examples/daSalome/test006_Observers_init.py

   1 #-*-coding:iso-8859-1-*-
   2 # Copyright (C) 2010-2011 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: André Ribes, andre.ribes@edf.fr, EDF R&D
  21
  22 import numpy
  23
  24 def FunctionH( X ):
  25   return H * X
  26
  27 dimension = 3
  28 xt = numpy.matrix(numpy.arange(dimension)).T
  29 Eo = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  30 Eb = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  31 H  = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,dimension)))
  32 xb = xt + Eb
  33 yo = FunctionH( xt ) + Eo
  34 xb = xb.A1
  35 yo = yo.A1
  36 R  = numpy.matrix(numpy.core.identity(dimension)).T
  37 B  = numpy.matrix(numpy.core.identity(dimension)).T
  38
  39 #
  40 # Definition of the Background as a vector
  41 # ----------------------------------------
  42 Background = xb
  43 #
  44 # Definition of the Observation as a vector
  45 # -----------------------------------------
  46 Observation = yo
  47 #
  48 # Definition of the Background Error covariance as a matrix
  49 # ---------------------------------------------------------
  50 BackgroundError = B
  51 #
  52 # Definition of the Observation Error covariance as a matrix
  53 # ----------------------------------------------------------
  54 ObservationError = R
  55
  56 print xb
  57 print B
  58 print yo
  59 print R
  60
  61 #
  62 # Definition of the init_data dictionnary
  63 # ---------------------------------------
  64 init_data = {}
  65 init_data["Background"]          = Background
  66 init_data["Observation"]         = Observation
  67 init_data["BackgroundError"]     = BackgroundError
  68 init_data["ObservationError"]    = ObservationError
  69
  70 # Algorithm Parameters
  71 init_data["AlgorithmParameters"] = {"Minimizer":"LBFGSB","MaximumNumberOfSteps":5}