एन्सेम्बल कलमन फ़िल्टर
एन्सेम्बल कलमन फ़िल्टर (EnKF) एक अनुक्रमिक मोंटे कार्लो डेटा आत्मसात्करण एल्गोरिथम है जिसे गीर इवेन्सन ने 1994 में प्रस्तुत किया था। यह शास्त्रीय कलमन फ़िल्टर को उच्च-आयामी, अरेखीय गतिशील प्रणालियों तक विस्तारित करता है, जिसमें पूर्ण सहप्रसरण मैट्रिक्स को प्रसारित करने के बजाय मॉडल के परिमित एन्सेम्बल के माध्यम से पूर्वानुमान त्रुटि सहप्रसरण का प्रतिनिधित्व किया जाता है। प्रत्येक एन्सेम्बल सदस्य अरेखीय मॉडल के माध्यम से विकसित होता है, और नमूना-आधारित कलमन लाभ की गणना करके अवलोकन आत्मसात किए जाते हैं, जिससे यह विधि बड़े भूभौतिकीय मॉडलों के लिए कम्प्यूटेशनल रूप से व्यवहार्य हो जाती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/hi/data-fusion/ensemble-kalman-filter
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- डेटा फ्यूजनडेटा संलयन↔ तुलना करें
- कण फ़िल्टर (अनुक्रमिक मोंटे कार्लो)बायेसियन↔ तुलना करें
- स्टेट स्पेस मॉडल (कलमन फिल्टर)अर्थमिति↔ तुलना करें