从贝叶斯(bayes)到局地集合变换卡尔曼滤波(LETKF)数目链接推荐

老实人明明

没能继续写下去，一方面是没有时间，另一方面便是，只有自己写的时候，才知道什么是自己还没搞明白的，实在是不好意思在不懂的地方胡说八道～
故此，目前的打算是，在科研的途中，拼凑一些时间来补充自己的知识，如果有新的理解并认为值得分享我会继续有效更新

以下是一些我个人，到目前为止，认为值得一读的卡尔曼滤波（不涉及变分等）同化相关链接和文献

1. ECMWF training course: data assimilation

2. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzkwfDkzMTNhMTRlNDQ0MjM0ZDNhZDE4ODM4MjYyMjIyMDU3fDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (recommended)

3. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzkxfDAyNjA0MzVhOTIxOGNhNDQ5ZTg5ZWJiYjhjY2JkMTc4fDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (recommended)

4. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzkyfDdhOWZmNDJkMWEwOGRiYzRiMTI1NWZhNGQ5NTEzNjEyfDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (strongly recommended)

5. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzkzfGY1YWE0ZmVkM2MzN2MyMzUxNzY4NWYwNTJiNzY3MGU2fDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (strongly recommended)

6. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzk0fDhiOThhNmZlZmM4OGZlMWM5NjdiZjU1OTBlOWVjNmU3fDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (strongly recommended)

7. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzk1fDQzY2FmYTkyNWU4NmY5M2U0ZDI4NDNhYjM5NDZlNDAwfDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (strongly recommended)

8. https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzk2fDBmNDBhY2NjZjBkOWQ2ZjhhOTNlODZhYjJjYjFlY2U5fDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf (strongly recommended)

也分享一下即将学习的书目

https://bbs.06climate.com/forum.php?mod=attachment&aid=MTEwNzk3fGViMmU5ZDcyNWYzOTcyNGVmYjJiNzI0NzM0MTY5NzFkfDE3NDk4MjA1MDk%3D&request=yes&_f=.pdf

我希望在这书中找到一些答案，比如Monte Carlo和Bayesian Theroem在本专业的应用，是怎么一步一步到的ENKF（集合卡尔曼滤波）

方法，运用起来是不需要了解其原理由来的．但创新可不能敷衍将就，要在某个科学领域突破限制条框做到创新，必须了解该领域最底层的逻辑，最底层的默认规则是什么，以及由这些默认的规则是如何走到今日的科学的，而那些未曾设想的底层逻辑和未曾走过的路，即是已知科学的局限性，也即是需要去突破之处

望与诸君共勉！

贫道敬孔

楼主最后一段说得好

Nozigaka46

感谢！大家一起学习