src/daComposant/daDiagnostics/ComputeBiais.py

   1 #-*-coding:iso-8859-1-*-
   2 #
   3 #  Copyright (C) 2008-2010  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 __doc__ = """
  22     Calcul du biais (i.e. la moyenne) à chaque pas. Ce diagnostic très simple
  23     est présent pour rappeller à l'utilisateur de l'assimilation qu'il faut
  24     qu'il vérifie le biais de ses erreurs en particulier.
  25 """
  26 __author__ = "Sophie RICCI - Aout 2008"
  27
  28 import numpy
  29 from daCore import BasicObjects, Persistence
  30
  31 # ==============================================================================
  32 class ElementaryDiagnostic(BasicObjects.Diagnostic,Persistence.OneScalar):
  33     def __init__(self, name = "", unit = "", basetype = None, parameters = {}):
  34         BasicObjects.Diagnostic.__init__(self, name, parameters)
  35         Persistence.OneScalar.__init__( self, name, unit, basetype = float )
  36
  37     def _formula(self, V):
  38         """
  39         Calcul du biais, qui est simplement la moyenne du vecteur
  40         """
  41         biais = V.mean()
  42         #
  43         return biais
  44
  45     def calculate(self, vector = None, step = None):
  46         """
  47         Teste les arguments, active la formule de calcul et stocke le résultat
  48         """
  49         if vector is None:
  50             raise ValueError("One vector must be given to compute biais")
  51         V = numpy.array(vector)
  52         if V.size < 1:
  53             raise ValueError("The given vector must not be empty")
  54         #
  55         value = self._formula( V)
  56         #
  57         self.store( value = value,  step = step )
  58
  59 #===============================================================================
  60 if __name__ == "__main__":
  61     print '\n AUTODIAGNOSTIC \n'
  62     #
  63     # Instanciation de l'objet diagnostic
  64     # -----------------------------------
  65     D = ElementaryDiagnostic("Mon ComputeBiais")
  66     #
  67     # Tirage d un vecteur choisi
  68     # --------------------------
  69     x = numpy.matrix(([3., 4., 5.]))
  70     print " Le vecteur de type 'matrix' choisi est..:", x
  71     print " Le biais attendu de ce vecteur est......:", x.mean()
  72     #
  73     D.calculate( vector = x)
  74     print " Le biais obtenu de ce vecteur est.......:", D.valueserie(0)
  75     print
  76     #
  77     # Tirage d un vecteur choisi
  78     # --------------------------
  79     x = numpy.array(range(11))
  80     print " Le vecteur de type 'array' choisi est...:", x
  81     print " Le biais attendu de ce vecteur est......:", x.mean()
  82     #
  83     D.calculate( vector = x)
  84     print " Le biais obtenu de ce vecteur est.......:", D.valueserie(1)
  85     print