2023-2024 / OCEA0097-1

Data assimilation and inverse methods

Durée

30h Th

Nombre de crédits

 Master en océanographie, à finalité3 crédits 

Enseignant

Alexander Barth

Langue(s) de l'unité d'enseignement

Langue anglaise

Organisation et évaluation

Enseignement au premier quadrimestre, examen en janvier

Horaire

Horaire en ligne

Unités d'enseignement prérequises et corequises

Les unités prérequises ou corequises sont présentées au sein de chaque programme

Contenus de l'unité d'enseignement

* Purpose of data assimilation and inverse methods
* Expressing uncertainty
* Origin of model and observation errors
* Reminder of static concepts: random variable, expectation, error covariance
* Sequential assimilation methods (nudging, successive corrections, optimal interpolation, 3D-Var, Kalman filter, Kalman smoother)
* Non-Sequential assimilation (4D-Var, representer method)
 

Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement

* understand various data assimilation methods
* able to conceptually define state vector, observation operator, observation vector and error covariances for a given problem
 

Savoirs et compétences prérequis

Prerequisites: http://progcours.ulg.ac.be/cocoon/cours/OCEA0036-1.html
Programming skills in Julia, Matlab/Octave, Python or similar programming languages

Activités d'apprentissage prévues et méthodes d'enseignement

A serie of lectures with exercises
 

Mode d'enseignement (présentiel, à distance, hybride)

Combinaison d'activités d'apprentissage en présentiel et en distanciel


Explications complémentaires:

présentiel si possible

 

Lectures recommandées ou obligatoires et notes de cours

Evensen, G. (2009) Data Assimilation, The Ensemble Kalman Filter, Springer http://dx.doi.org/10.1007/978-3-642-03711-5
 

Modalités d'évaluation et critères

Travail à rendre - rapport


Explications complémentaires:

Written report on application of a data assimilation method on a simple model



Si un Large Language Model (LLM, comme ChatGPT, LLaMa, GitHub Copilot...) est utilisé pour générer ou réécrire une partie du rapport ou du code informatique, ces parties doivent être clairement marquées dans le rapport. Vous devriez consulter l'enseignant au préalable si l'utilisation des LLM est appropriée.

Cette disposition ne s'applique pas à l'utilisation d'outils de traduction et de correcteurs orthographiques.

Dans tous les cas, il est de la responsabilité de l'étudiant de s'assurer que le contenu du rapport est exact et qu'il ne s'agit pas de plagiat (y compris de plagiat involontaire).

Stage(s)

Remarques organisationnelles et modifications principales apportées au cours

Contacts

a.barth@ulg.ac.be

Association d'un ou plusieurs MOOCs