2 Copyright (C) 2008-2023 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/Header2Algo01.rst
33 Cet algorithme réalise une estimation de l'état d'un système dynamique par un
34 filtre de Kalman d'ensemble (EnKF), permettant d'éviter de devoir calculer les
35 opérateurs tangent ou adjoint pour les opérateurs d'observation ou d'évolution,
36 comme dans les filtres de Kalman simple ou étendu.
38 Il s'applique aux cas d'opérateurs d'observation et d'évolution incrémentale
39 (processus) non-linéaires et présente d'excellentes qualités de robustesse et
40 de performances. Il peut être rapproché de
41 l':ref:`section_ref_algorithm_UnscentedKalmanFilter` dont les qualités sont
42 similaires pour les systèmes non-linéaires.
44 On remarque qu'il n'y a pas d'analyse effectuée au pas de temps initial
45 (numéroté 0 dans l'indexage temporel) car il n'y a pas de prévision à cet
46 instant (l'ébauche est stockée comme pseudo-analyse au pas initial). Si les
47 observations sont fournies en série par l'utilisateur, la première n'est donc
50 Dans le cas d'opérateurs linéaires ou "faiblement" non-linéaire, on peut
51 aisément utiliser l':ref:`section_ref_algorithm_ExtendedKalmanFilter` ou même
52 l':ref:`section_ref_algorithm_KalmanFilter`, qui sont souvent largement moins
53 coûteux en évaluations sur de petits systèmes. On peut vérifier la linéarité
54 des opérateurs à l'aide de l':ref:`section_ref_algorithm_LinearityTest`.
56 Il existe de nombreuses variantes de cet algorithme. On propose ici des
57 formulations stables et robustes suivantes :
62 pair: Variant ; ETKF-N
65 pair: Variant ; E3DVAR
68 - "EnKF" (Ensemble Kalman Filter, voir [Evensen94]_), algorithme stochastique original, permettant de traiter de manière consistante un opérateur d'évolution non-linéaire,
69 - "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),
70 - "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,
71 - "MLEF" (Maximum Likelihood Kalman Filter, voir [Zupanski05]_), algorithme déterministe d'EnKF, permettant en plus de traiter de manière consistante un opérateur d'observation non-linéaire),
72 - "IEnKF" (Iterative EnKF), algorithme déterministe d'EnKF, améliorant le traitement des non-linéarités des opérateurs,
73 - "E3DVAR" (EnKF 3DVAR), algorithme couplant assimilation d'ensemble et variationnelle, qui utilise en parallèle une assimilation variationnelle 3DVAR et un algorithme d'EnKF pour améliorer l'estimation des covariances d'erreurs *a posteriori*,
74 - "EnKS" (Ensemble Kalman Smoother), algorithme de lissage avec un décalage fixe.
76 Sans pouvoir prétendre à l'universalité, on recommande d'utiliser la
77 formulation "EnKF" comme référence, la formulation "ETKF-N" ou "IEnKF" pour une
78 performance robuste, et les autres algorithmes (dans l'ordre) comme des moyens
79 pour obtenir une assimilation de données plus économique et de qualité
80 (éventuellement) similaire.
82 .. ------------------------------------ ..
83 .. include:: snippets/Header2Algo02.rst
85 .. include:: snippets/Background.rst
87 .. include:: snippets/BackgroundError.rst
89 .. include:: snippets/EvolutionError.rst
91 .. include:: snippets/EvolutionModel.rst
93 .. include:: snippets/Observation.rst
95 .. include:: snippets/ObservationError.rst
97 .. include:: snippets/ObservationOperator.rst
99 .. ------------------------------------ ..
100 .. include:: snippets/Header2Algo03AdOp.rst
102 .. include:: snippets/EstimationOf_State.rst
104 .. include:: snippets/HybridCostDecrementTolerance.rst
106 .. include:: snippets/HybridCovarianceEquilibrium.rst
108 .. include:: snippets/HybridMaximumNumberOfIterations.rst
110 .. include:: snippets/InflationFactor.rst
112 .. include:: snippets/InflationType.rst
114 .. include:: snippets/NumberOfMembers.rst
116 .. include:: snippets/SetSeed.rst
118 .. include:: snippets/SmootherLagL.rst
120 StoreSupplementaryCalculations
121 .. index:: single: StoreSupplementaryCalculations
123 *Liste de noms*. Cette liste indique les noms des variables supplémentaires,
124 qui peuvent être disponibles au cours du déroulement ou à la fin de
125 l'algorithme, si elles sont initialement demandées par l'utilisateur. Leur
126 disponibilité implique, potentiellement, des calculs ou du stockage coûteux.
127 La valeur par défaut est donc une liste vide, aucune de ces variables n'étant
128 calculée et stockée par défaut (sauf les variables inconditionnelles). Les
129 noms possibles pour les variables supplémentaires sont dans la liste suivante
130 (la description détaillée de chaque variable nommée est donnée dans la suite
131 de cette documentation par algorithme spécifique, dans la sous-partie
132 "*Informations et variables disponibles à la fin de l'algorithme*") : [
134 "APosterioriCorrelations",
135 "APosterioriCovariance",
136 "APosterioriStandardDeviations",
137 "APosterioriVariances",
140 "CostFunctionJAtCurrentOptimum",
142 "CostFunctionJbAtCurrentOptimum",
144 "CostFunctionJoAtCurrentOptimum",
145 "CurrentIterationNumber",
148 "ForecastCovariance",
151 "InnovationAtCurrentAnalysis",
152 "InnovationAtCurrentState",
153 "SimulatedObservationAtCurrentAnalysis",
154 "SimulatedObservationAtCurrentOptimum",
155 "SimulatedObservationAtCurrentState",
159 ``{"StoreSupplementaryCalculations":["CurrentState", "Residu"]}``
161 .. include:: snippets/Variant_EnKF.rst
163 .. ------------------------------------ ..
164 .. include:: snippets/Header2Algo04.rst
166 .. include:: snippets/Analysis.rst
168 .. ------------------------------------ ..
169 .. include:: snippets/Header2Algo05.rst
171 .. include:: snippets/Analysis.rst
173 .. include:: snippets/APosterioriCorrelations.rst
175 .. include:: snippets/APosterioriCovariance.rst
177 .. include:: snippets/APosterioriStandardDeviations.rst
179 .. include:: snippets/APosterioriVariances.rst
181 .. include:: snippets/BMA.rst
183 .. include:: snippets/CostFunctionJ.rst
185 .. include:: snippets/CostFunctionJAtCurrentOptimum.rst
187 .. include:: snippets/CostFunctionJb.rst
189 .. include:: snippets/CostFunctionJbAtCurrentOptimum.rst
191 .. include:: snippets/CostFunctionJo.rst
193 .. include:: snippets/CostFunctionJoAtCurrentOptimum.rst
195 .. include:: snippets/CurrentIterationNumber.rst
197 .. include:: snippets/CurrentOptimum.rst
199 .. include:: snippets/CurrentState.rst
201 .. include:: snippets/ForecastCovariance.rst
203 .. include:: snippets/ForecastState.rst
205 .. include:: snippets/IndexOfOptimum.rst
207 .. include:: snippets/InnovationAtCurrentAnalysis.rst
209 .. include:: snippets/InnovationAtCurrentState.rst
211 .. include:: snippets/SimulatedObservationAtCurrentAnalysis.rst
213 .. include:: snippets/SimulatedObservationAtCurrentOptimum.rst
215 .. include:: snippets/SimulatedObservationAtCurrentState.rst
217 .. ------------------------------------ ..
218 .. _section_ref_algorithm_EnsembleKalmanFilter_examples:
219 .. include:: snippets/Header2Algo06.rst
221 - :ref:`section_ref_algorithm_KalmanFilter`
222 - :ref:`section_ref_algorithm_ExtendedKalmanFilter`
223 - :ref:`section_ref_algorithm_UnscentedKalmanFilter`
225 .. ------------------------------------ ..
226 .. include:: snippets/Header2Algo07.rst