Filtre de Kalman d'ensemble
Le Filtre de Kalman d'ensemble (EnKF) est un algorithme séquentiel de Monte Carlo pour l'assimilation de données, introduit par Geir Evensen en 1994. Il étend le filtre de Kalman classique aux systèmes dynamiques non linéaires de haute dimension en représentant la covariance de l'erreur de prévision par un ensemble fini de réalisations du modèle, plutôt qu'en propageant une matrice de covariance complète. Chaque membre de l'ensemble évolue à travers le modèle non linéaire, et les observations sont assimilées en calculant un gain de Kalman basé sur l'échantillon, rendant la méthode calculatoirement traitable pour les grands modèles géophysiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/fr/data-fusion/ensemble-kalman-filter
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Fusion de donnéesFusion de données↔ comparer
- Filtre particulaire (Monte Carlo séquentiel)Bayésien↔ comparer
- Modèle d'espace d'états (Filtre de Kalman)Économétrie↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →