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: ExtendedKalmanFilter
25 .. _section_ref_algorithm_ExtendedKalmanFilter:
27 Algorithme de calcul "*ExtendedKalmanFilter*"
28 ---------------------------------------------
33 Cet algorithme réalise une estimation de l'état d'un système dynamique par un
34 filtre de Kalman étendu, utilisant un calcul non linéaire de l'état et de
35 l'évolution incrémentale (processus).
37 Commandes requises et optionnelles
38 ++++++++++++++++++++++++++++++++++
40 .. index:: single: AlgorithmParameters
41 .. index:: single: Background
42 .. index:: single: BackgroundError
43 .. index:: single: Observation
44 .. index:: single: ObservationError
45 .. index:: single: ObservationOperator
46 .. index:: single: Bounds
47 .. index:: single: ConstrainedBy
48 .. index:: single: EstimationOf
49 .. index:: single: StoreSupplementaryCalculations
51 Les commandes requises générales, disponibles dans l'interface en édition, sont
55 *Commande obligatoire*. Elle définit le vecteur d'ébauche ou
56 d'initialisation, noté précédemment :math:`\mathbf{x}^b`. Sa valeur est
57 définie comme un objet de type "*Vector*" ou de type "*VectorSerie*".
60 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
61 d'ébauche, notée précédemment :math:`\mathbf{B}`. Sa valeur est définie
62 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
63 type "*DiagonalSparseMatrix*".
66 *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
67 assimilation de données ou en optimisation, et noté précédemment
68 :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
69 ou de type "*VectorSerie*".
72 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
73 d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
74 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
75 type "*DiagonalSparseMatrix*".
78 *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
79 précédemment :math:`H`, qui transforme les paramètres d'entrée
80 :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
81 observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
82 type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
83 différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
84 la section :ref:`section_ref_operator_requirements`. Si un contrôle
85 :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
86 appliqué à une paire :math:`(X,U)`.
88 Les commandes optionnelles générales, disponibles dans l'interface en édition,
89 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. De plus, les
90 paramètres de la commande "*AlgorithmParameters*" permettent d'indiquer les
91 options particulières, décrites ci-après, de l'algorithme. On se reportera à la
92 :ref:`section_ref_options_Algorithm_Parameters` pour le bon usage de cette
95 Les options de l'algorithme sont les suivantes:
98 Cette clé permet de définir des bornes supérieure et inférieure pour chaque
99 variable d'état optimisée. Les bornes doivent être données par une liste de
100 liste de paires de bornes inférieure/supérieure pour chaque variable, avec
101 une valeur extrême chaque fois qu'il n'y a pas de borne (``None`` n'est pas
102 une valeur autorisée lorsqu'il n'y a pas de borne).
104 Exemple : ``{"Bounds":[[2.,5.],[1.e-2,10.],[-30.,1.e99],[-1.e99,1.e99]]}``
107 Cette clé permet d'indiquer la méthode de prise en compte des contraintes de
108 bornes. La seule disponible est "EstimateProjection", qui projete
109 l'estimation de l'état courant sur les contraintes de bornes.
111 Exemple : ``{"ConstrainedBy":"EstimateProjection"}``
114 Cette clé permet de choisir le type d'estimation à réaliser. Cela peut être
115 soit une estimation de l'état, avec la valeur "State", ou une estimation de
116 paramètres, avec la valeur "Parameters". Le choix par défaut est "State".
118 Exemple : ``{"EstimationOf":"Parameters"}``
120 StoreSupplementaryCalculations
121 Cette liste indique les noms des variables supplémentaires qui peuvent être
122 disponibles à la fin de l'algorithme. Cela implique potentiellement des
123 calculs ou du stockage coûteux. La valeur par défaut est une liste vide,
124 aucune de ces variables n'étant calculée et stockée par défaut. Les noms
125 possibles sont dans la liste suivante : ["APosterioriCorrelations",
126 "APosterioriCovariance", "APosterioriStandardDeviations",
127 "APosterioriVariances", "BMA", "CostFunctionJ", "CurrentState",
130 Exemple : ``{"StoreSupplementaryCalculations":["BMA", "Innovation"]}``
132 Informations et variables disponibles à la fin de l'algorithme
133 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
135 En sortie, après exécution de l'algorithme, on dispose d'informations et de
136 variables issues du calcul. La description des
137 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
138 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
139 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
140 l'écriture des procédures de post-processing, sont décrites dans
141 l':ref:`subsection_r_o_v_Inventaire`.
143 Les sorties non conditionnelles de l'algorithme sont les suivantes:
146 *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
147 en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
150 Exemple : ``Xa = ADD.get("Analysis")[-1]``
152 Les sorties conditionnelles de l'algorithme sont les suivantes:
154 APosterioriCorrelations
155 *Liste de matrices*. Chaque élément est une matrice de corrélation des
156 erreurs *a posteriori* de l'état optimal.
158 Exemple : ``C = ADD.get("APosterioriCorrelations")[-1]``
160 APosterioriCovariance
161 *Liste de matrices*. Chaque élément est une matrice :math:`\mathbf{A}*` de
162 covariances des erreurs *a posteriori* de l'état optimal.
164 Exemple : ``A = ADD.get("APosterioriCovariance")[-1]``
166 APosterioriStandardDeviations
167 *Liste de matrices*. Chaque élément est une matrice d'écart-types des
168 erreurs *a posteriori* de l'état optimal.
170 Exemple : ``E = ADD.get("APosterioriStandardDeviations")[-1]``
173 *Liste de matrices*. Chaque élément est une matrice de variances des erreurs
174 *a posteriori* de l'état optimal.
176 Exemple : ``V = ADD.get("APosterioriVariances")[-1]``
179 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
180 l'ébauche et l'état optimal.
182 Exemple : ``bma = ADD.get("BMA")[-1]``
185 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
188 Exemple : ``J = ADD.get("CostFunctionJ")[:]``
191 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
192 :math:`J^b`, c'est-à-dire de la partie écart à l'ébauche.
194 Exemple : ``Jb = ADD.get("CostFunctionJb")[:]``
197 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
198 :math:`J^o`, c'est-à-dire de la partie écart à l'observation.
200 Exemple : ``Jo = ADD.get("CostFunctionJo")[:]``
203 *Liste de vecteurs*. Chaque élément est un vecteur d'état courant utilisé
204 au cours du déroulement de l'algorithme d'optimisation.
206 Exemple : ``Xs = ADD.get("CurrentState")[:]``
209 *Liste de vecteurs*. Chaque élément est un vecteur d'innovation, qui est
210 en statique l'écart de l'optimum à l'ébauche, et en dynamique l'incrément
213 Exemple : ``d = ADD.get("Innovation")[-1]``
218 Références vers d'autres sections :
219 - :ref:`section_ref_algorithm_KalmanFilter`
220 - :ref:`section_ref_algorithm_UnscentedKalmanFilter`