doc/fr/glossary.rst

   1 ..
   2    Copyright (C) 2008-2014 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. Les données sont les
  35       mesures physiques qui doivent être techniquement disponibles avant ou
  36       pendant l'exécution du cas. Le (ou les) code(s) de simulation et la
  37       méthode d'assimilation de données ou d'optimisation, ainsi que leurs
  38       paramètres, doivent être choisis, ils définissent les propriétés
  39       d'exécution du cas.
  40
  41    itération
  42       Une itération a lieu lorsque l'on utilise des méthodes d'optimisation
  43       itératives (par exemple le 3DVAR), et c'est entièrement caché à
  44       l'intérieur du noeud principal de type YACS OptimizerLoop nommé
  45       "*compute_bloc*". Néanmoins, l'utilisateur peut observer le processus
  46       itératif à l'aide de la fenêtre "*YACS Container Log*", qui est mise à
  47       jour au fur et à mesure du déroulement du calcul, et en utilisant des
  48       "*Observers*" attachés à des variables de calcul.
  49
  50    APosterioriCovariance
  51       Mot-clé indiquant la matrice de covariance des erreurs *a posteriori*
  52       d'analyse.
  53
  54    BMA (Background minus Analysis)
  55       Différence entre l'état d'ébauche et l'état optimal estimé, notée
  56       :math:`\mathbf{x}^b - \mathbf{x}^a`.
  57
  58    OMA (Observation minus Analysis)
  59       Différence entre les observations et le résultat de la simulation basée
  60       sur l'état optimal estimé, l'analyse, filtré pour être compatible avec les
  61       observations, notée :math:`\mathbf{y}^o - \mathbf{H}\mathbf{x}^a`.
  62
  63    OMB (Observation minus Background)
  64       Différence entre les observations et le résultat de la simulation basée
  65       sur l'état d'ébauche,  filtré pour être compatible avec les observations,
  66       notée :math:`\mathbf{y}^o - \mathbf{H}\mathbf{x}^b`.
  67
  68    SigmaBck2
  69       Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
  70       consistance de la partie due à l'ébauche dans l'estimation optimale d'état
  71       par assimilation de données. Sa valeur peut être comparée à 1, une "bonne"
  72       estimation conduisant à un paramètre "proche" de 1.
  73
  74    SigmaObs2
  75       Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
  76       consistance de la partie due à l'observation dans l'estimation optimale
  77       d'état par assimilation de données. Sa valeur peut être comparée à 1, une
  78       "bonne" estimation conduisant à un paramètre "proche" de 1.
  79
  80    MahalanobisConsistency
  81       Mot-clé indiquant le paramètre de Mahalanobis mesurant la consistance de
  82       l'estimation optimale d'état par assimilation de données. Sa valeur peut
  83       être comparée à 1, une "bonne" estimation conduisant à un paramètre
  84       "proche" de 1.
  85
  86    analyse
  87       L'état optimal estimé par une procédure d'assimilation de données ou
  88       d'optimisation.
  89
  90    background
  91       C'est le terme anglais pour désigner l'ébauche.
  92
  93    ébauche
  94       C'est l'état du système connu *a priori*, qui n'est pas optimal, et qui
  95       est utilisé comme une estimation grossière, ou "la meilleure connue",
  96       avant une estimation optimale.
  97
  98    innovation
  99       Différence entre les observations et le résultat de la simulation basée
 100       sur l'état d'ébauche,  filtré pour être compatible avec les observations.
 101       C'est similaire à OMB dans les cas statiques.
 102
 103    CostFunctionJ
 104       Mot-clé indiquant la fonction de minimisation, notée :math:`J`.
 105
 106    CostFunctionJo
 107       Mot-clé indiquant la partie due aux observations dans la fonction de
 108       minimisation, notée :math:`J^o`.
 109
 110    CostFunctionJb
 111       Mot-clé indiquant la partie due à l'ébauche dans la fonction de
 112       minimisation, notée :math:`J^b`.