src/daComposant/daExternals/YACS/Algorithmes_AD.xml

   1 <?xml version='1.0' encoding='iso-8859-1' ?>
   2 <proc>
   3    <property name="DefaultStudyID" value="1"/>
   4    <type name="bool" kind="bool"/>
   5    <sequence name="boolvec" content="bool"/>
   6    <type name="double" kind="double"/>
   7    <sequence name="dblevec" content="double"/>
   8    <objref name="file" id="file"/>
   9    <type name="int" kind="int"/>
  10    <sequence name="intvec" content="int"/>
  11    <objref name="pyobj" id="python:obj:1.0"/>
  12    <type name="string" kind="string"/>
  13    <sequence name="stringvec" content="string"/>
  14    <container name="DefaultContainer">
  15       <property name="container_name" value="FactoryServer"/>
  16       <property name="hostname" value="localhost"/>
  17    </container>
  18    <inline name="BLUE par matrices">
  19       <function name="algorithm">
  20          <code><![CDATA[import sys, os
  21 sys.path.insert(0, "../../Sources/daCore")
  22 sys.path.insert(0, "../../ComposantAD/daCore")
  23 #sys.path.insert(0, os.path.join(os.environ["HOME"],"SALOME5/supplements_JPA/ComposantAD/daCore"))
  24
  25 import numpy
  26 from AssimilationStudy import AssimilationStudy
  27
  28 def algorithm(Yo, B, R, H, Xb):
  29     #
  30     # Remise en place des matrices
  31     # -------------------
  32     dimensionXb = len( Xb )
  33     dimensionYo = len( Yo )
  34     B = numpy.matrix( B, numpy.float ).reshape((dimensionXb,dimensionXb))
  35     R = numpy.matrix( R, numpy.float ).reshape((dimensionYo,dimensionYo))
  36     H = numpy.matrix( H, numpy.float ).reshape((dimensionYo,dimensionXb))
  37     #
  38     # Analyse
  39     # -------
  40     ADD = AssimilationStudy()
  41     ADD.setBackground         (asVector     = Xb )
  42     ADD.setBackgroundError    (asCovariance = B )
  43     ADD.setObservation        (asVector     = Yo )
  44     ADD.setObservationError   (asCovariance = R )
  45     ADD.setObservationOperator(asMatrix     = H )
  46     #
  47     ADD.setAlgorithm(choice="Blue")
  48     #
  49     ADD.analyze()
  50     #
  51     Xa = ADD.get("Analysis").valueserie(0)
  52     Innovation = ADD.get("Innovation").valueserie(0)
  53     A = []
  54     #
  55     return Xa, A, Innovation
  56 ]]></code>
  57       </function>
  58       <inport name="Yo" type="dblevec"/>
  59       <inport name="B" type="dblevec"/>
  60       <inport name="R" type="dblevec"/>
  61       <inport name="H" type="dblevec"/>
  62       <inport name="Xb" type="dblevec"/>
  63       <outport name="Xa" type="dblevec"/>
  64       <outport name="A" type="dblevec"/>
  65       <outport name="Innovation" type="dblevec"/>
  66    </inline>
  67    <inline name="3D-VAR par matrices">
  68       <function name="algorithm">
  69          <code><![CDATA[import sys, os
  70 sys.path.insert(0, "../../Sources/daCore")
  71 sys.path.insert(0, "../../ComposantAD/daCore")
  72 #sys.path.insert(0, os.path.join(os.environ["HOME"],"SALOME5/supplements_JPA/ComposantAD/daCore"))
  73
  74 import numpy
  75 from AssimilationStudy import AssimilationStudy
  76
  77 def algorithm(Yo, B, R, H, Xb):
  78     #
  79     # Remise en place des matrices
  80     # -------------------
  81     dimensionXb = len( Xb )
  82     dimensionYo = len( Yo )
  83     B = numpy.matrix( B, numpy.float ).reshape((dimensionXb,dimensionXb))
  84     R = numpy.matrix( R, numpy.float ).reshape((dimensionYo,dimensionYo))
  85     H = numpy.matrix( H, numpy.float ).reshape((dimensionYo,dimensionXb))
  86     #
  87     # Analyse
  88     # -------
  89     ADD = AssimilationStudy()
  90     ADD.setBackground         (asVector     = Xb )
  91     ADD.setBackgroundError    (asCovariance = B )
  92     ADD.setObservation        (asVector     = Yo )
  93     ADD.setObservationError   (asCovariance = R )
  94     ADD.setObservationOperator(asMatrix     = H )
  95     #
  96     ADD.setAlgorithm(choice="3DVAR")
  97     #
  98     ADD.analyze()
  99     #
 100     Xa = ADD.get("Analysis").valueserie(0)
 101     Innovation = ADD.get("Innovation").valueserie(0)
 102     A = []
 103     #
 104     return Xa, A, Innovation
 105 ]]></code>
 106       </function>
 107       <inport name="Yo" type="dblevec"/>
 108       <inport name="B" type="dblevec"/>
 109       <inport name="R" type="dblevec"/>
 110       <inport name="H" type="dblevec"/>
 111       <inport name="Xb" type="dblevec"/>
 112       <outport name="Xa" type="dblevec"/>
 113       <outport name="A" type="dblevec"/>
 114       <outport name="Innovation" type="dblevec"/>
 115    </inline>
 116    <inline name="3D-VAR par fonctions">
 117       <function name="algorithm">
 118          <code><![CDATA[import sys, os
 119 sys.path.insert(0, "../../Sources/daCore")
 120 sys.path.insert(0, "../../ComposantAD/daCore")
 121 #sys.path.insert(0, os.path.join(os.environ["HOME"],"SALOME5/supplements_JPA/ComposantAD/daCore"))
 122
 123 import numpy
 124 from AssimilationStudy import AssimilationStudy
 125
 126 def algorithm( Yo, B, R, FunctionH, TangentH, AdjointH, Xb, Bounds ):
 127     #
 128     # Remise en place des matrices
 129     # -------------------
 130     dimensionXb = len( Xb )
 131     dimensionYo = len( Yo )
 132     B = numpy.matrix( B, numpy.float ).reshape((dimensionXb,dimensionXb))
 133     R = numpy.matrix( R, numpy.float ).reshape((dimensionYo,dimensionYo))
 134     #
 135     # Analyse
 136     # -------
 137     ADD = AssimilationStudy()
 138     ADD.setBackground         (asVector     = Xb )
 139     ADD.setBackgroundError    (asCovariance = B )
 140     ADD.setObservation        (asVector     = Yo )
 141     ADD.setObservationError   (asCovariance = R )
 142     ADD.setObservationOperator(asFunction   = {"Direct":FunctionH,
 143                                                "Tangent":TangentH,
 144                                                "Adjoint":AdjointH} )
 145     #
 146     ADD.setAlgorithm(choice="3DVAR")
 147     ADD.setAlgorithmParameters(asDico={
 148         "Minimizer":"LBFGSB",
 149         "Bounds"   :Bounds,
 150         })
 151     #
 152     ADD.analyze()
 153     #
 154     Xa = ADD.get("Analysis").valueserie(0)
 155     Innovation = ADD.get("Innovation").valueserie(0)
 156     A = []
 157     #
 158     return Xa, A, Innovation
 159 ]]></code>
 160       </function>
 161       <inport name="Yo" type="dblevec"/>
 162       <inport name="B" type="dblevec"/>
 163       <inport name="R" type="dblevec"/>
 164       <inport name="FunctionH" type="pyobj"/>
 165       <inport name="TangentH" type="pyobj"/>
 166       <inport name="AdjointH" type="pyobj"/>
 167       <inport name="Xb" type="dblevec"/>
 168       <inport name="Bounds" type="pyobj"/>
 169       <outport name="Xa" type="dblevec"/>
 170       <outport name="A" type="dblevec"/>
 171       <outport name="Innovation" type="dblevec"/>
 172    </inline>
 173    <parameter>
 174       <tonode>BLUE par matrices</tonode><toport>Yo</toport>
 175       <value><array><data>
 176 </data></array></value>
 177    </parameter>
 178    <parameter>
 179       <tonode>BLUE par matrices</tonode><toport>B</toport>
 180       <value><array><data>
 181 </data></array></value>
 182    </parameter>
 183    <parameter>
 184       <tonode>BLUE par matrices</tonode><toport>R</toport>
 185       <value><array><data>
 186 </data></array></value>
 187    </parameter>
 188    <parameter>
 189       <tonode>BLUE par matrices</tonode><toport>H</toport>
 190       <value><array><data>
 191 </data></array></value>
 192    </parameter>
 193    <parameter>
 194       <tonode>BLUE par matrices</tonode><toport>Xb</toport>
 195       <value><array><data>
 196 </data></array></value>
 197    </parameter>
 198    <parameter>
 199       <tonode>3D-VAR par matrices</tonode><toport>Yo</toport>
 200       <value><array><data>
 201 </data></array></value>
 202    </parameter>
 203    <parameter>
 204       <tonode>3D-VAR par matrices</tonode><toport>B</toport>
 205       <value><array><data>
 206 </data></array></value>
 207    </parameter>
 208    <parameter>
 209       <tonode>3D-VAR par matrices</tonode><toport>R</toport>
 210       <value><array><data>
 211 </data></array></value>
 212    </parameter>
 213    <parameter>
 214       <tonode>3D-VAR par matrices</tonode><toport>H</toport>
 215       <value><array><data>
 216 </data></array></value>
 217    </parameter>
 218    <parameter>
 219       <tonode>3D-VAR par matrices</tonode><toport>Xb</toport>
 220       <value><array><data>
 221 </data></array></value>
 222    </parameter>
 223    <parameter>
 224       <tonode>3D-VAR par fonctions</tonode><toport>Yo</toport>
 225       <value><array><data>
 226 </data></array></value>
 227    </parameter>
 228    <parameter>
 229       <tonode>3D-VAR par fonctions</tonode><toport>B</toport>
 230       <value><array><data>
 231 </data></array></value>
 232    </parameter>
 233    <parameter>
 234       <tonode>3D-VAR par fonctions</tonode><toport>R</toport>
 235       <value><array><data>
 236 </data></array></value>
 237    </parameter>
 238    <parameter>
 239       <tonode>3D-VAR par fonctions</tonode><toport>Xb</toport>
 240       <value><array><data>
 241 </data></array></value>
 242    </parameter>
 243    <parameter>
 244       <tonode>3D-VAR par fonctions</tonode><toport>Bounds</toport>
 245       <value><objref>(lp1
 246 .</objref></value>
 247    </parameter>
 248    <presentation name="BLUE par matrices" x="9" y="80.5" width="227.5" height="226"/>
 249    <presentation name="3D-VAR par matrices" x="237.5" y="80.5" width="227.5" height="226"/>
 250    <presentation name="3D-VAR par fonctions" x="465.5" y="80.5" width="227.5" height="313"/>
 251    <presentation name="__ROOT__" x="0" y="0" width="702" height="402.5"/>
 252 </proc>