Chargement en cours
Vous êtes ici : Accueil

Créé à l'École Nationale des Ponts et Chaussées en 2003,

le CEREA est devenu un Laboratoire Commun École des Ponts ParisTech-EDF R&D à compter du 1er janvier 2004.

Ses activités de recherche sont centrées sur la pollution de l'air et la micrométéorologie des basses couches de l'atmosphère.

CEREA 15 years (video clip)

Dernières publications

Grudzien, C. and Bocquet, M.: A fast, single-iteration ensemble Kalman smoother for sequential data assimilation, Geosci. Model Dev., 15, 7641–7681, https://doi.org/10.5194/gmd-15-7641-2022, 2022.

Vous souhaitez accéder à :

Grudzien, C. and Bocquet, M.: A fast, single-iteration ensemble Kalman smoother for sequential data assimilation, Geosci. Model Dev., 15, 7641–7681, https://doi.org/10.5194/gmd-15-7641-2022, 2022.

Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.

Carrassi, A., Bocquet, M., Demaeyer, J., Gruzien, C., Raanes, P. N., and Vannitsem, S. (2022). Data assimilation for chaotic dynamics. In S. K. Park & L. Xu (Eds.), Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications (Vol. IV) (pp. 1–42). Springer, Cham. https://doi.org/10.1007/978-3-030-77722-7_1

Vous souhaitez accéder à :

Carrassi, A., Bocquet, M., Demaeyer, J., Gruzien, C., Raanes, P. N., and Vannitsem, S. (2022). Data assimilation for chaotic dynamics. In S. K. Park & L. Xu (Eds.), Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications (Vol. IV) (pp. 1–42). Springer, Cham. https://doi.org/10.1007/978-3-030-77722-7_1

Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.

Malartic, Q., Farchi, A., and Bocquet, M. (2022). State, global, and local parameter estimation using local ensemble Kalman filters: Applications to online machine learning of chaotic dynamics. Q. J. R. Meteorol. Soc., 148, 2167–2193. https://doi.org/10.1002/qj.4297

Vous souhaitez accéder à :

Malartic, Q., Farchi, A., and Bocquet, M. (2022). State, global, and local parameter estimation using local ensemble Kalman filters: Applications to online machine learning of chaotic dynamics. Q. J. R. Meteorol. Soc., 148, 2167–2193. https://doi.org/10.1002/qj.4297

Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
En poursuivant votre navigation sur ce site, vous acceptez nos conditions d'utilisation notamment l’utilisation de cookies afin d'améliorer la qualité de vos visites et réaliser des statistiques.
Mentions légales / Politique de confidentialitéX