2 Copyright (C) 2008-2021 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: EnsembleKalmanFilter
25 .. _section_ref_algorithm_EnsembleKalmanFilter:
27 Algorithme de calcul "*EnsembleKalmanFilter*"
28 ---------------------------------------------
30 .. ------------------------------------ ..
31 .. include:: snippets/Header2Algo00.rst
33 .. ------------------------------------ ..
34 .. include:: snippets/Header2Algo01.rst
36 Cet algorithme réalise une estimation de l'état d'un système dynamique par un
37 filtre de Kalman d'ensemble (EnKF), permettant d'éviter de devoir calculer les
38 opérateurs tangent ou adjoint pour les opérateurs d'observation ou d'évolution,
39 comme dans les filtres de Kalman simple ou étendu.
41 Il s'applique aux cas d'opérateurs d'observation et d'évolution incrémentale
42 (processus) non-linéaires et présente d'excellentes qualités de robustesse et
43 de performances. Il peut être rapproché de
44 l':ref:`section_ref_algorithm_UnscentedKalmanFilter` dont les qualités sont
45 similaires pour les systèmes non-linéaires.
47 On remarque qu'il n'y a pas d'analyse effectuée au pas de temps initial
48 (numéroté 0 dans l'indexage temporel) car il n'y a pas de prévision à cet
49 instant (l'ébauche est stockée comme pseudo-analyse au pas initial). Si les
50 observations sont fournies en série par l'utilisateur, la première n'est donc
53 Dans le cas d'opérateurs linéaires ou "faiblement" non-linéaire, on peut
54 aisément utiliser l':ref:`section_ref_algorithm_ExtendedKalmanFilter` ou même
55 l':ref:`section_ref_algorithm_KalmanFilter`, qui sont souvent largement moins
56 coûteux en évaluations sur de petits systèmes. On peut vérifier la linéarité
57 des opérateurs à l'aide de l':ref:`section_ref_algorithm_LinearityTest`.
59 Il existe de nombreuses variantes de cet algorithme. On propose ici des
60 formulations stables et robustes suivantes :
65 pair: Variant ; ETKF-N
69 - "EnKF" (Ensemble Kalman Filter, voir [Evensen94]_), algorithme stochastique original, permettant de traiter de manière consistante un opérateur d'évolution non-linéaire,
70 - "ETKF" (Ensemble-Transform Kalman Filter), algorithme déterministe d'EnKF, permettant de traiter un opérateur d'évolution non-linéaire avec beaucoup moins de membres (on recommande d'utiliser un nombre de membres de l'ordre de 10 ou même parfois moins),
71 - "ETKF-N" (Ensemble-Transform Kalman Filter of finite size N), algorithme d'ETKF dit de "taille finie N", évitant de recourir à une inflation souvent nécessaire avec les autres algorithmes,
72 - "MLEF" (Maximum Likelihood Kalman Filter, voir [Zupanski05]_), schéma déterministe d'EnKF, permettant en plus de traiter de manière consistante un opérateur d'observation non-linéaire),
73 - "IEnKF" (Iterative EnKF), schéma déterministe d'EnKF, améliorant le traitement des non-linéarités des opérateurs.
75 Sans pouvoir prétendre à l'universalité, on recommande d'utiliser l'"EnKF"
76 comme référence, et les autres algorithmes (dans l'ordre) comme des moyens pour
77 obtenir une assimilation de données plus économique et de qualité
78 éventuellement similaire.
80 .. ------------------------------------ ..
81 .. include:: snippets/Header2Algo02.rst
83 .. include:: snippets/Background.rst
85 .. include:: snippets/BackgroundError.rst
87 .. include:: snippets/EvolutionError.rst
89 .. include:: snippets/EvolutionModel.rst
91 .. include:: snippets/Observation.rst
93 .. include:: snippets/ObservationError.rst
95 .. include:: snippets/ObservationOperator.rst
97 .. ------------------------------------ ..
98 .. include:: snippets/Header2Algo03AdOp.rst
100 .. include:: snippets/EstimationOf.rst
102 .. include:: snippets/InflationFactor.rst
104 .. include:: snippets/InflationType.rst
106 .. include:: snippets/NumberOfMembers.rst
108 .. include:: snippets/SetSeed.rst
110 StoreSupplementaryCalculations
111 .. index:: single: StoreSupplementaryCalculations
113 *Liste de noms*. Cette liste indique les noms des variables supplémentaires
114 qui peuvent être disponibles au cours du déroulement ou à la fin de
115 l'algorithme, si elles sont initialement demandées par l'utilisateur. Cela
116 implique potentiellement des calculs ou du stockage coûteux. La valeur par
117 défaut est une liste vide, aucune de ces variables n'étant calculée et
118 stockée par défaut sauf les variables inconditionnelles. Les noms possibles
119 sont dans la liste suivante : [
121 "APosterioriCorrelations",
122 "APosterioriCovariance",
123 "APosterioriStandardDeviations",
124 "APosterioriVariances",
127 "CostFunctionJAtCurrentOptimum",
129 "CostFunctionJbAtCurrentOptimum",
131 "CostFunctionJoAtCurrentOptimum",
132 "CurrentIterationNumber",
135 "ForecastCovariance",
138 "InnovationAtCurrentAnalysis",
139 "InnovationAtCurrentState",
140 "SimulatedObservationAtCurrentAnalysis",
141 "SimulatedObservationAtCurrentOptimum",
142 "SimulatedObservationAtCurrentState",
146 ``{"StoreSupplementaryCalculations":["BMA", "CurrentState"]}``
148 .. include:: snippets/Variant_EnKF.rst
150 .. ------------------------------------ ..
151 .. include:: snippets/Header2Algo04.rst
153 .. include:: snippets/Analysis.rst
155 .. ------------------------------------ ..
156 .. include:: snippets/Header2Algo05.rst
158 .. include:: snippets/Analysis.rst
160 .. include:: snippets/APosterioriCorrelations.rst
162 .. include:: snippets/APosterioriCovariance.rst
164 .. include:: snippets/APosterioriStandardDeviations.rst
166 .. include:: snippets/APosterioriVariances.rst
168 .. include:: snippets/BMA.rst
170 .. include:: snippets/CostFunctionJ.rst
172 .. include:: snippets/CostFunctionJAtCurrentOptimum.rst
174 .. include:: snippets/CostFunctionJb.rst
176 .. include:: snippets/CostFunctionJbAtCurrentOptimum.rst
178 .. include:: snippets/CostFunctionJo.rst
180 .. include:: snippets/CostFunctionJoAtCurrentOptimum.rst
182 .. include:: snippets/CurrentIterationNumber.rst
184 .. include:: snippets/CurrentOptimum.rst
186 .. include:: snippets/CurrentState.rst
188 .. include:: snippets/ForecastCovariance.rst
190 .. include:: snippets/ForecastState.rst
192 .. include:: snippets/IndexOfOptimum.rst
194 .. include:: snippets/InnovationAtCurrentAnalysis.rst
196 .. include:: snippets/InnovationAtCurrentState.rst
198 .. include:: snippets/SimulatedObservationAtCurrentAnalysis.rst
200 .. include:: snippets/SimulatedObservationAtCurrentOptimum.rst
202 .. include:: snippets/SimulatedObservationAtCurrentState.rst
204 .. ------------------------------------ ..
205 .. include:: snippets/Header2Algo06.rst
207 - :ref:`section_ref_algorithm_KalmanFilter`
208 - :ref:`section_ref_algorithm_ExtendedKalmanFilter`
209 - :ref:`section_ref_algorithm_UnscentedKalmanFilter`
211 .. ------------------------------------ ..
212 .. include:: snippets/Header2Algo07.rst