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http://www.siam.org/siamnews/10-03/tococt03.htm上的文章“集成卡尔曼滤波器使天气模型保持最新状态”。该页面作为EnKF用户的参考页面，包含文档、示例代码和标准化Fortran 90子例程，可用于EnKF的新实现。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 323篇文章，1标准件)

显示323的结果1到20。
按年份排序(引用)

1 2 三 ... 15 16 17 下一个

  1. Bishop，Adrian；Del Moral，Pierre；Niclas，Angèle:随机矩阵Riccati扩散的扰动分析（2020）
  2. Chada，Neil K.；Stuart，Andrew M.；Tong，Xin T.：集合卡尔曼反演中的Tikhonov正则化（2020）
  3. Crisan，Dan；López Yela，Alberto；Miguez，Joaquin:最优滤波器的稳定近似方案（2020）
  4. da Silva，Andre F.C.；Colonius，Tim:离散化误差下的流动状态估计（2020年）
  5. de Wiljes，Jana；Pathiraja，Sahani；Reich，Sebastian:非线性平滑问题的集成变换算法（2020）
  6. Ganguli，R.；Adhikari，S.：离散动态系统的数字孪生体：初始方法和未来挑战（2020）
  7. Alfredo Garbuno Inigo；Hoffmann，Franca；Li，Wuchen；Stuart，Andrew M.：相互作用的Langevin扩散：梯度结构和集合Kalman采样器（2020）
  8. 长谷川，Takanori；Yamaguchi，Rui；Niida，Atsushi；Miyano，Satoru；Imoto，Seiya：组合调节模型中隐含状态和参数推断的集成平滑器（2020年）
  9. 何其志；陈久炎：一种基于局部凸重构的物理约束数据驱动方法（2020）
  10. Stabile，Giovanni；Rosic，Bojana:基于投影的计算流体力学降阶模型的贝叶斯识别（2020）
  11. 小尺度不确定性评价；小尺度数值方法；小尺度数值模拟方法
  12. Albers，David J.；Blancquart，Paul Adrien；Levine，Matthew E.；Esmaeilzadeh-Seylabi，Elnaz；Stuart，Andrew:带约束的集合卡尔曼方法（2019年）
  13. Albers，David J.；Levine，Matthew E.；Mamykina，Lena；Hripcsak，George:参数Houlihan：一种针对极端病态问题的高通量可识别性不确定性的解决方案（2019年）
  14. Bergou，El Houcine；Gratton，Serge；Mandel，Jan:关于非线性集合Kalman平滑器的收敛性（2019）
  15. Bishop，Adrian；Del Moral，Pierre:具有随机系数的线性随机微分方程组的稳定性性质（2019）
  16. Bishop，A.N.；Del Moral，P.；Kamatani，K.；Rémillard，B.：关于一维Riccati扩散（2019年）
  17. Blömker，Dirk；Schillings，Claudia；Wacker，Philipp；Weissmann，Simon:集合卡尔曼反演的适定性和收敛性分析（2019）
  18. 陈楠；马自达，安德鲁J.；汤欣，T.：可激发介质非线性动力学随机模型的空间局部化（2019）
  19. Evensen，Geir：《迭代集成平滑器中模型误差的核算》（2019年）
  20. Hoang，H.S.；Baraille，Remy:基于同步随机扰动的高维矩阵估计的简单数值方法（2019）

1 2 三 ... 15 16 17 下一个