Filtr Kalmana z zespołem (Ensemble Kalman Filter)
Filtr Kalmana z zespołem (EnKF) to sekwencyjny algorytm asymilacji danych Monte Carlo, wprowadzony przez Geira Evensena w 1994 roku. Rozszerza on klasyczny filtr Kalmana na wysokowymiarowe, nieliniowe systemy dynamiczne poprzez reprezentowanie kowariancji błędu prognozy za pomocą skończonego zespołu realizacji modelu, zamiast propagowania pełnej macierzy kowariancji. Każdy członek zespołu ewoluuje zgodnie z modelem nieliniowym, a obserwacje są asymilowane poprzez obliczanie wzmocnienia Kalmana opartego na próbce, co czyni metodę obliczeniowo wykonalną dla dużych modeli geofizycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/pl/data-fusion/ensemble-kalman-filter
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Fuzja danychFuzja danych↔ porównaj
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ porównaj
- Model przestrzeni stanów (filtr Kalmana)Ekonometria↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →