论文标题
用$ l^p $ - $ l^q $的最大规律性方法与原始方程的数据同化
Data Assimilation to the Primitive Equations with $L^p$-$L^q$-based Maximal Regularity Approach
论文作者
论文摘要
在本文中，我们显示了$ l^p $ - $ l^q $最大规律性设置的数据同化数据同化的数学合理性。 我们证明，通过数据同化，原始方程的近似解决方案在BESOV空间上通过指数顺序$ B^{2/q} _ {q，p}（ω）$在周期性层域$ω= \ mathbb {t}^2}^2 \ times（-h，0）$中收敛到真实解决方案。
In this paper, we show mathematical justification of the data assimilation of nudging type in $L^p$-$L^q$ maximal regularity settings. We prove that the approximate solution of the primitive equations by data assimilation converges to the true solution with exponential order on the Besov space $B^{2/q}_{q,p}(Ω)$ in the periodic layer domain $Ω= \mathbb{T}^2 \times (-h, 0)$.
