论文部分内容阅读
经典变分反演法是基于观测误差服从高斯分布的假定，对偏离均值较大的离群值较敏感。当实际观测数据包含离群值观测误差呈现非高斯分布时，如果采用经典反演法进行变分反演就会产生大的偏差，甚至导致变分反演的失败。使用经典变分反演法首先需要进行质量控制，剔除所谓的离群值，但有相当部分的离群值包含了一些亮点，如天气现象。如果对其“视而不见”，则对很多重要的信息就无法把握。基于此，研究采用稳健变分反演的思想同化这些离群值，主要思想是把M-估计法（L2、Huber、Fair和Cauchy一估计）的权重函数耦合到经典变分反演中