大气海洋数据分析与同化考试复习题

#enddoclose(1)!!============================PartII=============================!callthesubroutinetocalculatetotal_money!andcallthefunctiontocalculatetotal_profit!!(1)calculatethetotal_money!CALLsum_money(total_guest)!!(2)calculatethetotal_profit!total_profit=sum_profit(total_guest,guest%profit)!!===========================PartIII=============================!outputtheresulttothenewfileopen(1,file=newfile,status='new',action='write')write(1,*)"Thetotaldealmoneyis",total_money,"Yuan."write(1,*)"Thetotalprofitis",total_profit,"Yuan."close(1)ENDPROGRAMexam!!SUBROUTINEsum_money(total_guest)!USEdata_type!implicitnone!integer,intent(in)::total_guestinteger::i!total_money=0.0doi=1,total_guesttotal_money=total_money+guest(i)%deal_moneyenddo!ENDSUBROUTINEsum_money!FUNCTIONsum_profit(total_guest,profit)RESULT(total_profit)!implicitnoneinteger,intent(in)::total_guestreal,dimension(total_guest),intent(in)::profitreal::total_profitinteger::i!total_profit=0.0doi=1,total_guesttotal_profit=total_profit+profit(i)enddo!ENDFUNCTIONsum_profitnamelist・dat文件内容为：!!Externalfileforguestinformation!modifythebelowparameter!&controlfilename="201405.txt"!businessmessagenewfile="May-2014.txt"!statisticalresultfiletotal_guest=2!theguesttotalnumbereverymonth/第四部分：简答(30分)1)数据分析与数据同化的含义广义上，数据分析和数据同化是同一回事。狭义上，数据分析与数据同化存在一定的差别，数据分析是指不结合模式解单纯对大气数据的静态客观分析，即观测数据与格点数据为同一时刻，利用数据分析方法处理二维空间分布的观测数据对格点数据进行修正，然后在垂直方向上进行插值，从而得到大气/海洋三维空间的最优估计场。数据同化是指糅合随空间、时间分布的观测数据与模式解为大气/海洋四维状态提供最优的估计。即借助于模式提供的动力、物理约束，考虑不在同一时刻的观测数据对当前时刻模式解的影响。2)数据分析有哪几种方法?扼要叙述它们的基本思路。数据分析的方法：函数拟合——利用观测值，对整个区域进行多项式拟合，是一种全局拟合。函数拟合一般指多项式拟合，分曲线拟合与曲面拟合。逐步订正一一引入背景场及影响半径，是一种局部区域拟合。所用插值权重一般是距离的函数，主要有cressmanscheme、Barnesscheme、Multiquadricscheme。背景误差协方差凭经验人为给定。由某种物理关系得到的诊断场或大模式的预报场，往往与客观实际有一定的差距。如果我们有实际观测资料，就可以利用这些观测资料区修正诊断场或预报场。统计插值(最优插值)——采用最小化方法，求得最优权重。背景误差协方差根据大量历史资料统计求得。改进型逐步订正——数据同化有哪几种方法?扼要叙述它们的优缺点。数据同化方法：a）松弛逼近——松弛逼近法是在模式方程中加入人为的强迫项（模式解与观测之差乘以给定的权重系数,即松弛系数）,通过积分模式不断调整模式结果（松弛调整）而使之向观测逼近。松弛逼近法可以分为三类:分析松弛法（AnalysisNudging）、观测松弛法（ObservationNudging）和最优松弛法（OptimalNudging）。b）Kalman滤波Kalman滤波基本思想是从观测场获取足够的信息来改善模式初值分析场或预报场,它能够对非单一数据源获取不同误差级别的数据进行处理,最终得到统计意义上的最佳的场。其最大的特点,同时也是其最大的弱点是需要预先确定模式的预报误差和观测误差。c）变分约束法——变分约束分为弱约束变分与强约束变分。弱变分约束以某种物理关系作为约束条件（如地转关系）来构造泛函数。变分伴随法是以整个物理模式作为约束条件的所谓/强约束变分问题0,通过构造Lagrange函数,可以使有约束条件的泛函数求极值问题（以模式解与观测的方差构成的泛函数最小化问题）转化为无约束条件的泛函数求极值问题,从而使问题简化。4）给出数据分析与数据同化的共同基本