doc/fr/glossary.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 .. _section_glossary:
  25
  26 Glossaire
  27 =========
  28
  29 .. glossary::
  30    :sorted:
  31
  32    cas
  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.
  40
  41    itération (interne)
  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)`.
  50
  51    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)`.
  58
  59    système physique
  60       C'est l'objet d'étude que l'on va représenter par simulation numérique,
  61       et que l'on observe par des mesures.
  62
  63    simulateur numérique
  64       Ensemble des relations numériques et des équations caractérisant le
  65       système physique étudié.
  66
  67    simulation numérique
  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
  72       système.
  73
  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.
  79
  80    opérateur d'observation
  81       C'est une transformation de l'état simulé en un ensemble de quantités
  82       explicitement comparables aux observations.
  83
  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.
  88
  89    conditions initiales
  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.
  93
  94    APosterioriCovariance
  95       Mot-clé indiquant la matrice de covariance des erreurs *a posteriori*
  96       d'analyse.
  97
  98    APosterioriCorrelations
  99       Mot-clé indiquant la matrice de corrélation des erreurs *a posteriori*
 100       d'analyse.
 101
 102    APosterioriVariances
 103       Mot-clé indiquant la matrice diagonale des variances des erreurs *a
 104       posteriori* d'analyse.
 105
 106    APosterioriStandardDeviations
 107       Mot-clé indiquant la matrice diagonale des écarts-types des erreurs *a
 108       posteriori* d'analyse.
 109
 110    BMA
 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`.
 114
 115    OMA
 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`.
 121
 122    OMB
 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`.
 128
 129    SigmaBck2
 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.
 134
 135    SigmaObs2
 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.
 140
 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
 145       "proche" de 1.
 146
 147    analyse
 148       C'est l'état optimal de représentation du système estimé par une
 149       procédure d'assimilation de données ou d'optimisation.
 150
 151    background
 152       C'est le terme anglais pour désigner l'ébauche.
 153
 154    ebauche
 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.
 159
 160    innovation
 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.
 164
 165    CostFunctionJ
 166       Mot-clé indiquant la fonction de minimisation, notée :math:`J`.
 167
 168    CostFunctionJo
 169       Mot-clé indiquant la partie due aux observations dans la fonction de
 170       minimisation, notée :math:`J^o`.
 171
 172    CostFunctionJb
 173       Mot-clé indiquant la partie due à l'ébauche dans la fonction de
 174       minimisation, notée :math:`J^b`.
 175
 176    CurrentState
 177       Mot-clé indiquant l'état courant utilisé au cours du déroulement d'un
 178       algorithme d'optimisation.