※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：
是
哪一學年度修課：
111-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
連國淵
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
理學院 大氣科學系
δ 課程大概內容
本課程介紹資料同化的概念，研習地球科學領域中數種常用的資料同化方法，包括從簡單
的內插法到如變分資料同化以及系集卡爾曼濾波器等進階的方法。亦將介紹本領域中最新
的進展，以及其在作業數值天氣預報中的實作與應用。
Ω 私心推薦指數(以五分計) ★★★★★
喜歡數學跟大氣 ★★★★★
數學建模(之類的) ★★★★★
想不做事 ★
η 上課用書(影印講義或是指定教科書)
老師的PPT。其中會用到的數學運算在"曾忠一 (2006)：大氣科學中的反問題 (上) (下)"裡面都有。
μ 上課方式(投影片、團體討論、老師教學風格)
PPT，主要是老師講理論。
σ 評分方式(給分甜嗎？是紮實分？)
HW: 15% 老師跳過的證明之類的，翻書應該就寫得出來(吧
考試I(15%)、II(20%) :PPT裡會有的東西，然後還有一些實際運用上會遇到的困難、各種方法好在哪哪裡爛在哪裡之類的要記一下。
Project(40%): 期中一次口頭講你打算幹嘛，期末口頭+書面講你具體到底做了啥。
方向很彈性，我這次修課看到大家有幾個以下方向:
1. 當參數猴
2. 把大部分方法刻出來，比較差異
3. 換不同的toy model (主要是用L96當範例，我期中的時候有夢想想用正壓流體的model，但是後來太難了途中放棄。(修這堂課就會知道難在哪))
課堂參與(10%): 好像不點名，我也不知道這是怎麼打的
這門課七成的人有A，對我而言很甜。不過你還是要認真一點，因為我發現大家都很認真，我也不知道不交作業、報告會怎樣
Ψ 總結
這堂課修起來的體感上很像數學系的計算數學，就是各種矩陣乘法，然後矩陣的微分積分什麼的，有點雜，但是看曾忠一的那本書真的有幫助我寫作業。然後有關期末project的部分，強烈建議跟同學討論，因為你會發現你的同學都比你強，而且有可能你是3dvar沒刻出來，人家是EKF沒刻出來，這樣就可以互相幫忙。
此外，也可以直接寫mail問老師，他人很好。接著是我修完這堂課對資料同化的一些個人，很hand waving的看法:
對於各種scheme:
OI :跟屎一樣，但是它是最簡單的例子，後面的算法很多都會用到這裡的感覺
Kalman filter系列:比較好刻，這是我第一個刻出來的方法(OI被我跳過了，原因如上)
3dvar :比4dvar爛，因為它少了時間的這個維度，所以感覺上就會不見一些東西
4dvar :比3dvar屌，但是我沒刻出來，有點難搞
對於資料同化本身的印象:
資料同化是一種整合觀測跟預報(i.e. 數值(報/爆)PDE)的方法，原則上你觀測再爛都會對整個預報的系統有提升，但是在這個理論裡面會假設你已經知道預報方程，然後我們再來談怎麼整合。反而言之，我如果不知道它背後的物理方程就真的會很麻煩。
所以我原本想換model，但是那個預報方程很難(至少就我個人能力而言我沒辦法把它整合進資料同化的code裡)，直接欲哭無淚，還好期末報告是可以鬼轉的，所以後來我期末的報告就用L96，完全跟我期中講的東西無關。
除此之外，如果遇到缺觀測資料之類的情形，各種方程式會變得複雜很多，所以我跟大家都假裝觀測是完美的，這樣有些特定的東西就會變成單位矩陣，會爽很多。
對於這堂課的印象:
痛苦並快樂著。聽懂然後實作真的有做出東西很爽。