#enddoclose(1)!!============================PartII=============================!callthesubroutinetocalculatetotal_money!andcallthefunctiontocalculatetotal_profit!!(1)calculatethetotal_money!CALLsum_money(total_guest)!!(2)calculatethetotal_profit!total_profit=sum_profit(total_guest,guest%profit)!!===========================PartIII=============================!outputtheresulttothenewfileopen(1,file=newfile,status='new',action='write')write(1,*)"Thetotaldealmoneyis",total_money,"Yuan."write(1,*)"Thetotalprofitis",total_profit,"Yuan."close(1)ENDPROGRAMexam!!SUBROUTINEsum_money(total_guest)!USEdata_type!implicitnone!integer,intent(in)::total_guestinteger::i!total_money=0.0doi=1,total_guesttotal_money=total_money+guest(i)%deal_moneyenddo!ENDSUBROUTINEsum_money!FUNCTIONsum_profit(total_guest,profit)RESULT(total_profit)!implicitnoneinteger,intent(in)::total_guestreal,dimension(total_guest),intent(in)::profitreal::total_profitinteger::i!total_profit=0.0doi=1,total_guesttotal_profit=total_profit+profit(i)enddo!ENDFUNCTIONsum_profitnamelist?dat文件內(nèi)容為：!!Externalfileforguestinformation!modifythebelowparameter!&controlfilename="201405.txt"!businessmessagenewfile="May-2014.txt"!statisticalresultfiletotal_guest=2!theguesttotalnumbereverymonth/第四部分：簡答(30分)1)數(shù)據(jù)分析與數(shù)據(jù)同化的含義廣義上，數(shù)據(jù)分析和數(shù)據(jù)同化是同一回事。狹義上，數(shù)據(jù)分析與數(shù)據(jù)同化存在一定的差別，數(shù)據(jù)分析是指不結(jié)合模式解單純對大氣數(shù)據(jù)的靜態(tài)客觀分析，即觀測數(shù)據(jù)與格點數(shù)據(jù)為同一時刻，利用數(shù)據(jù)分析方法處理二維空間分布的觀測數(shù)據(jù)對格點數(shù)據(jù)進行修正，然后在垂直方向上進行插值，從而得到大氣/海洋三維空間的最優(yōu)估計場。數(shù)據(jù)同化是指糅合隨空間、時間分布的觀測數(shù)據(jù)與模式解為大氣/海洋四維狀態(tài)提供最優(yōu)的估計。即借助于模式提供的動力、物理約束，考慮不在同一時刻的觀測數(shù)據(jù)對當前時刻模式解的影響。2)數(shù)據(jù)分析有哪幾種方法?扼要敘述它們的基本思路。數(shù)據(jù)分析的方法：函數(shù)擬合——利用觀測值，對整個區(qū)域進行多項式擬合，是一種全局擬合。函數(shù)擬合一般指多項式擬合，分曲線擬合與曲面擬合。逐步訂正一一引入背景場及影響半徑，是一種局部區(qū)域擬合。所用插值權(quán)重一般是距離的函數(shù)，主要有cressmanscheme、Barnesscheme、Multiquadricscheme。背景誤差協(xié)方差憑經(jīng)驗人為給定。由某種物理關系得到的診斷場或大模式的預報場，往往與客觀實際有一定的差距。如果我們有實際觀測資料，就可以利用這些觀測資料區(qū)修正診斷場或預報場。統(tǒng)計插值(最優(yōu)插值)——采用最小化方法，求得最優(yōu)權(quán)重。背景誤差協(xié)方差根據(jù)大量歷史資料統(tǒng)計求得。改進型逐步訂正——數(shù)據(jù)同化有哪幾種方法?扼要敘述它們的優(yōu)缺點。數(shù)據(jù)同化方法：a）松弛逼近——松弛逼近法是在模式方程中加入人為的強迫項（模式解與觀測之差乘以給定的權(quán)重系數(shù),即松弛系數(shù)）,通過積分模式不斷調(diào)整模式結(jié)果（松弛調(diào)整）而使之向觀測逼近。松弛逼近法可以分為三類:分析松弛法（AnalysisNudging）、觀測松弛法（ObservationNudging）和最優(yōu)松弛法（OptimalNudging）。b）Kalman濾波Kalman濾波基本思想是從觀測場獲取足夠的信息來改善模式初值分析場或預報場,它能夠?qū)Ψ菃我粩?shù)據(jù)源獲取不同誤差級別的數(shù)據(jù)進行處理,最終得到統(tǒng)計意義上的最佳的場。其最大的特點,同時也是其最大的弱點是需要預先確定模式的預報誤差和觀測誤差。c）變分約束法——變分約束分為弱約束變分與強約束變分。弱變分約束以某種物理關系作為約束條件（如地轉(zhuǎn)關系）來構(gòu)造泛函數(shù)。變分伴隨法是以整個物理模式作為約束條件的所謂/強約束變分問題0,通過構(gòu)造Lagrange函數(shù),可以使有約束條件的泛函數(shù)求極值問題（以模式解與觀測的方差構(gòu)成的泛函數(shù)最小化問題）轉(zhuǎn)化為無約束條件的泛函數(shù)求極值問題,從而使問題簡化。4）給出數(shù)據(jù)分析與數(shù)據(jù)同化的共同基本