ScholarGate
Ассистент
Regression modelData assimilation

Ансамблевый фильтр Калмана

Ансамблевый фильтр Калмана (EnKF) — это алгоритм последовательной ассимиляции данных Монте-Карло, представленный Гейром Эвенсеном в 1994 году. Он расширяет классический фильтр Калмана на высокоразмерные нелинейные динамические системы, представляя ковариацию ошибки прогноза через конечный ансамбль реализаций модели, а не распространяя полную ковариационную матрицу. Каждый член ансамбля эволюционирует в соответствии с нелинейной моделью, а наблюдения ассимилируются путем вычисления коэффициента усиления Калмана на основе выборки, что делает метод вычислительно разрешимым для больших геофизических моделей.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/ru/data-fusion/ensemble-kalman-filter

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). Получено 2026-06-15 из https://scholargate.app/ru/data-fusion/ensemble-kalman-filter · Набор данных: https://doi.org/10.5281/zenodo.20539026