Filtro de Kalman por Ensemble
O Filtro de Kalman por Ensemble (EnKF) é um algoritmo sequencial de assimilação de dados Monte Carlo introduzido por Geir Evensen em 1994. Ele estende o filtro de Kalman clássico para sistemas dinâmicos não lineares e de alta dimensionalidade, representando a covariância do erro de previsão por um ensemble finito de realizações do modelo, em vez de propagar uma matriz de covariância completa. Cada membro do ensemble evolui através do modelo não linear, e as observações são assimiladas calculando um ganho de Kalman baseado em amostras, tornando o método computacionalmente tratável para grandes modelos geofísicos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/pt/data-fusion/ensemble-kalman-filter
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Fusão de DadosFusão de dados↔ comparar
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ comparar
- Modelo de Espaço de Estados (Filtro de Kalman)Econometria↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →