动态数据驱动仿真是一种“模型和数据相结合”的仿真范式,它将真实系统的观测(数据)持续注入仿真(模型),让数据动态地校正仿真(状态、参数),以此来提高基于仿真的估计和预测能力。由于动态数据驱动仿真融合了模型预测和实时观测两方面的信息,因此它能更准确地估计系统状态并预测状态的未来演化。本文梳理了动态数据驱动仿真的思想起源和基本概念,延伸介绍了“模型和数据相结合”的思想孕育的一系列仿真范式,并辨析了它们之间的联系和区别;详细介绍了基于粒子滤波的数据同化方法和identical-twin仿真实验方法;从应用场景、模型和数据、数据同化算法、与新技术的融合等四个维度综述了动态数据驱动仿真的研究现状;最后,从仿真模型、观测数据、数据同化、运行效率、应用领域等五个方面对动态数据驱动仿真未来研究方向进行了展望。

成为VIP会员查看完整内容
46

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《深度模型融合》综述
专知会员服务
70+阅读 · 2023年9月28日
视觉的有效扩散模型综述
专知会员服务
91+阅读 · 2022年10月20日
图嵌入模型综述
专知会员服务
87+阅读 · 2022年1月17日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
69+阅读 · 2021年7月21日
专知会员服务
18+阅读 · 2021年5月16日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
94+阅读 · 2021年2月6日
基于模型的强化学习综述
专知
30+阅读 · 2022年7月13日
多模态深度学习综述,18页pdf
专知
48+阅读 · 2020年3月29日
再谈人脸识别损失函数综述
人工智能前沿讲习班
14+阅读 · 2019年5月7日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
深度学习时代的目标检测算法
炼数成金订阅号
39+阅读 · 2018年3月19日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
16+阅读 · 2017年8月3日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
399+阅读 · 2023年3月31日
VIP会员
相关VIP内容
《深度模型融合》综述
专知会员服务
70+阅读 · 2023年9月28日
视觉的有效扩散模型综述
专知会员服务
91+阅读 · 2022年10月20日
图嵌入模型综述
专知会员服务
87+阅读 · 2022年1月17日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
69+阅读 · 2021年7月21日
专知会员服务
18+阅读 · 2021年5月16日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
94+阅读 · 2021年2月6日
相关资讯
基于模型的强化学习综述
专知
30+阅读 · 2022年7月13日
多模态深度学习综述,18页pdf
专知
48+阅读 · 2020年3月29日
再谈人脸识别损失函数综述
人工智能前沿讲习班
14+阅读 · 2019年5月7日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
深度学习时代的目标检测算法
炼数成金订阅号
39+阅读 · 2018年3月19日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
16+阅读 · 2017年8月3日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员