Methodenbewijsdossier

Ensemble Kalman Filter

The Ensemble Kalman Filter (EnKF) is a sequential Monte Carlo data assimilation algorithm introduced by Geir Evensen in 1994. It extends the classical Kalman filter to high-dimensional, nonlinear dynamical systems by representing the forecast error covariance through a finite ensemble of model realizations rather than propagating a full covariance matrix. Each ensemble member evolves through the nonlinear model, and observations are assimilated by computing a sample-based Kalman gain, making the method computationally tractable for large geophysical models.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Ensemble Kalman Filter (Data Assimilation)

Taxonomisch methodendossier · regression-model / data-fusion

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Used in the same domainData Fusionmachine-suggested · Relational suggestion, not evidence.See alsoParticle Filtermachine-suggested · Relational suggestion, not evidence.Same method familyState Space Modelmachine-suggested · Relational suggestion, not evidence.