Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Marginalized Particle Filtering Framework for Tuning of Ensemble Filters

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F11%3A00367533" target="_blank" >RIV/67985556:_____/11:00367533 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1175/2011MWR3586.1" target="_blank" >http://dx.doi.org/10.1175/2011MWR3586.1</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1175/2011MWR3586.1" target="_blank" >10.1175/2011MWR3586.1</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Marginalized Particle Filtering Framework for Tuning of Ensemble Filters

  • Popis výsledku v původním jazyce

    Marginalized particle ltering (MPF), also known as Rao-Blackwellized particle filtering has been recently developed as a hybrid method combining analytical lters with particle filters. In this paper, we investigate the prospects of this approach in enviromental modelling where the key concerns are nonlinearity, high-dimensionality, and computational cost. In our formulation, exact marginalization in the MPF is replaced by approximate marginalization yielding a framework for creation of new hybrid lters.In particular, we propose to use the MPF framework for on-line tuning of nuisance parameters of ensemble filters. Strength of the framework is demonstrated on the joint estimation of the inflation factor, the measurement error variance and the length-scale parameter of covariance localization. It is shown that accurate estimation can be achieved with a moderate number of particles. Moreover, this result was achieved with naively chosen proposal densities leaving space for further improv

  • Název v anglickém jazyce

    Marginalized Particle Filtering Framework for Tuning of Ensemble Filters

  • Popis výsledku anglicky

    Marginalized particle ltering (MPF), also known as Rao-Blackwellized particle filtering has been recently developed as a hybrid method combining analytical lters with particle filters. In this paper, we investigate the prospects of this approach in enviromental modelling where the key concerns are nonlinearity, high-dimensionality, and computational cost. In our formulation, exact marginalization in the MPF is replaced by approximate marginalization yielding a framework for creation of new hybrid lters.In particular, we propose to use the MPF framework for on-line tuning of nuisance parameters of ensemble filters. Strength of the framework is demonstrated on the joint estimation of the inflation factor, the measurement error variance and the length-scale parameter of covariance localization. It is shown that accurate estimation can be achieved with a moderate number of particles. Moreover, this result was achieved with naively chosen proposal densities leaving space for further improv

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Monthly Weather Review

  • ISSN

    0027-0644

  • e-ISSN

  • Svazek periodika

    139

  • Číslo periodika v rámci svazku

    11

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    10

  • Strana od-do

    3589-3599

  • Kód UT WoS článku

    000296475700014

  • EID výsledku v databázi Scopus