doc/fr/glossary.rst

   1 ..
   2    Copyright (C) 2008-2019 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    système physique
  51       C'est l'objet d'étude que l'on va représenter par simulation numérique,
  52       et que l'on observe par des mesures.
  53
  54    simulateur numérique
  55       Ensemble des relations numériques et des équations caractérisant le
  56       système physique étudié.
  57
  58    simulation numérique
  59       Mise en oeuvre calculatoire de l'ensemble constitué du simulateur
  60       numérique et d'un jeu particulier de toutes les variables d'entrée et de
  61       contrôle du simulateur. Ces variables permettent de mettre le simulateur
  62       numérique en capacité de représenter numériquement le comportement du
  63       système.
  64
  65    observations ou mesures
  66       Ce sont des quantités qui proviennent d'instruments de mesures et qui
  67       caractérisent le système physique à étudier. Ces quantités peuvent varier
  68       en espace ou en temps, peuvent être ponctuelles ou intégrées. Elles sont
  69       elles-mêmes caractérisées par leur nature de mesure, leur dimension, etc.
  70
  71    opérateur d'observation
  72       C'est une transformation de l'état simulé en un ensemble de quantités
  73       explicitement comparables aux observations.
  74
  75    conditions aux limites
  76       Ce sont des variables particulières d'entrée et de contrôle du
  77       simulateur, qui caractérisent la description du comportement du système
  78       en bordure du domaine spatial de simulation.
  79
  80    conditions initiales
  81       Ce sont des variables particulières d'entrée et de contrôle du
  82       simulateur, qui caractérisent la description du comportement du système
  83       en bordure initiale du domaine temporel de simulation.
  84
  85    APosterioriCovariance
  86       Mot-clé indiquant la matrice de covariance des erreurs *a posteriori*
  87       d'analyse.
  88
  89    APosterioriCorrelations
  90       Mot-clé indiquant la matrice de corrélation des erreurs *a posteriori*
  91       d'analyse.
  92
  93    APosterioriVariances
  94       Mot-clé indiquant la matrice diagonale des variances des erreurs *a
  95       posteriori* d'analyse.
  96
  97    APosterioriStandardDeviations
  98       Mot-clé indiquant la matrice diagonale des écarts-types des erreurs *a
  99       posteriori* d'analyse.
 100
 101    BMA (Background minus Analysis)
 102       Différence entre l'état d'ébauche et l'état optimal estimé, notée
 103       :math:`\mathbf{x}^b - \mathbf{x}^a`.
 104
 105    OMA (Observation minus Analysis)
 106       Différence entre les observations et le résultat de la simulation basée
 107       sur l'état optimal estimé, l'analyse, filtré pour être compatible avec les
 108       observations, notée :math:`\mathbf{y}^o - \mathbf{H}\mathbf{x}^a`.
 109
 110    OMB (Observation minus Background)
 111       Différence entre les observations et le résultat de la simulation basée
 112       sur l'état d'ébauche,  filtré pour être compatible avec les observations,
 113       notée :math:`\mathbf{y}^o - \mathbf{H}\mathbf{x}^b`.
 114
 115    SigmaBck2
 116       Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
 117       consistance de la partie due à l'ébauche dans l'estimation optimale d'état
 118       par assimilation de données. Sa valeur peut être comparée à 1, une "bonne"
 119       estimation conduisant à un paramètre "proche" de 1.
 120
 121    SigmaObs2
 122       Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la
 123       consistance de la partie due à l'observation dans l'estimation optimale
 124       d'état par assimilation de données. Sa valeur peut être comparée à 1, une
 125       "bonne" estimation conduisant à un paramètre "proche" de 1.
 126
 127    MahalanobisConsistency
 128       Mot-clé indiquant le paramètre de Mahalanobis mesurant la consistance de
 129       l'estimation optimale d'état par assimilation de données. Sa valeur peut
 130       être comparée à 1, une "bonne" estimation conduisant à un paramètre
 131       "proche" de 1.
 132
 133    analyse
 134       C'est l'état optimal de représentation du système estimé par une
 135       procédure d'assimilation de données ou d'optimisation.
 136
 137    background
 138       C'est le terme anglais pour désigner l'ébauche.
 139
 140    ébauche
 141       C'est une part (choisie pour être modifiable) de la représentation de
 142       l'état du système, représentation connue *a priori* ou initiale, qui
 143       n'est pas optimale, et qui est utilisée comme une estimation grossière ou
 144       comme "la meilleure connue", avant une estimation optimale.
 145
 146    innovation
 147       Différence entre les observations et le résultat de la simulation basée
 148       sur l'état d'ébauche,  filtré pour être compatible avec les observations.
 149       C'est similaire à OMB dans les cas statiques.
 150
 151    CostFunctionJ
 152       Mot-clé indiquant la fonction de minimisation, notée :math:`J`.
 153
 154    CostFunctionJo
 155       Mot-clé indiquant la partie due aux observations dans la fonction de
 156       minimisation, notée :math:`J^o`.
 157
 158    CostFunctionJb
 159       Mot-clé indiquant la partie due à l'ébauche dans la fonction de
 160       minimisation, notée :math:`J^b`.
 161
 162    CurrentState
 163       Mot-clé indiquant l'état courant utilisé au cours du déroulement d'un
 164       algorithme d'optimisation.