Ensemble Kalman Filter (EnKF)
Ensemble Kalman Filter (EnKF) är en sekventiell Monte Carlo-algoritm för dataassimilation som introducerades av Geir Evensen 1994. Den utvidgar det klassiska Kalmanfiltret till högdimensionella, ickelinjära dynamiska system genom att representera kovariansen för prognosfelet med en ändlig ensemble av modellrealiseringar, snarare än att propagera en fullständig kovariansmatris. Varje ensemblemedlem utvecklas genom den ickelinjära modellen, och observationer assimileras genom att beräkna en sampelbaserad Kalmanförstärkning, vilket gör metoden beräkningsmässigt hanterbar för stora geofysiska modeller.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/sv/data-fusion/ensemble-kalman-filter
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- DatafusionDatafusion↔ jämför
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ jämför
- Tillståndsrumsmodell (Kalmanfilter)Ekonometri↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →