Lehrinhalte
Baysessche Formulierung von Datenassimilationsproblemen, Kalman Glätter, Markov-Ketten Monte-Carlo Methoden, Variationelle Methoden (4DVar), Sequentielle Methoden und 3DVar, Kalman Filter und Ensemble Kalman Filter,
"Nudging" Methoden (z.B. Luenberger Beobachter), Modellreduktionsmethoden. Implementation dieser Verfahren.
Literatur
Kody Law, Andrew Stuart, Konstantinos Zygalakis; Data Assimilation: A mathematical introduction, Springer, 2015
Mark Asch, Marc Bocquet, Maelle Nodet; Data Assimilation: Methods, Algorithms and Applications, SIAM 2016
Online-Angebote
moodle
- Lehrende: Jan Giesselmann
- Lehrende: Varun Kumar
- Lehrende: Michael Thiele
Semester: SoSe 2026
Jupyterhub API Server: https://tu-jupyter-t.ca.hrz.tu-darmstadt.de