基于独立 EnKF 估计量样本平均的多层集成卡尔曼滤波
数值分析
2020-09-22 v2 数值分析
摘要
我们提出了一种新的多层集成卡尔曼滤波方法（MLEnKF），它由多层独立的集成卡尔曼滤波器（EnKF）样本组成。这一新的 MLEnKF 方法与 Hoel、Law 和 Tempone 于 2016 年提出的已有方法有着本质区别，并且适用于向基于多指标蒙特卡洛的滤波方法拓展。稳健的理论分析与支撑性的数值算例表明，在适当的正则性假设下，对于关注量的弱近似，在集成规模大且分辨率细的极限下，MLEnKF 方法的复杂度优于朴素 EnKF。该方法针对具有有限维状态空间且观测为受加性高斯噪声污染的线性观测的离散时间滤波问题而建立。
引用
@article{arxiv.2002.00480,
title = {Multilevel Ensemble Kalman Filtering based on a sample average of independent EnKF estimators},
author = {Håkon Hoel and Gaukhar Shaimerdenova and Raúl Tempone},
journal= {arXiv preprint arXiv:2002.00480},
year = {2020}
}
备注
40 pages, 7 figures. The computer code of the method introduced in the work is written in the Julia programming language, and it can be downloaded from https://github.com/GaukharSH/mlenkf