Langzeit-Stabilität und Genauigkeit von Ensemble-transformationsbasierten Filteralgorithmen (A02)

• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 318763901

equentielle Monte-Carlo-Methoden sind ein Standardwerkzeug zur sequentiellen Zustands- und Parameterschätzung. Diese Methoden sind allerdings in der Praxis nur auf niedrigdimensionale Probleme anwendbar. In den letzten Jahren sind deshalb vermehrt alternative Algorithmen, wie z.B. der Ensemble-Kalman-Filter (EnKF), zur Anwendung gekommen, die dieser Beschränkung nicht unterliegen. Neuste Entwicklungen haben weiterhin zu datengetriebenen Vorhersagemodellen geführt, so genannten diffusionsbasierten generativen Modellen, die schneller Vorhersagen und damit größere Ensemble ermöglichen – deren theoretische Eigenschaften sind jedoch bisher nur wenig verstanden. Ziel des Projekts ist es daher, die theoretischen und algorithmischen Eigenschaften von generativen Vorhersagemodellen im Kontext von Datenassimilation zu untersuchen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1294: Datenassimilation – Die nahtlose Verschmelzung von Daten und Modellen
• Antragstellende Institution: Universität Potsdam
• Teilprojektleiterinnen / Teilprojektleiter: Professor Dr.-Ing. Sebastian Reich; Professor Dr. Wilhelm Stannat; Professorin Dr. Jana De Wiljes, bis 12/2025