examples/daSalome/test006_Observers_init.py

   1 #-*-coding:iso-8859-1-*-
   2 #
   3 # Copyright (C) 2008-2017 EDF R&D
   4 #
   5 # This library is free software; you can redistribute it and/or
   6 # modify it under the terms of the GNU Lesser General Public
   7 # License as published by the Free Software Foundation; either
   8 # version 2.1 of the License.
   9 #
  10 # This library is distributed in the hope that it will be useful,
  11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13 # Lesser General Public License for more details.
  14 #
  15 # You should have received a copy of the GNU Lesser General Public
  16 # License along with this library; if not, write to the Free Software
  17 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  18 #
  19 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  20 #
  21 # Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  22
  23 import numpy
  24 numpy.random.seed(1000)
  25
  26 def FunctionH( X ):
  27   return H * X
  28
  29 dimension = 3
  30 xt = numpy.matrix(numpy.arange(dimension)).T
  31 Eo = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  32 Eb = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  33 H  = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,dimension)))
  34 xb = xt + Eb
  35 yo = FunctionH( xt ) + Eo
  36 xb = xb.A1
  37 yo = yo.A1
  38 R  = numpy.matrix(numpy.core.identity(dimension)).T
  39 B  = numpy.matrix(numpy.core.identity(dimension)).T
  40
  41 #
  42 # Definition of the Background as a vector
  43 # ----------------------------------------
  44 Background = xb
  45 #
  46 # Definition of the Observation as a vector
  47 # -----------------------------------------
  48 Observation = yo
  49 #
  50 # Definition of the Background Error covariance as a matrix
  51 # ---------------------------------------------------------
  52 BackgroundError = B
  53 #
  54 # Definition of the Observation Error covariance as a matrix
  55 # ----------------------------------------------------------
  56 ObservationError = R
  57
  58 print xb
  59 print B
  60 print yo
  61 print R
  62
  63 #
  64 # Definition of the init_data dictionnary
  65 # ---------------------------------------
  66 init_data = {}
  67 init_data["Background"]          = Background
  68 init_data["Observation"]         = Observation
  69 init_data["BackgroundError"]     = BackgroundError
  70 init_data["ObservationError"]    = ObservationError
  71
  72 # Algorithm Parameters
  73 init_data["AlgorithmParameters"] = {"Minimizer":"LBFGSB","MaximumNumberOfSteps":5}