The Analog Ensemble Kalman Filter and Smoother
1 : Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance
(Lab-STICC)
-
Website
Télécom Bretagne, Institut Mines-Télécom, CNRS : UMR6285
Technopole Brest Iroise BP 832 29285 BREST CEDEX -
France
2 : Département de Mathématiques [Brest]
-
Website
Université de Bretagne Occidentale (UBO)
6 avenue Le Gorgeu CS 93837 29238 BREST cedex 3 -
France
3 : Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance [Lorient]
(Lab-STICC)
-
Website
Télécom Bretagne, Institut Mines-Télécom, CNRS : UMR6285
Centre de recherche Christiaan Huygens BP 92116 - 56321 LORIENT Cedex -
France
4 : Consejo Nacional de Investigaciones Científicas y Técnicas
(CONICET)
-
Website
Avda. Rivadavia 1917 - CP C1033AAJ - Cdad. de Buenos Aires -
Argentina
5 : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie
(ICube)
-
Website
ENGEES, Institut National des Sciences Appliquées [INSA] - Strasbourg, université de Strasbourg, CNRS : UMR7357
300 bd Sébastien Brant - BP 10413 - F-67412 Illkirch Cedex -
France
6 : Laboratoire d'Océanographie Spatiale
Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER)
The amount of observational and model-simulated data in geosciences has grown rapidly since the early 1980s. This important source of information, coupling with machine learning and statistical methods, can be useful to model geophysical parameters in space and time. As an example, in a classical data assimilation problem, we show how a statistical emulator, based on a catalog of historical datasets, and a sequential Monte Carlo filter and smoother, are able to reproduce the temporal variability of the chaotic Lorenz-63 model.
| Subject : | : | Poster |
| Keywords | : | Data assimilation ; Stochastic filtering ; Analog method ; Lorenz ; 63 model |
| PDF version | : |  PDF version |
