Ансамблов филтър на Калман
Ансамбловият филтър на Калман (EnKF) е алгоритъм за последователно Монте Карло асимилиране на данни, въведен от Geir Evensen през 1994 г. Той разширява класическия филтър на Калман до високомерни, нелинейни динамични системи, като представя ковариацията на грешката на прогнозата чрез краен ансамбъл от реализации на модела, вместо да разпространява пълна ковариационна матрица. Всеки член на ансамбъла еволюира през нелинейния модел, а наблюденията се асимилират чрез изчисляване на базиран на извадка коефициент на усилване на Калман, което прави метода изчислително осъществим за големи геофизични модели.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/bg/data-fusion/ensemble-kalman-filter
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Сливане на данниСливане на данни↔ сравняване
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ сравняване
- Модел в състояние пространство (Калманов филтър)Иконометрия↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →