Elektronický meteorologický slovník výkladový a terminologický (eMS) sestavila ČMeS

filtr Kalmánův
(KF) – rekurzivní algoritmus, který dává optimální odhad (ve smyslu minimalizace střední kvadratické odchylky) stavového vektoru lineárního dynamického systému (např. lineárního modelu) za předpokladu, že chyba lineárního modelu popisujícího dynamický systém má Gaussovo rozdělení a naměřené hodnoty stavového vektoru mají chybu s Gaussovým rozdělením nezávislou na chybě modelu. KF poskytuje optimální odhady pro minulé, současné i budoucí stavy systému společně s odhadem jejich chyby. Proto je KF filtr vhodný pro asimilaci dat do numerického modelu předpovědi počasí. Kromě toho se KF používá i v jiných meteorologických aplikacích jako je např. statistický postprocessing prognostických dat numerických modelů počasí, downscaling apod. Z řady nemeteorologických aplikací se KF využívá např. pro lokalizaci cílů a jejich pohybu na základě radarových měření. Pro nelineární dynamické systémy (nelineární modely) existují různé modifikace základního algoritmu. Zobecněný KF (EKF) linearizuje model v okolí aktuálního stavového vektoru a na tento model aplikuje KF. Vzhledem k tomu, že modely předpovědi počasí jsou silně nelineární, EKF nedává přijatelné výsledky a v meteorologických aplikacích se nepoužívá. Ansámblový KF (EnKF) aplikuje model na ansámbl počátečních stavových vektorů a určuje odhad chyby předpovědi modelu pomocí vyhodnocení získaného ansámblu předpovědí. Přitom se předpokládá Gaussovo rozdělení obou ansámblů. Zobecněním EnKF je částicový KF (PKF), který se liší od EnKF tím, že se neomezuje na Gaussovo rozdělení, což ovšem výrazně navyšuje časovou náročnost výpočtu. V současné době nejpoužívanější metoda aplikace KF v asimilaci dat je LETKF, což je z výpočetního hlediska velmi efektivní aplikace EnKF.
angl: Kalman filter slov: Kalmánov filter rus: фильтр Калмана něm: Kalman-Filter m fr: filtre de Kalman m  2014
podpořila:
spolupracují: