Datenassimilation – Sommersemester 2020

In vielen Anwendungsfeldern stehen Modelle für zeitliche Abläufe in Form von dynamischen Systemen
zur Verfügung, deren Parameter aber nicht alle bekannt sind und in deren Evolution signifikante Unsicherheiten vorliegen.
Klassische Beispiele sind Wettervorhersagen, Klimaforschung sowie Modelle für Vielteilchensysteme.
Zusätzlich stehen Messdaten aus verschiedenen Quellen (etwa Wetterstationen oder Satelliten) zur Verfügung, die in der Regel aber den Zustand des Systems zu einem gegebenen Zeitpunkt nicht vollständig beschreiben und Störungen durch Messfehler enthalten.

Diese Veranstaltung behandelt numerische Methoden, mit denen Modelle und Daten zu einer Schätzung des Zustandes des Systems und Prognosen für seine zukünftige Entwicklung kombiniert werden können, beispielsweise Varianten des klassischen Kalman-Filter, variationelle Methoden und Partikelfilter.

Im optionalen begleitenden Programmierpraktikum werden numerische Tests zu den vorgestellten Verfahren umgesetzt.

Typ Vorlesung
Dozent Prof. Dr. Markus Bachmayr
Termin Di 14-16 Uhr in Raum 04-426
Bis auf weiteres ausschließlich per E-Learning: Moodle / Reader
(sollte der Präsenzbetrieb wieder möglich werden, gilt wieder der ursprüngliche Termin)
Sprache Deutsch
Kreditpunkte 3 Cr

Organisatorisches

  • Die Veranstaltung (Vorlesung und Praktikum) wird ab dem 20. April auf E-Learning-Basis durchgeführt.
  • Ab Vorlesungsbeginn findet die weitere Kommunikation und Durchführung in Moodle und
    Reader statt.

Literatur

  • K. Law, A. Stuart, K. Zygalakis, Data Assimilation, Springer (2015)
  • S. Reich, C. Cotter, Probabilistic Forecasting and Bayesian Data Assimilation, Cambridge University Press (2015)

Weitere Literatur wird in der Vorlesung bekannt gegeben.

Zielgruppe

Vorausgesetzt werden die Veranstaltungen Grundlagen der Numerik, Numerik gewöhnlicher Differentialgleichungen, sowie Grundkenntnisse in Stochastik. Die Veranstaltung richtet sich gleichermaßen an Studierende im B.Sc., M.Sc. und M.Ed. Mathematik, sowie M.Sc. Computational Sciences, und kann (ebenso wie das optionale Programmierpraktikum) als Ergänzung eingebracht werden.

Praktikum zu Datenassimilation

In diesem Programmierpraktikum werden begleitend zur Vorlesung die dort behandelten Verfahren praktisch umgesetzt.

Typ Praktikum
Dozent Prof. Dr. Markus Bachmayr
Termin Di 16-18 Uhr in Raum 04-426
Bis auf weiteres ausschließlich per E-Learning: Moodle / Reader
(sollte der Präsenzbetrieb wieder möglich werden, gilt wieder der ursprüngliche Termin)
Sprache Deutsch
Kreditpunkte 3 Cr

Organisatorisches

  • Das Praktikum beginnt parallel zur Vorlesung.
  • Ab Vorlesungsbeginn findet die weitere Kommunikation und Durchführung in Moodle und
    Reader statt.

Die Bearbeitung der Aufgabenstellungen erfolgt in Julia: