合卡尔曼滤波

EnKF集合卡尔曼滤波EnKF是一种复杂的序列数据同化方法。它采用模型状态集合来表示模型估计的误差统计量，应用系综积分及时预测误差统计量，并采用直接在同化观测值时对模型状态集合进行分析的方案。EnKF已被证明能有效地处理强非线性动力学和大状态空间，目前已用于海洋和大气原始方程模型的实际应用中。Dana McKenzie最近在2003年10月的《暹罗新闻》（Siam News）上发表的一篇文章指出，如果气象中心使用EnKF，2003年夏季袭击中欧的致命热浪本可以更有效地预测。请参阅上的文章“集合卡尔曼滤波器使天气模型最新”http://www.siam.org/siamnews/10-03/tocct03.htm本页是作为EnKF用户的参考页而建立的，它包含文档、示例代码和标准化的Fortran 90子程序，这些子程序可用于EnKF的新实现中。本页的材料将为EnKF的新用户提供快速启动和启动，并为经验丰富的用户提供优化的代码，从而提高其实现的性能。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献441篇文章,1标准件)

显示441的结果1到20。
按年份排序(引用)

1 2 三 ... 21 22 23 下一个

  1. 阿奇博尔德，理查德；Bao，Feng:用于数据同化的核学习向后SDE滤波器（2022）
  2. 贝尔古，埃尔胡辛；迪乌安，尤瑟夫；Kungurtsev，维亚切斯拉夫；Royer，Clément W.：使用具有复杂度结果的随机模型的随机Levenberg-Marquardt方法（2022）
  3. 布伦顿，史蒂文L。；布迪希奇，马尔科；凯撒，尤里卡；库茨，J.内森：动力系统的现代库曼理论（2022）
  4. 查达，尼尔K。；汤欣：非线性背景下集合Kalman反演的收敛加速（2022）
  5. 陈佳蕾；陈哲辉；张，查克；吴志刚：主动物理为基础的偏微分方程Kriging模型（2022）
  6. 丁志炎；李琴：约束系综朗之万蒙特卡罗（2022）
  7. 达芬，康纳；克里普斯，爱德华；斯泰姆勒，托马斯；Girolami，Mark:可伸缩模型数据综合的低阶统计有限元（2022）
  8. 劳姆斯，伊恩：集合卡尔曼滤波器非线性扩展的比较。高斯变形和两步集成滤波器（2022）
  9. 赫蒂，迈克尔；伊科米尼，埃莉萨；Visconti，Giuseppe:反问题非线性滤波的最新趋势（2022）
  10. 岩崎，佐藤：从米制图中热方程的有限观测得到的初始状态估计（2022）
  11. 朱雷克，马金；Katzfuss，Matthias:分层稀疏Cholesky分解及其在高维时空滤波中的应用（2022）
  12. 刘，C。；傅，R。；肖，D。；斯特凡内斯库，R。；夏尔马，P。；朱，C。；孙，S。；Wang，C.：EnKF数据驱动的降阶同化系统（2022）
  13. 李欣；包、凤；Gallivan，Kyle:非线性滤波问题的漂移同伦隐式粒子滤波方法（2022）
  14. 帕夫利奥蒂斯。；斯图尔特，A.M。；Vaes，U.：使用多尺度动力学的无导数贝叶斯反演（2022）
  15. 钱，伊丽莎白；塔贝尔特，杰米玛·M。；比蒂，克里斯托弗；古尔辛，塞尔坎；蒋嘉华；克莱默，彼得R。；Narayan，Akil:通过平衡进行贝叶斯推理的线性动态系统的模型简化（2022）
  16. 拉扎克，赛米尔莫德；Jafarpour，Behnam:地下水流模型校准和不确定性量化的非线性数据条件生成对抗网络（2022）
  17. 拉扎克，赛米尔莫德；江，安岳；Jafarpour，Behnam:潜在空间反演（LSI）：地下水流数据反演的深度学习框架（2022）
  18. Ruzayqat，哈姆扎；查达，尼尔K。；Jasra，Ajay:使用集合Kalman-Bucy滤波器对归一化常数进行多级估计（2022年）
  19. 瓦格纳，费边；帕帕奥安诺，我。；Ullmann，E.：稀有事件估计的集合卡尔曼滤波器（2022）
  20. 吴江琪；文，林杰；格林，彼得L。；李静来；Simon Maskell:基于集合卡尔曼滤波的序贯蒙特卡罗抽样用于序列贝叶斯推断（2022）

1 2 三 ... 21 22 23 下一个