Filtre de Kalman d'Ensemble
El Filtre de Kalman d'Ensemble (EnKF) és un algorisme seqüencial de assimilació de dades de Monte Carlo introduït per Geir Evensen el 1994. Amplia el filtre de Kalman clàssic a sistemes dinàmics no lineals i d'alta dimensionalitat representant la covariància de l'error de predicció mitjançant un conjunt finit de realitzacions del model en lloc de propagar una matriu de covariància completa. Cada membre de l'ensemble evoluciona a través del model no lineal, i les observacions s'assimilen calculant un guany de Kalman basat en mostres, fent que el mètode sigui computacionalment tractable per a grans models geofísics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/ca/data-fusion/ensemble-kalman-filter
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Fusió de DadesFusió de dades↔ compara
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compara
- Model d'espai d'estats (Filtre de Kalman)Econometria↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →