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: ExtendedBlue
25 .. _section_ref_algorithm_ExtendedBlue:
27 Algorithme de calcul "*ExtendedBlue*"
28 -------------------------------------
33 Cet algorithme réalise une estimation de type BLUE étendu (Best Linear Unbiased
34 Estimator, étendu) de l'état d'un système.
36 Cet algorithme est une généralisation partiellement non-linéaire de
37 l':ref:`section_ref_algorithm_Blue`. Il lui est équivalent pour un opérateur
38 d'observation linéaire. On peut vérifier la linéarité de l'opérateur
39 d'observation à l'aide de l':ref:`section_ref_algorithm_LinearityTest`.
41 En non-linéaire, il se rapproche de l':ref:`section_ref_algorithm_3DVAR`, sans
42 lui être entièrement équivalent.
44 Commandes requises et optionnelles
45 ++++++++++++++++++++++++++++++++++
47 .. index:: single: AlgorithmParameters
48 .. index:: single: Background
49 .. index:: single: BackgroundError
50 .. index:: single: Observation
51 .. index:: single: ObservationError
52 .. index:: single: ObservationOperator
53 .. index:: single: StoreSupplementaryCalculations
54 .. index:: single: Quantiles
55 .. index:: single: SetSeed
56 .. index:: single: NumberOfSamplesForQuantiles
57 .. index:: single: SimulationForQuantiles
59 Les commandes requises générales, disponibles dans l'interface en édition, sont
63 *Commande obligatoire*. Elle définit le vecteur d'ébauche ou
64 d'initialisation, noté précédemment :math:`\mathbf{x}^b`. Sa valeur est
65 définie comme un objet de type "*Vector*" ou de type "*VectorSerie*".
68 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
69 d'ébauche, notée précédemment :math:`\mathbf{B}`. Sa valeur est définie
70 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
71 type "*DiagonalSparseMatrix*".
74 *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
75 assimilation de données ou en optimisation, et noté précédemment
76 :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
77 ou de type "*VectorSerie*".
80 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
81 d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
82 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
83 type "*DiagonalSparseMatrix*".
86 *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
87 précédemment :math:`H`, qui transforme les paramètres d'entrée
88 :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
89 observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
90 type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
91 différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
92 la section :ref:`section_ref_operator_requirements`. Si un contrôle
93 :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
94 appliqué à une paire :math:`(X,U)`.
96 Les commandes optionnelles générales, disponibles dans l'interface en édition,
97 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. De plus, les
98 paramètres de la commande "*AlgorithmParameters*" permettent d'indiquer les options
99 particulières, décrites ci-après, de l'algorithme. On se reportera à la
100 :ref:`section_ref_options_Algorithm_Parameters` pour le bon usage de cette
103 Les options de l'algorithme sont les suivantes:
105 StoreSupplementaryCalculations
106 Cette liste indique les noms des variables supplémentaires qui peuvent être
107 disponibles à la fin de l'algorithme. Cela implique potentiellement des
108 calculs ou du stockage coûteux. La valeur par défaut est une liste vide,
109 aucune de ces variables n'étant calculée et stockée par défaut. Les noms
110 possibles sont dans la liste suivante : ["APosterioriCorrelations",
111 "APosterioriCovariance", "APosterioriStandardDeviations",
112 "APosterioriVariances", "BMA", "CostFunctionJ", "OMA", "OMB", "Innovation",
113 "SigmaBck2", "SigmaObs2", "MahalanobisConsistency",
114 "SimulatedObservationAtBackground", "SimulatedObservationAtOptimum",
115 "SimulationQuantiles"].
117 Exemple : ``{"StoreSupplementaryCalculations":["BMA","Innovation"]}``
120 Cette liste indique les valeurs de quantile, entre 0 et 1, à estimer par
121 simulation autour de l'état optimal. L'échantillonnage utilise des tirages
122 aléatoires gaussiens multivariés, dirigés par la matrice de covariance a
123 posteriori. Cette option n'est utile que si le calcul supplémentaire
124 "SimulationQuantiles" a été choisi. La valeur par défaut est une liste vide.
126 Exemple : ``{"Quantiles":[0.1,0.9]}``
129 Cette clé permet de donner un nombre entier pour fixer la graine du
130 générateur aléatoire utilisé pour générer l'ensemble. Un valeur pratique est
131 par exemple 1000. Par défaut, la graine est laissée non initialisée, et elle
132 utilise ainsi l'initialisation par défaut de l'ordinateur.
134 Exemple : ``{"SetSeed":1000}``
136 NumberOfSamplesForQuantiles
137 Cette clé indique le nombre de simulations effectuées pour estimer les
138 quantiles. Cette option n'est utile que si le calcul supplémentaire
139 "SimulationQuantiles" a été choisi. Le défaut est 100, ce qui suffit souvent
140 pour une estimation correcte de quantiles courants à 5%, 10%, 90% ou 95%.
142 Exemple : ``{"NumberOfSamplesForQuantiles":100}``
144 SimulationForQuantiles
145 Cette clé indique le type de simulation, linéaire (avec l'opérateur
146 d'observation tangent appliqué sur des incréments de perturbations autour de
147 l'état optimal) ou non-linéaire (avec l'opérateur d'observation standard
148 appliqué aux états perturbés), que l'on veut faire pour chaque perturbation.
149 Cela change essentiellement le temps de chaque simulation élémentaire,
150 usuellement plus long en non-linéaire qu'en linéaire. Cette option n'est
151 utile que si le calcul supplémentaire "SimulationQuantiles" a été choisi. La
152 valeur par défaut est "Linear", et les choix possibles sont "Linear" et
155 Exemple : ``{"SimulationForQuantiles":"Linear"}``
157 Informations et variables disponibles à la fin de l'algorithme
158 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
160 En sortie, après exécution de l'algorithme, on dispose d'informations et de
161 variables issues du calcul. La description des
162 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
163 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
164 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
165 l'écriture des procédures de post-processing, sont décrites dans
166 l':ref:`subsection_r_o_v_Inventaire`.
168 Les sorties non conditionnelles de l'algorithme sont les suivantes:
171 *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
172 en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
175 Exemple : ``Xa = ADD.get("Analysis")[-1]``
177 Les sorties conditionnelles de l'algorithme sont les suivantes:
179 APosterioriCorrelations
180 *Liste de matrices*. Chaque élément est une matrice de corrélation des
181 erreurs *a posteriori* de l'état optimal.
183 Exemple : ``C = ADD.get("APosterioriCorrelations")[-1]``
185 APosterioriCovariance
186 *Liste de matrices*. Chaque élément est une matrice :math:`\mathbf{A}*` de
187 covariances des erreurs *a posteriori* de l'état optimal.
189 Exemple : ``A = ADD.get("APosterioriCovariance")[-1]``
191 APosterioriStandardDeviations
192 *Liste de matrices*. Chaque élément est une matrice d'écart-types des
193 erreurs *a posteriori* de l'état optimal.
195 Exemple : ``E = ADD.get("APosterioriStandardDeviations")[-1]``
198 *Liste de matrices*. Chaque élément est une matrice de variances des erreurs
199 *a posteriori* de l'état optimal.
201 Exemple : ``V = ADD.get("APosterioriVariances")[-1]``
204 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
205 l'ébauche et l'état optimal.
207 Exemple : ``bma = ADD.get("BMA")[-1]``
210 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
213 Exemple : ``J = ADD.get("CostFunctionJ")[:]``
216 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
217 :math:`J^b`, c'est-à-dire de la partie écart à l'ébauche.
219 Exemple : ``Jb = ADD.get("CostFunctionJb")[:]``
222 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
223 :math:`J^o`, c'est-à-dire de la partie écart à l'observation.
225 Exemple : ``Jo = ADD.get("CostFunctionJo")[:]``
228 *Liste de vecteurs*. Chaque élément est un vecteur d'innovation, qui est
229 en statique l'écart de l'optimum à l'ébauche, et en dynamique l'incrément
232 Exemple : ``d = ADD.get("Innovation")[-1]``
234 MahalanobisConsistency
235 *Liste de valeurs*. Chaque élément est une valeur de l'indicateur de
236 qualité de Mahalanobis.
238 Exemple : ``m = ADD.get("MahalanobisConsistency")[-1]``
241 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
242 l'observation et l'état optimal dans l'espace des observations.
244 Exemple : ``oma = ADD.get("OMA")[-1]``
247 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
248 l'observation et l'état d'ébauche dans l'espace des observations.
250 Exemple : ``omb = ADD.get("OMB")[-1]``
253 *Liste de valeurs*. Chaque élément est une valeur de l'indicateur de
254 qualité :math:`(\sigma^b)^2` de la partie ébauche.
256 Exemple : ``sb2 = ADD.get("SigmaBck")[-1]``
259 *Liste de valeurs*. Chaque élément est une valeur de l'indicateur de
260 qualité :math:`(\sigma^o)^2` de la partie observation.
262 Exemple : ``so2 = ADD.get("SigmaObs")[-1]``
264 SimulatedObservationAtBackground
265 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
266 partir de l'ébauche :math:`\mathbf{x}^b`.
268 Exemple : ``hxb = ADD.get("SimulatedObservationAtBackground")[-1]``
270 SimulatedObservationAtOptimum
271 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
272 partir de l'analyse ou de l'état optimal :math:`\mathbf{x}^a`.
274 Exemple : ``hxa = ADD.get("SimulatedObservationAtOptimum")[-1]``
277 *Liste de vecteurs*. Chaque élément est un vecteur correspondant à l'état
278 observé qui réalise le quantile demandé, dans le même ordre que les
279 quantiles requis par l'utilisateur.
281 Exemple : ``sQuantiles = ADD.get("SimulationQuantiles")[:]``
286 Références vers d'autres sections :
287 - :ref:`section_ref_algorithm_Blue`
288 - :ref:`section_ref_algorithm_3DVAR`
289 - :ref:`section_ref_algorithm_LinearityTest`