노이즈가 섞인 관측 데이터를 이용한 연속 데이터 동화

초록

본 논문은 2차원 난류 흐름을 모델로 삼아, 측정 오차가 가우시안 백색 잡음으로 표현된 경우에도 선형 피드백(누징) 기반 데이터 동화 알고리즘이 수렴함을 보이고, 관측 해상도와 누징 파라미터, 잡음 분산 사이의 명시적 관계를 제시한다.

상세 분석

논문은 먼저 기존의 무오차 데이터 동화 프레임워크를 확장하여, 관측 연산자 (O_h)와 보간 연산자 (L_h)를 결합한 인터폴런트 (R_h)에 가우시안 백색 잡음 (\xi(t))가 추가된 확률적 Navier‑Stokes 방정식 형태의 동화 시스템을 도입한다. 여기서 잡음은 유한 차원 위너 프로세스로 모델링되며, 잡음의 공분산 연산자는 관측 해상도 (h)와 직접 연결된다.
주요 수학적 도구는 다음과 같다. (1) (H^1)와 (L^2) 공간에서의 에너지 추정식; (2) 삼차 비선형 항 (B(u,u))에 대한 2‑차원 특수성(예: ( \langle B(u,v),v\rangle =0) 및 라디아르-라즈마 정리); (3) 브레지스‑갈루아 정리와 라다우-라즈마 보간 오차식 (6), (7) 을 이용한 관측 연산자의 근사성; (4) Itô 계산법을 적용한 기대값 및 상한 추정.
핵심 정리는 두 가지 경우에 대해 수렴 상한을 제시한다. 첫 번째는 (R_h)가 (H^1)‑정밀도만 만족하는 경우로, 관측 격자 간격 (h)가 충분히 작고 누징 파라미터 (\mu)가 점성 (\nu)보다 크게 선택되면, 시간 무한대로 갈 때 (\mathbb{E}|u(t)-U(t)|{L^2}^2)와 (\mathbb{E}|u(t)-U(t)|{H^1}^2)가 각각 (\frac{C\sigma^2}{\mu})와 (\frac{C\sigma^2}{\nu\mu}) 이하로 제한된다. 두 번째는 더 높은 차수 보간(식 (7) 만족)인 경우로, 동일한 조건 하에 더 강한 (H^2) 정규성을 이용해 상수들을 개선한다.
또한 평균 시간 오류 (\frac{1}{T}\int_0^T\mathbb{E}|u(t)-U(t)|^2dt)에 대한 수렴 결과를 제시해, 실제 시뮬레이션에서 장기 평균 오차가 잡음 분산에 비례함을 보인다. 이와 같은 결과는 관측 밀도 (h^{-2})와 누징 강도 (\mu) 사이의 트레이드오프를 명시적으로 제공하여, 실용적인 데이터 동화 설계에 직접 활용 가능하게 만든다.