doc/en/ref_algorithm_MeasurementsOptimalPositioningTask.rst

   1 ..
   2    Copyright (C) 2008-2023 EDF R&D
   3
   4    This file is part of SALOME ADAO module.
   5
   6    This library is free software; you can redistribute it and/or
   7    modify it under the terms of the GNU Lesser General Public
   8    License as published by the Free Software Foundation; either
   9    version 2.1 of the License, or (at your option) any later version.
  10
  11    This library is distributed in the hope that it will be useful,
  12    but WITHOUT ANY WARRANTY; without even the implied warranty of
  13    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14    Lesser General Public License for more details.
  15
  16    You should have received a copy of the GNU Lesser General Public
  17    License along with this library; if not, write to the Free Software
  18    Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  19
  20    See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  21
  22    Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  23
  24 .. index:: single: MeasurementsOptimalPositioningTask
  25 .. index:: single: Optimal positioning of measurements
  26 .. index:: single: Measurement locations
  27 .. index:: single: Measurements (Optimal positioning)
  28 .. _section_ref_algorithm_MeasurementsOptimalPositioningTask:
  29
  30 Task algorithm "*MeasurementsOptimalPositioningTask*"
  31 -----------------------------------------------------
  32
  33 .. ------------------------------------ ..
  34 .. include:: snippets/Header2Algo00.rst
  35
  36 .. warning::
  37
  38   This algorithm is only available in textual user interface (TUI) and not in
  39   graphical user interface (GUI).
  40
  41 .. ------------------------------------ ..
  42 .. include:: snippets/Header2Algo01.rst
  43
  44 This algorithm provides optimal positioning of measurement points by an EIM
  45 (Empirical Interpolation Method) analysis, in a iterative greedy way from a set
  46 of given state vectors (usually called "snapshots" in reduced basis
  47 methodology) or obtained by a direct simulation during the algorithm. Each of
  48 these state vectors are usaully (but not necessarily) the result
  49 :math:`\mathbf{y}` of a simulation :math:`H` for a given set of paramters
  50 :math:`\mathbf{x}=\mu`.
  51
  52 There are two ways to use this algorithm:
  53
  54 #. In its simplest use, if the set of state vectors is pre-existing, it is only
  55    necessary to provide it by the option "*SetOfSnapshots*" of algorithm.
  56 #. If the set of state vectors is to be obtained by simulations during the
  57    course of the algorithm, then one must provide the :math:`H` simulation
  58    operator and the parametric :math:`\mathbf{x}` state space design of
  59    experiments.
  60
  61 The sample of states :math:`\mathbf{x}` can be provided explicitly or in the
  62 form of hyper-cubes, explicit or sampled according to standard laws. Beware of
  63 the size of the hyper-cube (and thus the number of computations) that can be
  64 reached, it can quickly become important.
  65
  66 It is possible to exclude a priori potential positions for optimal measurement
  67 points, using the analysis variant "*lcEIM*" for a constrained positioning
  68 search.
  69
  70 .. ------------------------------------ ..
  71 .. include:: snippets/Header2Algo02.rst
  72
  73 *None*
  74
  75 .. ------------------------------------ ..
  76 .. include:: snippets/Header2Algo03Task.rst
  77
  78 .. include:: snippets/EnsembleOfSnapshots.rst
  79
  80 .. include:: snippets/ExcludeLocations.rst
  81
  82 .. include:: snippets/ErrorNorm.rst
  83
  84 .. include:: snippets/ErrorNormTolerance.rst
  85
  86 .. include:: snippets/MaximumNumberOfLocations.rst
  87
  88 .. include:: snippets/SampleAsExplicitHyperCube.rst
  89
  90 .. include:: snippets/SampleAsIndependantRandomVariables.rst
  91
  92 .. include:: snippets/SampleAsMinMaxStepHyperCube.rst
  93
  94 .. include:: snippets/SampleAsnUplet.rst
  95
  96 .. include:: snippets/SetDebug.rst
  97
  98 .. include:: snippets/SetSeed.rst
  99
 100 StoreSupplementaryCalculations
 101   .. index:: single: StoreSupplementaryCalculations
 102
 103   *List of names*. This list indicates the names of the supplementary
 104   variables, that can be available during or at the end of the algorithm, if
 105   they are initially required by the user. Their avalability involves,
 106   potentially, costly calculations or memory consumptions. The default is then
 107   a void list, none of these variables being calculated and stored by default
 108   (excepted the unconditionnal variables). The possible names are in the
 109   following list (the detailed description of each named variable is given in
 110   the following part of this specific algorithmic documentation, in the
 111   sub-section "*Information and variables available at the end of the
 112   algorithm*"): [
 113   "EnsembleOfSimulations",
 114   "EnsembleOfStates",
 115   "OptimalPoints",
 116   "ReducedBasis",
 117   "Residus",
 118   ].
 119
 120   Example :
 121   ``{"StoreSupplementaryCalculations":["BMA", "CurrentState"]}``
 122
 123 .. include:: snippets/Variant_MOP.rst
 124
 125 .. ------------------------------------ ..
 126 .. include:: snippets/Header2Algo04.rst
 127
 128 .. include:: snippets/OptimalPoints.rst
 129
 130 .. ------------------------------------ ..
 131 .. include:: snippets/Header2Algo05.rst
 132
 133 .. include:: snippets/EnsembleOfSimulations.rst
 134
 135 .. include:: snippets/EnsembleOfStates.rst
 136
 137 .. include:: snippets/OptimalPoints.rst
 138
 139 .. include:: snippets/ReducedBasis.rst
 140
 141 .. include:: snippets/Residus.rst
 142
 143 .. ------------------------------------ ..
 144 .. _section_ref_algorithm_MeasurementsOptimalPositioningTask_examples:
 145 .. include:: snippets/Header2Algo07.rst
 146
 147 - [Barrault04]_
 148 - [Gong18]_
 149 - [Quarteroni16]_