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.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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.
- Fusi DataFusi Data↔ bandingkan
- Filter Partikel (Monte Carlo Sekuensial)Bayesian↔ bandingkan
- Model Ruang Keadaan (Kalman Filter)Ekonometrika↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →