Ensemble Kalman Filter
Ensemble Kalman Filter (EnKF) je sekvenční Monte Carlo algoritmus asimilace dat, který představil Geir Evensen v roce 1994. Rozšiřuje klasický Kalmanův filtr na vysokodimenzionální, nelineární dynamické systémy reprezentací kovariance prognostické chyby pomocí konečného souboru realizací modelu namísto propagace celé kovarianční matice. Každý člen souboru se vyvíjí nelineárním modelem a pozorování jsou asimilována výpočtem ziskové matice Kalmanova filtru založené na vzorku, což činí metodu výpočetně zvládnutelnou pro velké geofyzikální modely.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/cs/data-fusion/ensemble-kalman-filter
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Fúze datFúze dat↔ porovnat
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ porovnat
- Model stavového prostoru (Kalmanův filtr)Ekonometrie↔ porovnat
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →