スライド 1

Size: px

Start display at page:

Download "スライド 1"

くにもとこうだ
5 years ago
Views:

1 ディスカッション ( データ同化相談会 ) 縮約モデルと粒子フィルタを用いた低層風擾乱の流れ場予測菊地亮太 ( 東北大学流体科学研究所 ) 1

2 研究背景低層風擾乱の運航影響空港周辺での低層風擾乱による運航影響が問題となっている着陸復行代替地着陸ハードランディング地形やビルなどの影響を強く受ける小規模な気象現象地形性乱気流 2 航空機運航において重要な課題となっている

3 研究背景低層風擾乱の解析気象予測モデル (JMA-NHM) Large eddy simulation Hill Flight path 3 One-way ネスティングによる 5 段階のネスティング格子幅 5km 50m Two-way ネスティングによる 2 段階のネスティング格子幅 18m 6m 低層風擾乱発生時の気象条件を再現

4 研究背景低層風擾乱の解析広帯域レーダ観測 ( 仰角 4.5 度 ) 丘気象予測モデル +LES の高解像度計算 4 LES 結果 ( 仰角 4.5 度 ) 丘 LES 結果をレーダ観測と同様の形式にて出力レーダ観測と同様の傾向を捉えることができたしかし計算コストが高い予測は困難どうにかしたい!!

5 発表内容高解像度気象解析計算コスト高い航空安全予測情報が欲しい小規模な渦乱流を考慮する計算を行いつつさらにリアルタイム性を保持する予測が必要 5 リアルタイムデータ同化計算手法の提案計算コスト固有直交分解を用いた縮約モデルの利用観測との融合データ同化手法である粒子フィルタの利用悩み? 相談? (1) 本手法についての異分野の方からのご意見 (2) データ同化のセッティングなどについてのご意見

6 研究手法固有直交分解 (POD) 多次元データから低次元データを抽出する方法複雑な流れ場から特徴的な構造をエネルギーごとに抽出することができる POD 6 流れ場 POD 基底ベクトル

7 固有直交分解 (1) X u... u 時間発展 n t 1... t n u u 格子点情報 (3) POD 基底ベクトル (2) XX 固有値問題 T u k k u k k Xu k k 7 第 41 期年会講演会 2010 年 4 月 15 日

8 研究手法縮約モデル (ROM) 非圧縮性ナビエストークス方程式を POD 基底ベクトルに射影することで縮約モデルを構築する u t 1 2 u u p u, 0 k u( x, t) N ' k1 a k ( t) k ( x) k a k (x):pod 基底ベクトル (t):temporalco efficient 縮約モデルによって表現計算量 CFD: 格子点の数 >> ROM:POD 基底ベクトルの数 8 縮約モデルは計算コストを大きく削減できる

9 研究手法縮約モデルとデータ同化縮約モデルの利点計算コストが大幅に削減できる簡易モデルながらナビエストークス方程式に従った流体計算を行うことができる縮約モデルの欠点モデル自体が不安定 ( 発散的になりやすい ) 一度縮約化した計算に対してのみにしか利用できないこの欠点を補うためにデータ同化を使う! リサンプルによって棄却するか修正して安定にするデータ同化をして別の条件にも使えるように拡張する 9

10 研究手法縮約モデルとデータ同化事前 (1) 高解像度気象解析を使って低層風擾乱の解析を行う (2) 固有直行分解を用いて縮約モデルの構築を行う予測 (1) 縮約モデルで予測計算 (2) 観測を実施 (3) 観測データを同化 (4) 縮約モデルのパラメータ修正 (5) 縮約モデルで予測計算事前に計算しておいた情報を使って未来を予測するのには限界がある観測データを使ってモデル自体を逐次修正して予測を行う 10

11 研究手法解析領域 ( 庄内空港 ) 丘 ( 高さ約 60m) 空港ビル等広帯域レーダ ( 大阪大学 ) 11 観測データ一定迎角におけるスキャンデータ ( 水平風速 ) 丘

12 研究手法データ同化問題の設定 ( ノイズの設定 ) データ同化手法 : 粒子フィルタ N ' u( x, t) ak ( t) k ( x) a1 1 a2 2 k1... Temporal coefficients に対してノイズを発生させて初期粒子生成正規乱数 N(0,2 a(0) ) 粒子の縮退を防ぐためにデータ同化後にシステムノイズを発生正規乱数 N(0,5% of 2 a(0) ) ノイズのセッティングは縮約モデルができる限り不安定にならない範囲で設定 12

13 研究手法データ同化問題の設定 ( 観測値など ) データ同化手法 : 粒子フィルタ観測値は広帯域レーダ迎角 3 度のスキャンデータ (1 分間隔 ) 丘狙っている乱気流の発達や衰退という現象を考えると時間スケールは 1 分間では荒い? 観測行列によって視線方向風速に変換する計算に用いる粒子数は 1000 個計算コストを考慮して取れるほぼ限界 (?) 13

14 研究手法システムの流れ融合解析による計算低層風擾乱の解析 14 流れ場に POD を適用縮約モデルを構築シミュレーション流れ場の特徴を抽出粒子フィルタを用いたデータ同化計算低計算コストの流れ場計算観測疑似観測値の作成

15 結果 POD による特徴成分の抽出高解像度気象解析高解像度気象解析の結果 POD を用いて特徴抽出縮約モデルの構築 Red iso-surface: Blue iso-surface: (Vertical wind velocity) The first mode The third mode The tenth mode 43.9% 11.2% 0.9% 15

16 結果データ同化計算 Temporal coefficient a1 の時間発展発散的な粒子はリサンプルで棄却できている 16 リサンプリングによって修正されていることが確認できる

17 結果データ同化計算リサンプリングを 10 回行った際の結果融合解析 ( 観測値 ) リアルタイムデータ同化気象予測モデルのみ気象予測モデルだけでは低層風擾乱は捉えることができない POD-PF によって融合解析と類似した流れ場を得ることができた 17

18 結果データ同化計算滑走路進入経路上の鉛直風の結果 (1) (2) (3) (4) (5) (6) (1) から (6) のピークの位置が一致している融合解析と POD-PF のそれぞれのピークの値自体には差は存在する POD-PF を用いることで低層風擾乱によって発生した鉛直風の変化の特徴を捉えることができた 18

19 結果計算コスト融合解析 OpenMP を用いて 32CPU による並列化演算を実施 10 分間の流体計算に約 5 日 POD-PF OpenMP を用いて 4CPU による並列化演算を実施 10 分間の流体計算に約 8 分 POD-PF reduces the computational time to approximately 0.3% 19 POD-PF はリアルタイムに解析することができることを確認した

20 まとめ (1) 低層風擾乱のデータ同化計算風速の最大値最小値平均値を融合解析の結果とほぼ同様の値を推定することができたまた進入経路上の鉛直風速の特徴を捉えることができた (2) データ同化手法の計算コストリアルタイムに解析することができることを確認した課題と目標運航時の危険回避を考えると 10 分程度の予測が必要双子実験である程度の結果は出ているが予測性能はまだまださらに精度よく流れ場を予測したい 20

21 予備スライド何かご意見やアドバイスなどありましたら是非連絡いただければと思います東北大学流体科学研究所大林研究室菊地亮太 21

22 結果データ同化計算融合解析 ( 観測値 ) POD-PF Method Maximum [m/s] Minimum [m/s] Average [m/s] Turbulent Intensity 融合解析 Turbulent intensity POD-PF POD-PF によって風速の最大値最小値平均値が融合解析とほぼ同様の結果を得ることが出来た 22

23 研究手法固有直交分解 (POD) 多次元データから低次元データを抽出する方法複雑な流れ場から特徴的な構造をエネルギーごとに抽出することができる風速分布 (U) POD 基底ベクトル (U) 円柱周りの流体計算 : カルマン渦 23 流れ場 POD 基底ベクトル

24 24 結果 (1) 平均成分

25 研究手法縮約モデル (ROM) u( x, t) a 1 1 N ' k 1 a 2 a 2 k ( t)... k ( x) a の値を計算するだけで計算領域の流れ場を再現することができる 25 計算量 CFD: 格子点の数 >> ROM:POD 基底ベクトルの数縮約モデルは計算コストを大きく削減できる

26 26 結果 (1)POD 基底ベクトルの確認

27 Result(2) The energy ratio of POD The energy ratio of 15 principal POD basis vectors to the total energy The sum of the energy from the first to the 12th mode dominates more than 99% The POD basis vectors from the first to the 12th mode are used Red iso-surface: Blue iso-surface: (Vertical wind velocity) The first mode The third mode The tenth mode % 11.2% 0.9% The POD basis vectors represent the coherent structure of the low-level turbulence

28 研究手法システムの流れ BCM による流体計算 Re=100 におけるカルマン渦 28 流れ場に POD を適用縮約モデルを構築シミュレーション流れ場の特徴を抽出粒子フィルタを用いたデータ同化計算低計算コストの流れ場計算観測疑似観測値の作成

29 研究手法データ同化設定観測値にノイズを加えることで実際の観測を模擬擬似観測 obs BCM N(0,0.1) 円柱後流に 3 点分の x,y 方向速度成分 u,v を抽出カルマン渦の位相を意図的にずらしてデータ同化を行う観測点の抽出位相の設定カルマン渦の周期を基準に等間隔に 3 点設定 29

30 結果 (1) データ同化計算 obs1 における水風速分布の時間発展 BCM(U) 同化計算 (U) 位相が修正された BCM(U) 同化計算 (U) 約 4 秒間のデータ同化を行うことで位相情報を修正できた 30 位相がずれている

31 結果 (2) 誤差フィルタリング誤差 u u BCM 4 秒まで同化計算のほうが誤差が大きいそれ以後同化計算のほうが誤差が小さい 31 データ同化計算疑似観測平均誤差 [m/s] 観測に含まれる誤差をフィルタリングして流れ場を推定することができた

JAXA航空シンポジウム2015「気象を予測し安全かつ効率的な離着陸を実現する技術」

JAXA航空シンポジウム2015「気象を予測し安全かつ効率的な離着陸を実現する技術」気象を予測し安全かつ効率的な離着陸を実現する技術国立研究開発法人宇宙航空研究開発機構航空技術部門航空技術実証研究開発ユニット気象情報技術セクションリーダ又吉直樹目次 1. 効率的な離着陸を実現する技術航空機自身が作り出す渦流 ( 後方乱気流 ) に起因する離着陸間隔を短縮する技術後方乱気流出展 :NASA 2. 安全な離着陸を実現する技術空港周辺の風の乱れ ( 低層風擾乱 ) を自動で検出