src/tests/daComposant/Plateforme/test005_Blue.py

   1 #-*-coding:iso-8859-1-*-
   2 __doc__ = """
   3     Cas-test vérifiant que si H est l'identité et que les matrices de covariance
   4     d'erreurs sont liées par R = alpha * B, alors l'ecart type de OMA est
   5     proportionnel a l'ecart type de l'innovation d selon la relation :
   6     rms(OMA)  = alpha/(1. + alpha) rms(d)
   7 """
   8 __author__ = "Sophie RICCI - Septembre 2008"
   9
  10 import numpy
  11 from daCore.AssimilationStudy import AssimilationStudy
  12
  13 #===============================================================================
  14 def test(precision = 1.e-13, dimension = 3, alpha = 2.):
  15     """
  16     Cas-test vérifiant que si H est l'identité et que les matrices de covariance
  17     d'erreurs sont liées par R = alpha * B, alors l'ecart type de OMA est
  18     proportionnel a l'ecart type de l'innovation d selon la relation :
  19     rms(OMA)  = alpha/(1. + alpha) rms(d)
  20     """
  21     #
  22     # Définition des données "théoriques" vraies
  23     # ------------------------------------------
  24     xt = numpy.matrix(numpy.arange(dimension)).T
  25     Eo = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  26     Eb = numpy.matrix(numpy.zeros((dimension,))).T
  27     #
  28     H  = numpy.matrix(numpy.core.identity(dimension))
  29     #
  30     xb = xt + Eb
  31     yo = H * xt + Eo
  32     #
  33     xb = xb.A1
  34     yo = yo.A1
  35     #
  36     # Définition des matrices de covariances d'erreurs
  37     # ------------------------------------------------
  38     B  = numpy.matrix(numpy.core.identity(dimension)).T
  39     R  = alpha * B
  40     #
  41     # Analyse BLUE
  42     # ------------
  43     ADD = AssimilationStudy()
  44     ADD.setBackground         (asVector     = xb )
  45     ADD.setBackgroundError    (asCovariance = B )
  46     ADD.setObservation        (asVector     = yo )
  47     ADD.setObservationError   (asCovariance = R )
  48     ADD.setObservationOperator(asMatrix     = H )
  49     #
  50     ADD.setControls()
  51     ADD.setAlgorithm(choice="Blue")
  52     #
  53     ADD.analyze()
  54     #
  55     xa = ADD.get("Analysis").valueserie(0)
  56     d  = ADD.get("Innovation").valueserie(0)
  57     #
  58     # Calcul RMS pour d et OMA
  59     # ------------------------
  60     ADD.setDiagnostic("RMS",
  61         name = "Calcul de la RMS sur l'innovation et OMA",
  62         )
  63     RMS = ADD.get("Calcul de la RMS sur l'innovation et OMA")
  64     #
  65     # La RMS de l'innovation d
  66     # ------------------------
  67     RMS.calculate(d,numpy.zeros(len(d)))
  68     # Le calcul ci-dessus doit être identique à : RMS.calculate(xb,yo)
  69     #
  70     # La RMS de l'écart OMA
  71     # ---------------------
  72     RMS.calculate(xa,yo)
  73     #
  74     # Vérification du résultat
  75     # ------------------------
  76     if (RMS.valueserie(1) - (alpha/(1. + alpha)) * RMS.valueserie(0)) > precision:
  77         raise ValueError("Résultat du test erroné")
  78     else:
  79         print test.__doc__
  80         print "    Test correct, erreur maximale inférieure à %s"%precision
  81         print
  82
  83 #===============================================================================
  84 if __name__ == "__main__":
  85
  86     print
  87     print "AUTODIAGNOSTIC"
  88     print "=============="
  89
  90     test()