ScholarGate
Assistente
Regression modelData assimilation

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.

Abrir no MethodMindEm breveVídeoEm breveBaixar slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Mapa de métodos

A vizinhança de métodos relacionados — selecione um nó para explorar.

Fontes

  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

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.

Comparar lado a lado

Referenciado por

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). Recuperado em 2026-06-15 de https://scholargate.app/pt/data-fusion/ensemble-kalman-filter · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026