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: LinearLeastSquares
25 .. _section_ref_algorithm_LinearLeastSquares:
27 Algorithme de calcul "*LinearLeastSquares*"
28 -------------------------------------------
33 Cet algorithme réalise une estimation linéaire de type "Moindres Carrés"
34 pondérés. Il est similaire à l':ref:`section_ref_algorithm_Blue`
35 amputé de sa partie ébauche.
37 Cet algorithme est toujours le plus rapide de l'ensemble des algorithmes
38 d'optimisation d'ADAO. Il est théoriquement réservé aux cas d'opérateurs
39 d'observation linéaires, même s'il fonctionne parfois dans les cas "faiblement"
40 non-linéaire. On peut vérifier la linéarité de l'opérateur d'observation à
41 l'aide de l':ref:`section_ref_algorithm_LinearityTest`.
43 Dans tous les cas, il est recommandé de lui préférer au minimum
44 l':ref:`section_ref_algorithm_Blue`, voire
45 l':ref:`section_ref_algorithm_ExtendedBlue` ou
46 l':ref:`section_ref_algorithm_3DVAR`.
48 Commandes requises et optionnelles
49 ++++++++++++++++++++++++++++++++++
51 .. index:: single: AlgorithmParameters
52 .. index:: single: Observation
53 .. index:: single: ObservationError
54 .. index:: single: ObservationOperator
55 .. index:: single: StoreSupplementaryCalculations
57 Les commandes requises générales, disponibles dans l'interface en édition, sont
61 *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
62 assimilation de données ou en optimisation, et noté précédemment
63 :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
64 ou de type "*VectorSerie*".
67 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
68 d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
69 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
70 type "*DiagonalSparseMatrix*".
73 *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
74 précédemment :math:`H`, qui transforme les paramètres d'entrée
75 :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
76 observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
77 type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
78 différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
79 la section :ref:`section_ref_operator_requirements`. Si un contrôle
80 :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
81 appliqué à une paire :math:`(X,U)`.
83 Les commandes optionnelles générales, disponibles dans l'interface en édition,
84 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. De plus, les
85 paramètres de la commande "*AlgorithmParameters*" permettent d'indiquer les options
86 particulières, décrites ci-après, de l'algorithme. On se reportera à la
87 :ref:`section_ref_options_Algorithm_Parameters` pour le bon usage de cette
90 Les options de l'algorithme sont les suivantes:
92 StoreSupplementaryCalculations
93 Cette liste indique les noms des variables supplémentaires qui peuvent être
94 disponibles à la fin de l'algorithme. Cela implique potentiellement des
95 calculs ou du stockage coûteux. La valeur par défaut est une liste vide,
96 aucune de ces variables n'étant calculée et stockée par défaut. Les noms
97 possibles sont dans la liste suivante : ["OMA", "CurrentState",
98 "CostFunctionJ", "SimulatedObservationAtCurrentState",
99 "SimulatedObservationAtOptimum"].
101 Exemple : ``{"StoreSupplementaryCalculations":["OMA", "CurrentState"]}``
103 *Astuce pour cet algorithme :*
105 Comme les commandes *"Background"* et *"BackgroundError"* sont requises pour
106 TOUS les algorithmes de calcul dans l'interface, vous devez fournir une
107 valeur, malgré le fait que ces commandes ne sont pas requises pour
108 cet algorithme, et ne seront pas utilisées. La manière la plus simple est
109 de donner "1" comme un STRING pour les deux.
111 Informations et variables disponibles à la fin de l'algorithme
112 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
114 En sortie, après exécution de l'algorithme, on dispose d'informations et de
115 variables issues du calcul. La description des
116 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
117 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
118 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
119 l'écriture des procédures de post-processing, sont décrites dans
120 l':ref:`subsection_r_o_v_Inventaire`.
122 Les sorties non conditionnelles de l'algorithme sont les suivantes:
125 *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
126 en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
129 Exemple : ``Xa = ADD.get("Analysis")[-1]``
132 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
135 Exemple : ``J = ADD.get("CostFunctionJ")[:]``
138 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
139 :math:`J^b`, c'est-à-dire de la partie écart à l'ébauche.
141 Exemple : ``Jb = ADD.get("CostFunctionJb")[:]``
144 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
145 :math:`J^o`, c'est-à-dire de la partie écart à l'observation.
147 Exemple : ``Jo = ADD.get("CostFunctionJo")[:]``
149 Les sorties conditionnelles de l'algorithme sont les suivantes:
152 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
153 l'observation et l'état optimal dans l'espace des observations.
155 Exemple : ``oma = ADD.get("OMA")[-1]``
157 SimulatedObservationAtOptimum
158 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
159 partir de l'analyse ou de l'état optimal :math:`\mathbf{x}^a`.
161 Exemple : ``hxa = ADD.get("SimulatedObservationAtOptimum")[-1]``
166 Références vers d'autres sections :
167 - :ref:`section_ref_algorithm_Blue`
168 - :ref:`section_ref_algorithm_ExtendedBlue`
169 - :ref:`section_ref_algorithm_3DVAR`
170 - :ref:`section_ref_algorithm_LinearityTest`