※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：
是
哪一学年度修课：
111-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
连国渊
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
理学院 大气科学系
δ 课程大概内容
本课程介绍资料同化的概念，研习地球科学领域中数种常用的资料同化方法，包括从简单
的内插法到如变分资料同化以及系集卡尔曼滤波器等进阶的方法。亦将介绍本领域中最新
的进展，以及其在作业数值天气预报中的实作与应用。
Ω 私心推荐指数(以五分计) ★★★★★
喜欢数学跟大气 ★★★★★
数学建模(之类的) ★★★★★
想不做事 ★
η 上课用书(影印讲义或是指定教科书)
老师的PPT。其中会用到的数学运算在"曾忠一 (2006)：大气科学中的反问题 (上) (下)"里面都有。
μ 上课方式(投影片、团体讨论、老师教学风格)
PPT，主要是老师讲理论。
σ 评分方式(给分甜吗？是扎实分？)
HW: 15% 老师跳过的证明之类的，翻书应该就写得出来(吧
考试I(15%)、II(20%) :PPT里会有的东西，然后还有一些实际运用上会遇到的困难、各种方法好在哪哪里烂在哪里之类的要记一下。
Project(40%): 期中一次口头讲你打算干嘛，期末口头+书面讲你具体到底做了啥。
方向很弹性，我这次修课看到大家有几个以下方向:
1. 当参数猴
2. 把大部分方法刻出来，比较差异
3. 换不同的toy model (主要是用L96当范例，我期中的时候有梦想想用正压流体的model，但是后来太难了途中放弃。(修这堂课就会知道难在哪))
课堂参与(10%): 好像不点名，我也不知道这是怎么打的
这门课七成的人有A，对我而言很甜。不过你还是要认真一点，因为我发现大家都很认真，我也不知道不交作业、报告会怎样
Ψ 总结
这堂课修起来的体感上很像数学系的计算数学，就是各种矩阵乘法，然后矩阵的微分积分什么的，有点杂，但是看曾忠一的那本书真的有帮助我写作业。然后有关期末project的部分，强烈建议跟同学讨论，因为你会发现你的同学都比你强，而且有可能你是3dvar没刻出来，人家是EKF没刻出来，这样就可以互相帮忙。
此外，也可以直接写mail问老师，他人很好。接着是我修完这堂课对资料同化的一些个人，很hand waving的看法:
对于各种scheme:
OI :跟屎一样，但是它是最简单的例子，后面的算法很多都会用到这里的感觉
Kalman filter系列:比较好刻，这是我第一个刻出来的方法(OI被我跳过了，原因如上)
3dvar :比4dvar烂，因为它少了时间的这个维度，所以感觉上就会不见一些东西
4dvar :比3dvar屌，但是我没刻出来，有点难搞
对于资料同化本身的印象:
资料同化是一种整合观测跟预报(i.e. 数值(报/爆)PDE)的方法，原则上你观测再烂都会对整个预报的系统有提升，但是在这个理论里面会假设你已经知道预报方程，然后我们再来谈怎么整合。反而言之，我如果不知道它背后的物理方程就真的会很麻烦。
所以我原本想换model，但是那个预报方程很难(至少就我个人能力而言我没办法把它整合进资料同化的code里)，直接欲哭无泪，还好期末报告是可以鬼转的，所以后来我期末的报告就用L96，完全跟我期中讲的东西无关。
除此之外，如果遇到缺观测资料之类的情形，各种方程式会变得复杂很多，所以我跟大家都假装观测是完美的，这样有些特定的东西就会变成单位矩阵，会爽很多。
对于这堂课的印象:
痛苦并快乐着。听懂然后实作真的有做出东西很爽。