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,第1条标准)

显示343个结果中的1到20个。
按年份排序(引用)

1 2 ... 16 17 18 下一个

  1. Miguel Alfonzo;Oliver,Dean S.:不完美模型的地震数据同化(2020年)
  2. Bishop,Adrian;Del Moral,Pierre;Niclas,Angèle:随机矩阵Riccati扩散的扰动分析(2020)
  3. 奈尔·查欣合奏;安德鲁·查姆·查姆内尔-查达合奏,2020年
  4. 陈楠:利用非线性滤波、平滑和后向采样技术改进复杂非线性湍流动力系统的预测(2020)
  5. 陈楠;马自达,安德鲁J.:用部分观测和短训练时间序列预测复杂非线性动力系统的观测和隐藏极端事件(2020)
  6. 陈楠;马自达,安德鲁J.:具有部分观测的复杂湍流非线性动力系统的有效非线性最优平滑和采样算法(2020)
  7. Crisan,Dan;López Yela,Alberto;Miguez,Joaquin:最优滤波器的稳定近似方案(2020)
  8. da Silva,Andre F.C.;Colonius,Tim:离散化误差下的流动状态估计(2020年)
  9. de Moraes,Rafael J.;Hajibeygi,Hadi;Jansen,Jan Dirk:数据同化的多尺度方法(2020)
  10. de Wiljes,Jana;Pathiraja,Sahani;Reich,Sebastian:非线性平滑问题的集成变换算法(2020)
  11. 全方位Kalman滤波分析(2020)
  12. 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)
  13. Gao,Guohua;Jiang,Hao;Vink,Jeroen C.;Chen,Chaohui;El Khamra,Yaakoub;Ita,Joel J.:生产数据条件下不确定度量化的高斯混合模型拟合方法(2020)
  14. 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)
  15. Golmohammadi,Azarang;Jafarpour,Behnam:通过流量响应数据的整合减少复杂地质系统概念性先验模型的不确定性(2020年)
  16. 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)
  17. 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)
  18. Holm,Håvard H.;Sætra,Martin L.;Brodtkorb,AndréR.:使用大规模集合和GPU对海洋漂移轨迹进行数据同化(2020年)
  19. Jahandideh,Atefeh;Jafarpour,Behnam:针对地质、开发和运营不确定性的闭环随机油田优化(2020)
  20. Lima,Mateus M.;Emerick,Alexandre A.;Ortiz,Carlos E.P.:数据空间反演与系综平滑(2020)

1 2 ... 16 17 18 下一个