Metodin todisteiden tietue

Ensemble Kalman Filter

The Ensemble Kalman Filter (EnKF) is a sequential Monte Carlo data assimilation algorithm introduced by Geir Evensen in 1994. It extends the classical Kalman filter to high-dimensional, nonlinear dynamical systems by representing the forecast error covariance through a finite ensemble of model realizations rather than propagating a full covariance matrix. Each ensemble member evolves through the nonlinear model, and observations are assimilated by computing a sample-based Kalman gain, making the method computationally tractable for large geophysical models.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Ensemble Kalman Filter (Data Assimilation)

Taksonominen metoditietue · regression-model / data-fusion

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

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Used in the same domainData Fusionmachine-suggested · Relational suggestion, not evidence.See alsoParticle Filtermachine-suggested · Relational suggestion, not evidence.Same method familyState Space Modelmachine-suggested · Relational suggestion, not evidence.