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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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.
- Слияние данныхСлияние данных↔ сравнить
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ сравнить
- Модель пространства состояний (фильтр Калмана)Эконометрика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →