<h1>ML-gestützter Ensemble Kalman Filter steigert Genauigkeit bei gleicher Rechenzeit</h1> <p>In einer neuen Studie wird gezeigt, wie ein Multi-Fidelity Ensemble Kalman Filter (MF‑EnKF) mit einem maschinellen Lern‑Surrogat als niedrig‑qualitatives Modell die Vorhersagegenauigkeit steigern kann, ohne die Rechenkosten zu erhöhen. Der Ansatz kombiniert ein kleines Ensemble von teuren, vollständigen Modellsimulationen mit einem großen Ensemble von schnellen, aber weniger genauen ML‑Simulationen. Durch diese Mis