ScholarGate
Asystent
Regression modelData assimilation

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.

Otwórz w MethodMindWkrótceWideoWkrótcePobierz slajdy

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Mapa metod

Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.

Źródła

  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

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.

Porównaj obok siebie

Cytowana przez

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). Pobrano 2026-06-15 z https://scholargate.app/pl/data-fusion/ensemble-kalman-filter · Zbiór danych: https://doi.org/10.5281/zenodo.20539026