevant concepts and algorithms in data fusion and assimilation, and combines specific cases to enable students to understand and master the basic algorithms of data fusion and assimilation, and to design and implement the algoritluns. Through the study of this course, students can independently ch

4、oose programming languages such as Python or Matlab and complete computer experiments on the basis of fusion and assimilation algorithms. This course mainly includes statistical interpolation method, kalman filtering method, four-dimensional variational method, nonI inear data assimilation, ensemble

5、 kalman filter and so on.The study of these courses will help students to understand and master the fusion and assimilation algorithms of various practical applications and lay a theoretical roundat ion for scientific research training and practical applicat ion of engineering.负责人大纲执笔人审核人二 课程目标序号代号课

6、程目标OBE毕业要求指标点任务自选1Ml目标1 :掌握数据融合与同化的基本概念和原理是4.42M2目标2 ：设计数据融合与同化算法编程实现是4.43M3目标3 ：通过算法编程，培育认识和发现问题的能力和解决工程问题的能力B4.44M4目标4 ：能保障课程正常秩序（政治层面、课堂保障层面.非学生能力层面）否三 课程内容序号章节号标题课程内容/重难点支撑课程目标课内 学时教学方式课外 学时课外环节11. 11.1简介物理系统表示,观测系统，误差建模，估值问题，MI2讲授2作业21.21.2统计插值基本假设，BLUE分析，属性.Ml2讲授2作业31.31.3变分等价与BLUE的等价性，变分过程的性质

7、，非线性观测算子,对偶公 式。Ml2讲授2作业41.41.1简单例子观测方程和误差协方差矩阵,最优分析，后验误差.三维变分 与 PSAS。M2, M32讲授2作业52.12.1系统的统计建 模分析步建模、预报步建模.M1,W22讲授2作业62.22.2扩展卡尔曼滤 波预报步和分析步的线性化，总结，非调和振荡器。Ml, M22讲授2作业73.13.1价值泛函梯度的计算.变分问题的解，分析误差的传播，与肝的等价问 题.Ml,22讲授2作业83.23.2极小化算法下降法,拟牛顿法，BFGS算法。Ml, M22讲授2作业93.33.3弱约束四维变 分弱约束四维变分，简单实例。M2, M32讲授2作业1

8、04. 14.1扩展卡尔曼滤 波的限制扩展卡尔曼滤波的限制，扩展等。Ml, M22讲授2作业114.24.2同化与统计插 值顺序同化与统计插值，变分同化与统计插值.Ml, M22讲授2作业124.34.3粒子滤波粒子滤波的算法及其应用实例。M2, M32讲授2作业135. 15.1降秩均方根速 波由卡尔曼滤波推导出降秩均方根速波。Ml2讲授2作业145.25.2集合卡尔曼滤波统计性集合卡尔曼浓波，确定性集合卡尔曼滤波。Ml, M22讲授2作业155.35. 3局地化与膨胀局地化.方差膨胀。Ml, M22讲授2作业165.45.4 Lorenz-96 模型数值实验各种算法在Lorenz-96模型

9、中的数值实险。M32讲授2作业四 考核方式序号考核环节操作细节总评占比1期末考试闭卷考试，综合考查理论知识。50H2上机作业算法的具体实现以上机作业的形式开展,每章至少一个算法的上机作业。考查学时的算法编程能力。30%3平时作业 与表现理论作业，考勤.上课回答问题的表现等，20%五 话，分细则序号课程目标考核环节大致占比评分等级1Ml期末考试80%详见评分标准2Ml上机作业20%卜按时提交上机作业，数据融合与同化基本知识点理解与应用无误，N-按时提交上机作业，数据融合与同化基本知识点理解与应用存在少昆错误。3M2期末考试30%详见评分标准4M2上机作业70%M-按时提交上机作业，数据融合与同化

10、算法编程实现应用无误。N-按时提交上机作业.数据融合与同化算法编程实现应用存在少量错误，5M3期末考试30%详见评分标准6M3上机作业50%M-按时提交上机作业，数据融合与同化算法编程实现解决问题无误,N-按时提交上机作业，数据融合与同化算法编程实现做决问题存在少量错误。7M4平时作业 与表现100%卜缺勤2次以内。N-缺勤3次及以上且很少参加课堂讨论。评分等级说明：A, B, C, D( E = 90-100,80-89, 70-79,60-69,0-59; A, B, C, D=90-100, 75-89,60-74,0-59; A, B,C=90-100, 75-89, 60-74, 0-59 ： A, B=80-l00, 0-79六 教材与参考资料序号教学参考资料明细1图书数据同化，自编内部使用.（*主教材）2图书 Data Assimilation: A Mathematical Introduction. Kody Law, Andrew Stuart, Konstantinos Zygalakis, Springer, 2015.3图书数据同化算法研发与实聆，马建文，科学出版社，2013.