ScholarGate
المساعد
Regression modelData assimilation

مرشح كالمان المجمعي

مرشح كالمان المجمعي (EnKF) هو خوارزمية محاكاة مونت كارلو متسلسلة لاستيعاب البيانات قدمها جير إيفنسن عام 1994. وهي توسع مرشح كالمان الكلاسيكي إلى أنظمة ديناميكية غير خطية وعالية الأبعاد عن طريق تمثيل مصفوفة تغاير خطأ التنبؤ من خلال مجموعة محدودة من تحققات النموذج بدلاً من نشر مصفوفة تغاير كاملة. يتطور كل عضو في المجموعة عبر النموذج غير الخطي، ويتم استيعاب المشاهدات عن طريق حساب كسب كالمان المستند إلى العينة، مما يجعل الطريقة قابلة للحساب للنماذج الجيوفيزيائية الكبيرة.

افتح في MethodMindقريبًافيديوقريبًاتنزيل الشرائح

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

خريطة المناهج

محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.

المصادر

  1. Evensen, G. (1994). Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics. Journal of Geophysical Research, 99(C5), 10143–10162. DOI: 10.1029/94JC00572

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/ar/data-fusion/ensemble-kalman-filter

أيُّ منهج؟

ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.

قارن جنباً إلى جنب

يُستشهد بها في

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/data-fusion/ensemble-kalman-filter · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026