ScholarGate
Pembantu
Regression modelData assimilation

Penapis Kalman Ensembel

Penapis Kalman Ensembel (EnKF) ialah algoritma asimilasi data Monte Carlo berurutan yang diperkenalkan oleh Geir Evensen pada tahun 1994. Ia mengembangkan penapis Kalman klasik kepada sistem dinamik berdimensi tinggi dan tak linear dengan mewakili kovarians ralat ramalan melalui satu ensembel terhingga realisasi model, berbanding dengan mempropagasikan matriks kovarians penuh. Setiap ahli ensembel berkembang melalui model tak linear, dan pemerhatian diasimilasi dengan mengira perolehan Kalman berasaskan sampel, menjadikan kaedah ini boleh dikira untuk model geofizik yang besar.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

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 memetik halaman ini

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

Kaedah yang mana?

Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.

Bandingkan secara bersebelahan

Dirujuk oleh

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