2 Copyright (C) 2008-2024 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: NonLinearLeastSquares
25 .. _section_ref_algorithm_NonLinearLeastSquares:
27 Algorithme de calcul "*NonLinearLeastSquares*"
28 ----------------------------------------------
30 .. ------------------------------------ ..
31 .. include:: snippets/Header2Algo01.rst
33 Cet algorithme réalise une estimation d'état par minimisation variationnelle de
34 la fonctionnelle :math:`J` d'écart classique de "Moindres Carrés" pondérés:
36 .. math:: J(\mathbf{x})=(\mathbf{y}^o-\mathbf{H}.\mathbf{x})^T.\mathbf{R}^{-1}.(\mathbf{y}^o-\mathbf{H}.\mathbf{x})
38 Il est similaire à un :ref:`section_ref_algorithm_3DVAR` privé de sa partie
39 ébauche. L'ébauche, requise dans l'interface, ne sert que de point initial pour
40 la minimisation variationnelle.
42 Cet algorithme d'optimisation mono-objectif est naturellement écrit pour une
43 estimation unique, sans notion dynamique ou itérative (il n'y a donc pas besoin
44 dans ce cas d'opérateur d'évolution incrémentale, ni de covariance d'erreurs
45 d'évolution). Dans ADAO, il peut aussi être utilisé sur une succession
46 d'observations, plaçant alors l'estimation dans un cadre récursif en partie
47 similaire à un filtre de Kalman. Une estimation standard est effectuée à chaque
48 pas d'observation sur l'état prévu par le modèle d'évolution incrémentale.
50 Dans tous les cas, il est recommandé de lui préférer un
51 :ref:`section_ref_algorithm_3DVAR` pour sa stabilité comme pour son
52 comportement lors de l'optimisation.
54 .. ------------------------------------ ..
55 .. include:: snippets/Header2Algo12.rst
57 .. include:: snippets/FeaturePropLocalOptimization.rst
59 .. include:: snippets/FeaturePropDerivativeNeeded.rst
61 .. include:: snippets/FeaturePropParallelDerivativesOnly.rst
63 .. ------------------------------------ ..
64 .. include:: snippets/Header2Algo02.rst
66 .. include:: snippets/Background.rst
68 .. include:: snippets/Observation.rst
70 .. include:: snippets/ObservationError.rst
72 .. include:: snippets/ObservationOperator.rst
74 .. ------------------------------------ ..
75 .. include:: snippets/Header2Algo03AdOp.rst
77 .. include:: snippets/BoundsWithNone.rst
79 .. include:: snippets/CostDecrementTolerance.rst
81 .. include:: snippets/EstimationOf_Parameters.rst
83 .. include:: snippets/GradientNormTolerance.rst
85 .. include:: snippets/InitializationPoint.rst
87 .. include:: snippets/MaximumNumberOfIterations.rst
89 .. include:: snippets/Minimizer_xDVAR.rst
91 .. include:: snippets/ProjectedGradientTolerance.rst
94 StoreSupplementaryCalculations
95 .. index:: single: StoreSupplementaryCalculations
97 *Liste de noms*. Cette liste indique les noms des variables supplémentaires,
98 qui peuvent être disponibles au cours du déroulement ou à la fin de
99 l'algorithme, si elles sont initialement demandées par l'utilisateur. Leur
100 disponibilité implique, potentiellement, des calculs ou du stockage coûteux.
101 La valeur par défaut est donc une liste vide, aucune de ces variables n'étant
102 calculée et stockée par défaut (sauf les variables inconditionnelles). Les
103 noms possibles pour les variables supplémentaires sont dans la liste suivante
104 (la description détaillée de chaque variable nommée est donnée dans la suite
105 de cette documentation par algorithme spécifique, dans la sous-partie
106 "*Informations et variables disponibles à la fin de l'algorithme*") : [
110 "CostFunctionJAtCurrentOptimum",
112 "CostFunctionJbAtCurrentOptimum",
114 "CostFunctionJoAtCurrentOptimum",
115 "CurrentIterationNumber",
122 "InnovationAtCurrentAnalysis",
123 "InnovationAtCurrentState",
126 "SimulatedObservationAtBackground",
127 "SimulatedObservationAtCurrentOptimum",
128 "SimulatedObservationAtCurrentState",
129 "SimulatedObservationAtOptimum",
133 ``{"StoreSupplementaryCalculations":["CurrentState", "Residu"]}``
135 *Astuce pour cet algorithme :*
137 Comme la commande *"BackgroundError"* est requise pour TOUS les algorithmes
138 de calcul dans l'interface graphique EFICAS d'ADAO, vous devez fournir une
139 valeur, malgré le fait que cette commande ne soit pas nécessaire pour cet
140 algorithme, et n'est donc pas utilisée. La manière la plus simple est de
141 donner "1" comme un STRING.
143 .. ------------------------------------ ..
144 .. include:: snippets/Header2Algo04.rst
146 .. include:: snippets/Analysis.rst
148 .. include:: snippets/CostFunctionJ.rst
150 .. include:: snippets/CostFunctionJb.rst
152 .. include:: snippets/CostFunctionJo.rst
154 .. ------------------------------------ ..
155 .. include:: snippets/Header2Algo05.rst
157 .. include:: snippets/Analysis.rst
159 .. include:: snippets/BMA.rst
161 .. include:: snippets/CostFunctionJ.rst
163 .. include:: snippets/CostFunctionJAtCurrentOptimum.rst
165 .. include:: snippets/CostFunctionJb.rst
167 .. include:: snippets/CostFunctionJbAtCurrentOptimum.rst
169 .. include:: snippets/CostFunctionJo.rst
171 .. include:: snippets/CostFunctionJoAtCurrentOptimum.rst
173 .. include:: snippets/CurrentIterationNumber.rst
175 .. include:: snippets/CurrentOptimum.rst
177 .. include:: snippets/CurrentState.rst
179 .. include:: snippets/CurrentStepNumber.rst
181 .. include:: snippets/ForecastState.rst
183 .. include:: snippets/IndexOfOptimum.rst
185 .. include:: snippets/Innovation.rst
187 .. include:: snippets/InnovationAtCurrentAnalysis.rst
189 .. include:: snippets/InnovationAtCurrentState.rst
191 .. include:: snippets/OMA.rst
193 .. include:: snippets/OMB.rst
195 .. include:: snippets/SimulatedObservationAtBackground.rst
197 .. include:: snippets/SimulatedObservationAtCurrentOptimum.rst
199 .. include:: snippets/SimulatedObservationAtCurrentState.rst
201 .. include:: snippets/SimulatedObservationAtOptimum.rst
203 .. ------------------------------------ ..
204 .. _section_ref_algorithm_NonLinearLeastSquares_examples:
206 .. include:: snippets/Header2Algo09.rst
208 .. include:: scripts/simple_NonLinearLeastSquares.rst
210 .. literalinclude:: scripts/simple_NonLinearLeastSquares.py
212 .. include:: snippets/Header2Algo10.rst
214 .. literalinclude:: scripts/simple_NonLinearLeastSquares.res
217 .. include:: snippets/Header2Algo11.rst
219 .. _simple_NonLinearLeastSquares:
220 .. image:: scripts/simple_NonLinearLeastSquares.png
224 .. ------------------------------------ ..
225 .. include:: snippets/Header2Algo06.rst
227 - :ref:`section_ref_algorithm_LinearLeastSquares`
228 - :ref:`section_ref_algorithm_3DVAR`
229 - :ref:`section_ref_algorithm_LinearityTest`
231 .. ------------------------------------ ..
232 .. include:: snippets/Header2Algo07.rst