2 Copyright (C) 2008-2015 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
24 .. index:: single: 3DVAR
25 .. _section_ref_algorithm_3DVAR:
27 Algorithme de calcul "*3DVAR*"
28 ------------------------------
33 Cet algorithme réalise une estimation d'état par minimisation variationnelle de
34 la fonctionnelle :math:`J` d'écart classique en assimilation de données
37 .. math:: J(\mathbf{x})=(\mathbf{x}-\mathbf{x}^b)^T.\mathbf{B}^{-1}.(\mathbf{x}-\mathbf{x}^b)+(\mathbf{y}^o-\mathbf{H}.\mathbf{x})^T.\mathbf{R}^{-1}.(\mathbf{y}^o-\mathbf{H}.\mathbf{x})
39 qui est usuellement désignée comme la fonctionnelle "*3D-VAR*" (voir par exemple
42 Commandes requises et optionnelles
43 ++++++++++++++++++++++++++++++++++
45 .. index:: single: AlgorithmParameters
46 .. index:: single: Background
47 .. index:: single: BackgroundError
48 .. index:: single: Observation
49 .. index:: single: ObservationError
50 .. index:: single: ObservationOperator
51 .. index:: single: Minimizer
52 .. index:: single: Bounds
53 .. index:: single: MaximumNumberOfSteps
54 .. index:: single: CostDecrementTolerance
55 .. index:: single: ProjectedGradientTolerance
56 .. index:: single: GradientNormTolerance
57 .. index:: single: StoreSupplementaryCalculations
58 .. index:: single: Quantiles
59 .. index:: single: SetSeed
60 .. index:: single: NumberOfSamplesForQuantiles
61 .. index:: single: SimulationForQuantiles
63 Les commandes requises générales, disponibles dans l'interface en édition, sont
67 *Commande obligatoire*. Elle définit le vecteur d'ébauche ou
68 d'initialisation, noté précédemment :math:`\mathbf{x}^b`. Sa valeur est
69 définie comme un objet de type "*Vector*" ou de type "*VectorSerie*".
72 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
73 d'ébauche, notée précédemment :math:`\mathbf{B}`. Sa valeur est définie
74 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
75 type "*DiagonalSparseMatrix*".
78 *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
79 assimilation de données ou en optimisation, et noté précédemment
80 :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
81 ou de type "*VectorSerie*".
84 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
85 d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
86 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
87 type "*DiagonalSparseMatrix*".
90 *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
91 précédemment :math:`H`, qui transforme les paramètres d'entrée
92 :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
93 observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
94 type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
95 différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
96 la section :ref:`section_ref_operator_requirements`. Si un contrôle
97 :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
98 appliqué à une paire :math:`(X,U)`.
100 Les commandes optionnelles générales, disponibles dans l'interface en édition,
101 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. De plus, les
102 paramètres de la commande "*AlgorithmParameters*" permettent d'indiquer les options
103 particulières, décrites ci-après, de l'algorithme. On se reportera à la
104 :ref:`section_ref_options_Algorithm_Parameters` pour le bon usage de cette
107 Les options de l'algorithme sont les suivantes:
110 Cette clé permet de changer le minimiseur pour l'optimiseur. Le choix par
111 défaut est "LBFGSB", et les choix possibles sont "LBFGSB" (minimisation non
112 linéaire sous contraintes, voir [Byrd95]_, [Morales11]_ et [Zhu97]_), "TNC"
113 (minimisation non linéaire sous contraintes), "CG" (minimisation non
114 linéaire sans contraintes), "BFGS" (minimisation non linéaire sans
115 contraintes), "NCG" (minimisation de type gradient conjugué de Newton). Il
116 est fortement conseillé de conserver la valeur par défaut.
118 Exemple : ``{"Minimizer":"LBFGSB"}``
121 Cette clé permet de définir des bornes supérieure et inférieure pour chaque
122 variable d'état optimisée. Les bornes doivent être données par une liste de
123 liste de paires de bornes inférieure/supérieure pour chaque variable, avec
124 une valeur ``None`` chaque fois qu'il n'y a pas de borne. Les bornes peuvent
125 toujours être spécifiées, mais seuls les optimiseurs sous contraintes les
128 Exemple : ``{"Bounds":[[2.,5.],[1.e-2,10.],[-30.,None],[None,None]]}``
131 Cette clé indique le nombre maximum d'itérations possibles en optimisation
132 itérative. Le défaut est 15000, qui est très similaire à une absence de
133 limite sur les itérations. Il est ainsi recommandé d'adapter ce paramètre
134 aux besoins pour des problèmes réels. Pour certains optimiseurs, le nombre
135 de pas effectif d'arrêt peut être légèrement différent de la limite à cause
136 d'exigences de contrôle interne de l'algorithme.
138 Exemple : ``{"MaximumNumberOfSteps":100}``
140 CostDecrementTolerance
141 Cette clé indique une valeur limite, conduisant à arrêter le processus
142 itératif d'optimisation lorsque la fonction coût décroît moins que cette
143 tolérance au dernier pas. Le défaut est de 1.e-7, et il est recommandé
144 de l'adapter aux besoins pour des problèmes réels.
146 Exemple : ``{"CostDecrementTolerance":1.e-7}``
148 ProjectedGradientTolerance
149 Cette clé indique une valeur limite, conduisant à arrêter le processus
150 itératif d'optimisation lorsque toutes les composantes du gradient projeté
151 sont en-dessous de cette limite. C'est utilisé uniquement par les
152 optimiseurs sous contraintes. Le défaut est -1, qui désigne le défaut
153 interne de chaque optimiseur (usuellement 1.e-5), et il n'est pas recommandé
156 Exemple : ``{"ProjectedGradientTolerance":-1}``
158 GradientNormTolerance
159 Cette clé indique une valeur limite, conduisant à arrêter le processus
160 itératif d'optimisation lorsque la norme du gradient est en dessous de cette
161 limite. C'est utilisé uniquement par les optimiseurs sans contraintes. Le
162 défaut est 1.e-5 et il n'est pas recommandé de le changer.
164 Exemple : ``{"GradientNormTolerance":1.e-5}``
166 StoreSupplementaryCalculations
167 Cette liste indique les noms des variables supplémentaires qui peuvent être
168 disponibles à la fin de l'algorithme. Cela implique potentiellement des
169 calculs ou du stockage coûteux. La valeur par défaut est une liste vide,
170 aucune de ces variables n'étant calculée et stockée par défaut. Les noms
171 possibles sont dans la liste suivante : ["APosterioriCorrelations",
172 "APosterioriCovariance", "APosterioriStandardDeviations",
173 "APosterioriVariances", "BMA", "CostFunctionJ", "CurrentState", "OMA",
174 "OMB", "Innovation", "SigmaObs2", "MahalanobisConsistency",
175 "SimulatedObservationAtBackground", "SimulatedObservationAtCurrentState",
176 "SimulatedObservationAtOptimum", "SimulationQuantiles"].
178 Exemple : ``{"StoreSupplementaryCalculations":["BMA", "Innovation"]}``
181 Cette liste indique les valeurs de quantile, entre 0 et 1, à estimer par
182 simulation autour de l'état optimal. L'échantillonnage utilise des tirages
183 aléatoires gaussiens multivariés, dirigés par la matrice de covariance a
184 posteriori. Cette option n'est utile que si le calcul supplémentaire
185 "SimulationQuantiles" a été choisi. La valeur par défaut est une liste vide.
187 Exemple : ``{"Quantiles":[0.1,0.9]}``
190 Cette clé permet de donner un nombre entier pour fixer la graine du
191 générateur aléatoire utilisé pour générer l'ensemble. Un valeur pratique est
192 par exemple 1000. Par défaut, la graine est laissée non initialisée, et elle
193 utilise ainsi l'initialisation par défaut de l'ordinateur.
195 Exemple : ``{"SetSeed":1000}``
197 NumberOfSamplesForQuantiles
198 Cette clé indique le nombre de simulations effectuées pour estimer les
199 quantiles. Cette option n'est utile que si le calcul supplémentaire
200 "SimulationQuantiles" a été choisi. Le défaut est 100, ce qui suffit souvent
201 pour une estimation correcte de quantiles courants à 5%, 10%, 90% ou 95%.
203 Exemple : ``{"NumberOfSamplesForQuantiles":100}``
205 SimulationForQuantiles
206 Cette clé indique le type de simulation, linéaire (avec l'opérateur
207 d'observation tangent appliqué sur des incréments de perturbations autour de
208 l'état optimal) ou non-linéaire (avec l'opérateur d'observation standard
209 appliqué aux états perturbés), que l'on veut faire pour chaque perturbation.
210 Cela change essentiellement le temps de chaque simulation élémentaire,
211 usuellement plus long en non-linéaire qu'en linéaire. Cette option n'est
212 utile que si le calcul supplémentaire "SimulationQuantiles" a été choisi. La
213 valeur par défaut est "Linear", et les choix possibles sont "Linear" et
216 Exemple : ``{"SimulationForQuantiles":"Linear"}``
218 Informations et variables disponibles à la fin de l'algorithme
219 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
221 En sortie, après exécution de l'algorithme, on dispose d'informations et de
222 variables issues du calcul. La description des
223 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
224 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
225 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
226 l'écriture des procédures de post-processing, sont décrites dans
227 l':ref:`subsection_r_o_v_Inventaire`.
229 Les sorties non conditionnelles de l'algorithme sont les suivantes:
232 *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
233 en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
236 Exemple : ``Xa = ADD.get("Analysis")[-1]``
239 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
242 Exemple : ``J = ADD.get("CostFunctionJ")[:]``
245 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
246 :math:`J^b`, c'est-à-dire de la partie écart à l'ébauche.
248 Exemple : ``Jb = ADD.get("CostFunctionJb")[:]``
251 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
252 :math:`J^o`, c'est-à-dire de la partie écart à l'observation.
254 Exemple : ``Jo = ADD.get("CostFunctionJo")[:]``
256 Les sorties conditionnelles de l'algorithme sont les suivantes:
258 APosterioriCorrelations
259 *Liste de matrices*. Chaque élément est une matrice de corrélation des
260 erreurs *a posteriori* de l'état optimal.
262 Exemple : ``C = ADD.get("APosterioriCorrelations")[-1]``
264 APosterioriCovariance
265 *Liste de matrices*. Chaque élément est une matrice :math:`\mathbf{A}*` de
266 covariances des erreurs *a posteriori* de l'état optimal.
268 Exemple : ``A = ADD.get("APosterioriCovariance")[-1]``
270 APosterioriStandardDeviations
271 *Liste de matrices*. Chaque élément est une matrice d'écart-types des
272 erreurs *a posteriori* de l'état optimal.
274 Exemple : ``E = ADD.get("APosterioriStandardDeviations")[-1]``
277 *Liste de matrices*. Chaque élément est une matrice de variances des erreurs
278 *a posteriori* de l'état optimal.
280 Exemple : ``V = ADD.get("APosterioriVariances")[-1]``
283 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
284 l'ébauche et l'état optimal.
286 Exemple : ``bma = ADD.get("BMA")[-1]``
289 *Liste de vecteurs*. Chaque élément est un vecteur d'état courant utilisé
290 au cours du déroulement de l'algorithme d'optimisation.
292 Exemple : ``Xs = ADD.get("CurrentState")[:]``
295 *Liste de vecteurs*. Chaque élément est un vecteur d'innovation, qui est
296 en statique l'écart de l'optimum à l'ébauche, et en dynamique l'incrément
299 Exemple : ``d = ADD.get("Innovation")[-1]``
301 MahalanobisConsistency
302 *Liste de valeurs*. Chaque élément est une valeur de l'indicateur de
303 qualité de Mahalanobis.
305 Exemple : ``m = ADD.get("MahalanobisConsistency")[-1]``
308 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
309 l'observation et l'état optimal dans l'espace des observations.
311 Exemple : ``oma = ADD.get("OMA")[-1]``
314 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
315 l'observation et l'état d'ébauche dans l'espace des observations.
317 Exemple : ``omb = ADD.get("OMB")[-1]``
320 *Liste de valeurs*. Chaque élément est une valeur de l'indicateur de
321 qualité :math:`(\sigma^o)^2` de la partie observation.
323 Exemple : ``so2 = ADD.get("SigmaObs")[-1]``
325 SimulatedObservationAtBackground
326 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
327 partir de l'ébauche :math:`\mathbf{x}^b`.
329 Exemple : ``hxb = ADD.get("SimulatedObservationAtBackground")[-1]``
331 SimulatedObservationAtCurrentState
332 *Liste de vecteurs*. Chaque élément est un vecteur observé à l'état courant,
333 c'est-à-dire dans l'espace des observations.
335 Exemple : ``Ys = ADD.get("SimulatedObservationAtCurrentState")[-1]``
337 SimulatedObservationAtOptimum
338 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
339 partir de l'analyse ou de l'état optimal :math:`\mathbf{x}^a`.
341 Exemple : ``hxa = ADD.get("SimulatedObservationAtOptimum")[-1]``
344 *Liste de vecteurs*. Chaque élément est un vecteur correspondant à l'état
345 observé qui réalise le quantile demandé, dans le même ordre que les
346 quantiles requis par l'utilisateur.
348 Exemple : ``sQuantiles = ADD.get("SimulationQuantiles")[:]``
353 Références vers d'autres sections :
354 - :ref:`section_ref_algorithm_Blue`
355 - :ref:`section_ref_algorithm_ExtendedBlue`
356 - :ref:`section_ref_algorithm_LinearityTest`
358 Références bibliographiques :