GPU-enabled ensemble data assimilation for mesh-refined lattice Boltzmann method

格子ボルツマン法のためのアンサンブルデータ同化のGPU化

長谷川 雄太   ; 井戸村 泰宏   ; 小野寺 直幸   

Hasegawa, Yuta; Idomura, Yasuhiro; Onodera, Naoyuki

乱流計算を対象とした格子ボルツマン法に、局所アンサンブル変換カルマンフィルタ(LETKF)に基づくアンサンブルデータ同化を実装した。LETKFおよびLBMは全てGPUで実装されており、最新のGPUスパコンで効率的に計算可能である。データ同化の精度検証として3次元単一角柱周りの流れの実験を行った。実験より、本手法は空間および時間的に粗い観測データを用いた場合でも精度の良いデータ同化を行うことができると示された。すなわち、時間間隔をカルマン渦周期の2分の1、空間解像度を角柱直径の16分の1(計算格子点数の1.56%)として速度場を観測した時、観測ノイズよりも小さいデータ同化誤差を達成した。

We implemented the ensemble data assimilation (DA) method, the local ensemble transform Kalman filter (LETKF), into the mesh-refined lattice Boltzmann method (LBM) for turbulent flows. Both the LETKF and the mesh-refined LBM were fully implemented on GPUs, so that they are efficiently computed on modern GPU-based supercomputers. We examined the DA accuracy against the flow around a cylinder. The result showed that our method enabled accurate DA with spatially- and temporarily-sparse observation data; the error of the assimilated velocity field with the observation interval of and the observation resolution (1.56% of the total computational grids) was smaller than the amplitude of the observation noise, where is the period of the Krmn vortex and is diameter of the square cylinder.