فیلتر کالمن گروهی
فیلتر کالمن گروهی (EnKF) یک الگوریتم جذب داده مونت کارلو ترتیبی است که توسط گایر ایونسن در سال ۱۹۹۴ معرفی شد. این فیلتر، فیلتر کالمن کلاسیک را به سیستمهای دینامیکی غیرخطی و با ابعاد بالا گسترش میدهد. این کار با نمایش کوواریانس خطای پیشبینی از طریق یک گروه محدود از تحققهای مدل به جای انتشار یک ماتریس کوواریانس کامل انجام میشود. هر عضو گروه از طریق مدل غیرخطی تکامل مییابد و مشاهدات با محاسبه یک بهره کالمن مبتنی بر نمونه جذب میشوند، که این روش را برای مدلهای ژئوفیزیکی بزرگ از نظر محاسباتی قابل مدیریت میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/fa/data-fusion/ensemble-kalman-filter
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- ادغام دادهتلفیق دادهها↔ مقایسه
- فیلتر ذرهای (مونت کارلوی ترتیبی)بیزی↔ مقایسه
- مدل فضای حالت (فیلتر کالمن)اقتصادسنجی↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →