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: Observation
52 .. index:: single: ObservationError
53 .. index:: single: ObservationOperator
54 .. index:: single: StoreSupplementaryCalculations
56 Les commandes requises générales, disponibles dans l'interface en édition, sont
60 *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
61 assimilation de données ou en optimisation, et noté précédemment
62 :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
63 ou de type "*VectorSerie*".
66 *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
67 d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
68 comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
69 type "*DiagonalSparseMatrix*".
72 *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
73 précédemment :math:`H`, qui transforme les paramètres d'entrée
74 :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
75 observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
76 type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
77 différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
78 la section :ref:`section_ref_operator_requirements`. Si un contrôle
79 :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
80 appliqué à une paire :math:`(X,U)`.
82 Les commandes optionnelles générales, disponibles dans l'interface en édition,
83 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. En particulier,
84 la commande optionnelle "*AlgorithmParameters*" permet d'indiquer les options
85 particulières, décrites ci-après, de l'algorithme. On se reportera à la
86 :ref:`section_ref_options_AlgorithmParameters` pour le bon usage de cette
89 Les options de l'algorithme sont les suivantes:
91 StoreSupplementaryCalculations
92 Cette liste indique les noms des variables supplémentaires qui peuvent être
93 disponibles à la fin de l'algorithme. Cela implique potentiellement des
94 calculs ou du stockage coûteux. La valeur par défaut est une liste vide,
95 aucune de ces variables n'étant calculée et stockée par défaut. Les noms
96 possibles sont dans la liste suivante : ["OMA", "CostFunctionJ",
97 "SimulatedObservationAtOptimum"].
99 Exemple : ``{"StoreSupplementaryCalculations":["OMA"]}``
101 *Astuce pour cet algorithme :*
103 Comme les commandes *"Background"* et *"BackgroundError"* sont requises pour
104 TOUS les algorithmes de calcul dans l'interface, vous devez fournir une
105 valeur, malgré le fait que ces commandes ne sont pas requises pour
106 cet algorithme, et ne seront pas utilisées. La manière la plus simple est
107 de donner "1" comme un STRING pour les deux.
109 Informations et variables disponibles à la fin de l'algorithme
110 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
112 En sortie, après exécution de l'algorithme, on dispose d'informations et de
113 variables issues du calcul. La description des
114 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
115 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
116 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
117 l'écriture des procédures de post-processing, sont décrites dans
118 l':ref:`subsection_r_o_v_Inventaire`.
120 Les sorties non conditionnelles de l'algorithme sont les suivantes:
123 *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
124 en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
127 Exemple : ``Xa = ADD.get("Analysis")[-1]``
130 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
133 Exemple : ``J = ADD.get("CostFunctionJ")[:]``
136 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
137 :math:`J^b`, c'est-à-dire de la partie écart à l'ébauche.
139 Exemple : ``Jb = ADD.get("CostFunctionJb")[:]``
142 *Liste de valeurs*. Chaque élément est une valeur de fonctionnelle d'écart
143 :math:`J^o`, c'est-à-dire de la partie écart à l'observation.
145 Exemple : ``Jo = ADD.get("CostFunctionJo")[:]``
147 Les sorties conditionnelles de l'algorithme sont les suivantes:
150 *Liste de vecteurs*. Chaque élément est un vecteur d'écart entre
151 l'observation et l'état optimal dans l'espace des observations.
153 Exemple : ``oma = ADD.get("OMA")[-1]``
155 SimulatedObservationAtOptimum
156 *Liste de vecteurs*. Chaque élément est un vecteur d'observation simulé à
157 partir de l'analyse ou de l'état optimal :math:`\mathbf{x}^a`.
159 Exemple : ``hxa = ADD.get("SimulatedObservationAtOptimum")[-1]``
164 Références vers d'autres sections :
165 - :ref:`section_ref_algorithm_Blue`
166 - :ref:`section_ref_algorithm_ExtendedBlue`
167 - :ref:`section_ref_algorithm_3DVAR`
168 - :ref:`section_ref_algorithm_LinearityTest`