Korleis kombinerer ein
differensiallikningar for vær og vind med faktiske observasjonar av
temperatur og trykk for eit best mogleg bilete på verda? Data assimilering er
samlinga av metodar for å kombinere usikre data med fysiske modellar.
Algoritmene er essensielle for vår daglige værmelding, for search and rescue
til havs, samt for energibransjen og mange andre. Paradoksalt fører ein stor
modell til dårleg assimilering av observasjonar. Kvifor det? Det siste året
har vi leita etter tapte matematiske eigenskapar til våre data, som gir
informasjon om korleis dei eksakt skal assimilerast inn i den fysiske
modellen. Ved å nytte desse eigenskapane blir likningane vakrare, algoritmene
smartare og værmeldingane betre.
