src/daComposant/daDiagnostics/ComputeBiais.py

   1 #-*-coding:iso-8859-1-*-
   2 #
   3 #  Copyright (C) 2008-2009  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 sys ; sys.path.insert(0, "../daCore")
  29
  30 import numpy
  31 import Persistence
  32 from BasicObjects import Diagnostic
  33 from AssimilationStudy import AssimilationStudy
  34
  35 # ==============================================================================
  36 class ElementaryDiagnostic(Diagnostic,Persistence.OneScalar):
  37     def __init__(self, name = "", unit = "", basetype = None, parameters = {}):
  38         Diagnostic.__init__(self, name, parameters)
  39         Persistence.OneScalar.__init__( self, name, unit, basetype = float )
  40
  41     def _formula(self, V):
  42         """
  43         Calcul du biais, qui est simplement la moyenne du vecteur
  44         """
  45         biais = V.mean()
  46         #
  47         return biais
  48
  49     def calculate(self, vector = None, step = None):
  50         """
  51         Teste les arguments, active la formule de calcul et stocke le résultat
  52         """
  53         if vector is None:
  54             raise ValueError("One vector must be given to compute biais")
  55         V = numpy.array(vector)
  56         if V.size < 1:
  57             raise ValueError("The given vector must not be empty")
  58         #
  59         value = self._formula( V)
  60         #
  61         self.store( value = value,  step = step )
  62
  63 #===============================================================================
  64 if __name__ == "__main__":
  65     print '\n AUTODIAGNOSTIC \n'
  66     #
  67     # Instanciation de l'objet diagnostic
  68     # -----------------------------------
  69     D = ElementaryDiagnostic("Mon ComputeBiais")
  70     #
  71     # Tirage d un vecteur choisi
  72     # --------------------------
  73     x = numpy.matrix(([3., 4., 5.]))
  74     print " Le vecteur de type 'matrix' choisi est..:", x
  75     print " Le biais attendu de ce vecteur est......:", x.mean()
  76     #
  77     D.calculate( vector = x)
  78     print " Le biais obtenu de ce vecteur est.......:", D.valueserie(0)
  79     print
  80     #
  81     # Tirage d un vecteur choisi
  82     # --------------------------
  83     x = numpy.array(range(11))
  84     print " Le vecteur de type 'array' choisi est...:", x
  85     print " Le biais attendu de ce vecteur est......:", x.mean()
  86     #
  87     D.calculate( vector = x)
  88     print " Le biais obtenu de ce vecteur est.......:", D.valueserie(1)
  89     print