동적 저차원 앙상블 칼만 필터를 이용한 상태·파라미터 추정

초록

본 논문은 고차원 동적 시스템에서 상태와 파라미터를 동시에 추정하기 위해, 동적 저차원(DLR) 근사를 기반으로 한 앙상블 칼만 필터(DLR‑ENKF)를 제안한다. 저차원 기저를 시간에 따라 자동으로 업데이트하고, 비선형 항의 계산 비용을 줄이기 위해 DEIM(Discrete Empirical Interpolation Method) 기반 하이퍼리덕션을 적용한다. 베이스 업데이트·갈킨 통합기와 연계된 연속‑시간 예보/분석 스키마를 설계하고, 두 개의 벤치마크 모델(Fisher‑KPP, 혈류 모델)에서 정확도와 효율성을 검증하였다.

상세 분석

이 연구는 기존 앙상블 칼만 필터(EnKF)가 고차원 상태 공간에서 입자(또는 앙상블) 전파 비용이 전체 차원에 비례한다는 한계를 극복하고자, 동적 저차원(DLR) 근사를 필터링 밀도에 직접 적용한다는 점에서 혁신적이다. DLR은 행렬 미분 방정식의 저차원 SVD‑유사 표현을 시간 적분 스키마와 결합해 매 단계마다 전통적인 SVD 절단을 피한다. 논문은 이를 상태‑파라미터 확장 공간에 적용해, 상태와 파라미터를 하나의 증강 벡터 X =