2 Copyright (C) 2008-2023 EDF R&D
4 This file is part of SALOME ADAO module.
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.
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.
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
20 See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
22 Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
33 Un cas ADAO est défini par un jeu de données et de choix, rassemblés par
34 l'intermédiaire de l'interface utilisateur du module (en TUI comme en
35 GUI). Les données sont les mesures physiques qui doivent être
36 techniquement disponibles avant ou pendant l'exécution du cas. Le (ou
37 les) code(s) de simulation et la méthode d'assimilation de données ou
38 d'optimisation, ainsi que leurs paramètres, doivent être choisis, ils
39 définissent les propriétés d'exécution du cas.
42 Une itération (interne) a lieu lorsque l'on utilise des méthodes
43 d'optimisation itératives (par exemple pour l'algorithme de 3DVAR). Les
44 itérations internes sont effectuées à l'intérieur de chaque opération
45 d'optimisation itérative. Le comportement itératif est entièrement
46 intégré dans l'exécution des algorithmes itératifs, et il n'est apparent
47 pour l'utilisateur que lorsque son observation est explicitement demandée
48 en utilisant des "*Observer*" attachés à des variables de calcul. Voir
49 aussi :term:`pas (d'assimilation)`.
52 Un pas (d'assimilation) a lieu lorsqu'une nouvelle observation, ou un
53 nouveau jeu d'observations, est utilisé, pour suivre par exemple le
54 déroulement temporel d'un système dynamique. Remarque : un *unique pas*
55 d'assimilation peut contenir par nature *plusieurs itérations*
56 d'optimisation lorsque l'assimilation utilise une méthode itérative
57 d'optimisation. Voir aussi :term:`itération (interne)`.
60 C'est l'objet d'étude que l'on va représenter par simulation numérique,
61 et que l'on observe par des mesures.
64 Ensemble des relations numériques et des équations caractérisant le
65 système physique étudié.
68 Mise en oeuvre calculatoire de l'ensemble constitué du simulateur
69 numérique et d'un jeu particulier de toutes les variables d'entrée et de
70 contrôle du simulateur. Ces variables permettent de mettre le simulateur
71 numérique en capacité de représenter numériquement le comportement du
74 observations ou mesures
75 Ce sont des quantités qui proviennent d'instruments de mesures et qui
76 caractérisent le système physique à étudier. Ces quantités peuvent varier
77 en espace ou en temps, peuvent être ponctuelles ou intégrées. Elles sont
78 elles-mêmes caractérisées par leur nature de mesure, leur dimension, etc.
80 opérateur d'observation
81 C'est une transformation de l'état simulé en un ensemble de quantités
82 explicitement comparables aux observations.
84 conditions aux limites
85 Ce sont des variables particulières d'entrée et de contrôle du
86 simulateur, qui caractérisent la description du comportement du système
87 en bordure du domaine spatial de simulation.
90 Ce sont des variables particulières d'entrée et de contrôle du
91 simulateur, qui caractérisent la description du comportement du système
92 en bordure initiale du domaine temporel de simulation.
95 Mot-clé indiquant la matrice de covariance des erreurs *a posteriori*
98 APosterioriCorrelations
99 Mot-clé indiquant la matrice de corrélation des erreurs *a posteriori*
103 Mot-clé indiquant la matrice diagonale des variances des erreurs *a
104 posteriori* d'analyse.
106 APosterioriStandardDeviations
107 Mot-clé indiquant la matrice diagonale des écarts-types des erreurs *a
108 posteriori* d'analyse.
111 L'acronyme signifie *Background moins Analysis*. C'est la différence
112 entre l'état d'ébauche et l'état optimal estimé, correspondant à
113 l'expression mathématique :math:`\mathbf{x}^b - \mathbf{x}^a`.
116 L'acronyme signifie *Observation moins Analysis*. C'est la différence
117 entre les observations et le résultat de la simulation basée sur l'état
118 optimal estimé, l'analyse, filtré pour être compatible avec les
119 observations, correspondant à l'expression mathématique
120 :math:`\mathbf{y}^o - \mathbf{H}\mathbf{x}^a`.
123 L'acronyme signifie *Observation moins Background*. C'est la différence
124 entre les observations et le résultat de la simulation basée sur l'état
125 d'ébauche, filtré pour être compatible avec les observations,
126 correspondant à l'expression mathématique :math:`\mathbf{y}^o -
127 \mathbf{H}\mathbf{x}^b`.
130 Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
131 consistance de la partie due à l'ébauche dans l'estimation optimale d'état
132 par assimilation de données. Sa valeur peut être comparée à 1, une "bonne"
133 estimation conduisant à un paramètre "proche" de 1.
136 Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
137 consistance de la partie due à l'observation dans l'estimation optimale
138 d'état par assimilation de données. Sa valeur peut être comparée à 1, une
139 "bonne" estimation conduisant à un paramètre "proche" de 1.
141 MahalanobisConsistency
142 Mot-clé indiquant le paramètre de Mahalanobis mesurant la consistance de
143 l'estimation optimale d'état par assimilation de données. Sa valeur peut
144 être comparée à 1, une "bonne" estimation conduisant à un paramètre
148 C'est l'état optimal de représentation du système estimé par une
149 procédure d'assimilation de données ou d'optimisation.
152 C'est le terme anglais pour désigner l'ébauche.
155 C'est une part (choisie pour être modifiable) de la représentation de
156 l'état du système, représentation connue *a priori* ou initiale, qui
157 n'est pas optimale, et qui est utilisée comme une estimation grossière ou
158 comme "la meilleure connue", avant une estimation optimale.
161 Différence entre les observations et le résultat de la simulation basée
162 sur l'état d'ébauche, filtré pour être compatible avec les observations.
163 C'est similaire à OMB dans les cas statiques.
166 Mot-clé indiquant la fonction de minimisation, notée :math:`J`.
169 Mot-clé indiquant la partie due aux observations dans la fonction de
170 minimisation, notée :math:`J^o`.
173 Mot-clé indiquant la partie due à l'ébauche dans la fonction de
174 minimisation, notée :math:`J^b`.
177 Mot-clé indiquant l'état courant utilisé au cours du déroulement d'un
178 algorithme d'optimisation.