Asimilación de datos
De Wikipedia, la enciclopedia encyclopedia
La asimilación de datos es una disciplina matemática que trata de combinar de forma óptima la teoría (normalmente en forma de modelo numérico) con las observaciones. Los objetivos pueden ser diversos: por ejemplo, determinar la estimación óptima del estado de un sistema, determinar las condiciones iniciales de un modelo numérico de previsión, interpolar datos de observación dispersos utilizando conocimientos (por ejemplo, físicos) del sistema observado, establecer parámetros numéricos basados en el entrenamiento de un modelo a partir de datos observados. En función del objetivo, pueden utilizarse distintos métodos de solución. La asimilación de datos se distingue de otras formas de aprendizaje automático, análisis de imágenes y métodos estadísticos en que utiliza un modelo dinámico del sistema analizado.
La asimilación de datos se desarrolló inicialmente en el campo de la predicción meteorológica numérica. Los modelos numéricos de predicción meteorológica son ecuaciones que describen el comportamiento dinámico de la atmósfera, normalmente codificadas en un programa informático. Para poder utilizar estos modelos en la elaboración de previsiones, es necesario que las condiciones iniciales del modelo se asemejen mucho al estado actual de la atmósfera. La simple inserción de mediciones puntuales en los modelos numéricos no ofrece una solución satisfactoria. Las mediciones del mundo real contienen errores debidos tanto a la calidad del instrumento como a la precisión con que se conoce la posición de la medición. Estos errores pueden provocar inestabilidades en los modelos que eliminen cualquier nivel de precisión en una previsión. Así pues, se necesitaban métodos más sofisticados para inicializar un modelo utilizando todos los datos disponibles y asegurándose al mismo tiempo de mantener la estabilidad del modelo numérico. Esos datos suelen incluir las mediciones, así como una previsión anterior válida en el mismo momento en que se realizan las mediciones. Si se aplica de forma iterativa, este proceso empieza a acumular información de observaciones anteriores en todas las previsiones posteriores.
Dado que la asimilación de datos surgió del campo de la predicción numérica del clima, al principio se popularizó entre las geociencias. De hecho, una de las publicaciones más citadas de todas las geociencias es una aplicación de la asimilación de datos para reconstruir la historia observada de la atmósfera.[1]