examples/daSalome/test006_Observers_init.py

   1 #-*-coding:iso-8859-1-*-
   2 # Copyright (C) 2008-2015 EDF R&D
   3 #
   4 # This library is free software; you can redistribute it and/or
   5 # modify it under the terms of the GNU Lesser General Public
   6 # License as published by the Free Software Foundation; either
   7 # version 2.1 of the License.
   8 #
   9 # This library is distributed in the hope that it will be useful,
  10 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  11 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  12 # Lesser General Public License for more details.
  13 #
  14 # You should have received a copy of the GNU Lesser General Public
  15 # License along with this library; if not, write to the Free Software
  16 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  17 #
  18 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  19 #
  20 # Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  21
  22 import numpy
  23 numpy.random.seed(1000)
  24
  25 def FunctionH( X ):
  26   return H * X
  27
  28 dimension = 3
  29 xt = numpy.matrix(numpy.arange(dimension)).T
  30 Eo = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  31 Eb = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  32 H  = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,dimension)))
  33 xb = xt + Eb
  34 yo = FunctionH( xt ) + Eo
  35 xb = xb.A1
  36 yo = yo.A1
  37 R  = numpy.matrix(numpy.core.identity(dimension)).T
  38 B  = numpy.matrix(numpy.core.identity(dimension)).T
  39
  40 #
  41 # Definition of the Background as a vector
  42 # ----------------------------------------
  43 Background = xb
  44 #
  45 # Definition of the Observation as a vector
  46 # -----------------------------------------
  47 Observation = yo
  48 #
  49 # Definition of the Background Error covariance as a matrix
  50 # ---------------------------------------------------------
  51 BackgroundError = B
  52 #
  53 # Definition of the Observation Error covariance as a matrix
  54 # ----------------------------------------------------------
  55 ObservationError = R
  56
  57 print xb
  58 print B
  59 print yo
  60 print R
  61
  62 #
  63 # Definition of the init_data dictionnary
  64 # ---------------------------------------
  65 init_data = {}
  66 init_data["Background"]          = Background
  67 init_data["Observation"]         = Observation
  68 init_data["BackgroundError"]     = BackgroundError
  69 init_data["ObservationError"]    = ObservationError
  70
  71 # Algorithm Parameters
  72 init_data["AlgorithmParameters"] = {"Minimizer":"LBFGSB","MaximumNumberOfSteps":5}