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。


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 ... 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 ... 15 16 17 下一个