Regression modelData assimilation
集合卡尔曼滤波器
集合卡尔曼滤波器（Ensemble Kalman Filter, EnKF）是由Geir Evensen于1994年提出的一个序列蒙特卡洛数据同化算法。它通过有限集合模型实现来表示预报误差协方差，而不是传播完整的协方差矩阵，从而将经典的卡尔曼滤波器扩展到高维非线性动力学系统。每个集合成员都通过非线性模型进行演化，并通过计算基于样本的卡尔曼增益来同化观测值，使得该方法对于大型地球物理模型在计算上是可行的。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 2). Ensemble Kalman Filter (Data Assimilation). ScholarGate. https://scholargate.app/zh/data-fusion/ensemble-kalman-filter
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 数据融合数据融合↔ 比较
- 粒子滤波器（序贯蒙特卡洛）贝叶斯↔ 比较
- 状态空间模型（卡尔曼滤波器）计量经济学↔ 比较