Filtro di Kalman d'insieme
Il Filtro di Kalman d'insieme (EnKF) è un algoritmo sequenziale di assimilazione dati Monte Carlo introdotto da Geir Evensen nel 1994. Estende il filtro di Kalman classico a sistemi dinamici non lineari e ad alta dimensionalità rappresentando la covarianza dell'errore di previsione tramite un insieme finito di realizzazioni del modello piuttosto che propagando una matrice di covarianza completa. Ciascun membro dell'insieme evolve attraverso il modello non lineare, e le osservazioni vengono assimilate calcolando un guadagno di Kalman basato su campioni, rendendo il metodo computazionalmente trattabile per grandi modelli geofisici.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/it/data-fusion/ensemble-kalman-filter
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Fusione di datiFusione di dati↔ confronta
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ confronta
- Modello a Spazio di Stati (Filtro di Kalman)Econometria↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →