Cristin-resultat-ID: 1817818
Sist endret: 17. september 2020, 15:43
NVI-rapporteringsår: 2020
Resultat
Vitenskapelig artikkel
2020

Combining data assimilation and machine learning to emulate a dynamical model from sparse and noisy observations: A case study with the Lorenz 96 model

Bidragsytere:
  • Julien Brajard
  • Alberto Carrassi
  • Marc Bocquet og
  • Laurent Bertino

Tidsskrift

Journal of Computational Science
ISSN 1877-7503
e-ISSN 1877-7511
NVI-nivå 1
Finn i kanalregisteret

Om resultatet

Vitenskapelig artikkel
Publiseringsår: 2020
Volum: 44

Lenker

original online (doi)

Importkilder

Scopus-ID: 2-s2.0-85086901784

Beskrivelse Beskrivelse

Tittel

Combining data assimilation and machine learning to emulate a dynamical model from sparse and noisy observations: A case study with the Lorenz 96 model

Bidragsytere

Julien Brajard

  • Tilknyttet:
    Forfatter
    ved Sorbonne Université
  • Tilknyttet:
    Forfatter
    ved Nansen Senter for Miljø og Fjernmåling
Inaktiv cristin-person

Alberto Carrassi

  • Tilknyttet:
    Forfatter
    ved Universiteit Utrecht
  • Tilknyttet:
    Forfatter
    ved University of Reading

Marc Bocquet

  • Tilknyttet:
    Forfatter
    ved Université Paris-Est

Laurent Bertino

  • Tilknyttet:
    Forfatter
    ved Nansen Senter for Miljø og Fjernmåling
1 - 4 av 4