新闻网讯（通讯员王杨文）6月12日，来自美国堪萨斯大学的数学系副教授涂学民在太阳成集团tyc7111cc五楼学术报告厅作了题为“Implicit sampling for data assimilation（隐式采样在数据同化中的应用）”的报告。太阳成集团tyc7111cc数学与统计系老师、研究生以及16级统计信计本科生参与了此次报告，报告由太阳成集团tyc7111cc副院长冯育强教授主持。

在工程、地理科学、天气预报和许多其他领域中，都存在着过滤和数据同化的应用，人们必须根据含有大量干扰数据的不确定的模型做出估计和预测。对于非线性问题，过滤这些干扰项可能非常昂贵，而涂学民教授在报告中提出了一种基于粒子的非线性过滤方案。这种算法基于隐式采样，是一种基于重要性采样的新采样技术。该采样策略产生聚焦于目标的高概率区域的粒子（样本）光束，并且聚焦使得即使状态维度较大，所需的粒子数也可以管理。对此，涂学民教授举了数个详细实例进行解释。

报告持续将近1个小时，报告结束后，涂学民教授还和在座师生进行了交流讨论，她解答了数位师生的疑惑。一番探讨之后，多数问题得到解决，至此，本次报告圆满结束。

报告会之前，涂教授听取了冯育强副院长关于太阳成集团tyc7111cc学科建设情况的介绍，对统计学的建设发展提出了有益建议。

涂学民，美国堪萨斯大学数学系副教授（终身教授），博士生导师。研究领域：大型科学计算、区域分解算法、数据同化、非线性粒子滤波、非线性多重网格算法。1997年本科毕业于北京师范大学；2002年于美国伍斯特工学院获硕士学位；2006年于美国纽约大学柯朗所获博士学位。2005年在阿贡国家实验室做Givens Associate；2006年在纽约大学柯朗所做博士后；2006年7月至2010年8月在美国加州大学伯克利分校和劳伦斯伯克利国家实验室做博士后；2010年于堪萨斯大学任助理教授；2015年获终身教授职位。