ScholarGate
Asisten
Regression modelData assimilation

Filter Kalman Ensemble

Filter Kalman Ensemble (EnKF) adalah algoritma asimilasi data Monte Carlo sekuensial yang diperkenalkan oleh Geir Evensen pada tahun 1994. Algoritma ini memperluas filter Kalman klasik ke sistem dinamis berdimensi tinggi dan nonlinier dengan merepresentasikan kovariansi kesalahan prakiraan melalui sejumlah terbatas realisasi model, bukan dengan mempropagasi matriks kovariansi penuh. Setiap anggota ensemble berevolusi melalui model nonlinier, dan observasi diasimilasikan dengan menghitung gain Kalman berbasis sampel, sehingga metode ini layak secara komputasi untuk model geofisika berskala besar.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/id/data-fusion/ensemble-kalman-filter

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). Diakses 2026-06-15 dari https://scholargate.app/id/data-fusion/ensemble-kalman-filter · Set data: https://doi.org/10.5281/zenodo.20539026