Разработка экономичных алгоритмов усвоения массовых данных аэрокосмического мониторинга для прогноза состояния Мирового океана сверхвысокого пространственного разрешения на массивно-параллельных вычислительных системах

Исследована возможность оптимизации использования суперкомпьютерных вычислительных ресурсов для параллельных алгоритмов усвоения данных наблюдений для модели динамики океана высокого пространственного разрешения. Проведено сравнение трех методов усвоения данных наблюдений: фильтр Калмана (eng. Kalman Filter, KF), ансамблевый фильтр Калмана (eng. Ensemble Kalman Filter, EnKF) и локальный фильтр Калмана (eng. Local Kalman Filter, LKF). Выполнены численные эксперименты по усвоению синтетических данных этими методами в двух разных тестовых моделях (задача адвекции и система Лоренца), которые дали информацию о применимости исследуемых методов в задаче моделирования Мирового океана. Проведено сравнение средних ошибок и времени исполнения этих методов при различных размерах модели, которые согласуются с теоретическим оценками. Показано, что вычислительная сложность ансамблевого и локального фильтров Калмана растет линейно с увеличением размера модели и допускает применение этих методов в задачах моделирования океана. Рассмотрена эффективность параллельной реализации локального и ансамблевого фильтра Калмана для компьютеров массивно-параллельной архитектуры.