ScholarGate
Асистент
Regression modelData assimilation

Ансамблевий фільтр Калмана

Ансамблевий фільтр Калмана (EnKF) — це послідовний алгоритм злиття даних Монте-Карло, представлений Ґейром Евенсеном у 1994 році. Він розширює класичний фільтр Калмана на високорозмірні, нелінійні динамічні системи, представляючи коваріацію помилки прогнозу через скінченний ансамбль реалізацій моделі, а не шляхом поширення повної коваріаційної матриці. Кожен член ансамблю еволюціонує через нелінійну модель, а спостереження зливаються шляхом обчислення коефіцієнта підсилення Калмана на основі вибірки, що робить метод обчислювально здійсненним для великих геофізичних моделей.

Відкрити у MethodMindНезабаромВідеоНезабаромЗавантажити слайди

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Карта методів

Околиця споріднених методів — виберіть вузол, щоб дослідити.

Джерела

  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

Як цитувати цю сторінку

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

Який метод?

Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.

Порівняти поруч

Згадується в

ScholarGateEnsemble Kalman Filter (Ensemble Kalman Filter (Data Assimilation)). Отримано 2026-06-15 з https://scholargate.app/uk/data-fusion/ensemble-kalman-filter · Набір даних: https://doi.org/10.5281/zenodo.20539026