Zobrazeno 1 - 10
of 953
pro vyhledávání: '"J, Monnier"'
Publikováno v:
Geoscientific Model Development, Vol 15, Pp 6085-6113 (2022)
This contribution presents a novel multi-dimensional (multi-D) hydraulic–hydrological numerical model with variational data assimilation capabilities. It allows multi-scale modeling over large domains, combining in situ observations with high-resol
Externí odkaz:
https://doaj.org/article/d94b9fd60d0744c484d8d49be90d2b44
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
N. Chaabene, J. Zhang, M. Turmine, E. Kurchavova, V. Vivier, F. Cuevas, M. Mateos, M. Latroche, J. Monnier
Publikováno v:
Journal of Power Sources. 574:233176
Autor:
N. Martin, J. Monnier
Publikováno v:
The Cryosphere, Vol 8, Iss 2, Pp 721-741 (2014)
This work focuses on the numerical assessment of the accuracy of an adjoint-based gradient in the perspective of variational data assimilation and parameter identification in glaciology. Using noisy synthetic data, we quantify the ability to identify
Externí odkaz:
https://doaj.org/article/af1e090006d04535bc5261b314a71961