Assimilação de Dados é um procedimento matemático onde se combina dados observados com informação a priori (geralmente previsão de curto prazo) considerando-se o conhecimento estatÃstico dos erros de observação e previsão. Neste trabalho avalia-se a performance de uma implementação do filtro de Kalman por Conjuntos na assimilação de dados sintéticos com o Modelo de Lorenz. As equações de Lorenz são amplamente utilizadas para na avaliação de esquemas de assimilação de dados por ser um sistema de baixa dimensão, mas altamente não-linear ou caótico, como a atmosfera terrestre. Com base nos resultados, conclui-se que, para esta implementação, o conjunto com 10 membros é a melhor configuração, pois com 50 e 100 membro no conjunto ocorre “overfittingâ€. Avaliou-se a eficiência do filtro ao assimilar dados com 20% e 40% de ruÃdo e concluiu-se que com 40% de ruÃdo o sistema falha, principalmente no final do perÃodo de integração. Conclui-se também, que o EKF precisa de dados com boa amostragem temporal para resolver o problema da assimilação de dados em dinâmica caótica.
