src/tests/daComposant/Plateforme/test007_Blue.py

   1 #-*-coding:iso-8859-1-*-
   2 __doc__ = """
   3     Cas-test vérifiant les relations d'ordre attendues sur les écarts RMS entre
   4     les valeurs analysees et la valeur vraie, pour 3 analyses BLUE réalisées
   5     avec des poids extrêmes dans R et B
   6 """
   7 __author__ = "Sophie RICCI, Jean-Philippe ARGAUD - Septembre 2008"
   8
   9 import numpy
  10 from daCore.AssimilationStudy import AssimilationStudy
  11
  12 #===============================================================================
  13 def test(dimension = 3):
  14     """
  15     Cas-test vérifiant les relations d'ordre attendues sur les écarts RMS entre
  16     les valeurs analysees et la valeur vraie, pour 3 analyses BLUE réalisées
  17     avec des poids extrêmes dans R et B
  18     """
  19     print test.__doc__
  20     #
  21     # Définition des données
  22     # ----------------------
  23     xt = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  24     Eb = numpy.matrix(numpy.random.normal(0.,1.,size=(dimension,))).T
  25     H  = numpy.matrix(numpy.core.identity(dimension))
  26     B  = numpy.matrix(numpy.core.identity(dimension)).T
  27     xb = xt + Eb
  28     yo = H * xt
  29     xt = xt.A1
  30     xb = xb.A1
  31     yo = yo.A1
  32     #
  33     # Analyse BLUE
  34     # ------------
  35     ADD = AssimilationStudy()
  36     ADD.setBackground         (asVector     = xb )
  37     ADD.setObservation        (asVector     = yo )
  38     ADD.setBackgroundError    (asCovariance = B )
  39     ADD.setObservationOperator(asMatrix     = H )
  40     ADD.setControls()
  41     ADD.setAlgorithm(choice="Blue")
  42     #
  43     # Définition des matrices de covariances d'erreur : ébauche parfaite
  44     # ------------------------------------------------------------------
  45     alpha1 = 10000.0
  46     R  = alpha1 * B
  47     ADD.setObservationError   (asCovariance = R )
  48     ADD.analyze()
  49     x1 = ADD.get("Analysis").valueserie(0)
  50     #
  51     # Définition des matrices de covariances d'erreurs : poids identiques
  52     # -------------------------------------------------------------------
  53     alpha2 = 1.0
  54     R  = alpha2 * B
  55     ADD.setObservationError   (asCovariance = R )
  56     ADD.analyze()
  57     x2 = ADD.get("Analysis").valueserie(1)
  58     #
  59     # Définition des matrices de covariances d'erreurs : observations parfaites
  60     # -------------------------------------------------------------------------
  61     alpha3 = 0.0001
  62     R  = alpha3 * B
  63     ADD.setObservationError   (asCovariance = R )
  64     ADD.analyze()
  65     x3 = ADD.get("Analysis").valueserie(2)
  66     #
  67     # Calcul des écarts RMS
  68     # ---------------------
  69     ADD.setDiagnostic("RMS", "Calcul de la RMS entre analyse et yo")
  70     RMS = ADD.get("Calcul de la RMS entre analyse et yo")
  71     #
  72     RMS.calculate(x1,yo)
  73     RMS.calculate(x2,yo)
  74     RMS.calculate(x3,yo)
  75     RMS_yo_x1 = RMS.valueserie(0)
  76     RMS_yo_x2 = RMS.valueserie(1)
  77     RMS_yo_x3 = RMS.valueserie(2)
  78     #
  79     print "    Cas ébauche parfaite       : R/B = %.1e"%alpha1,"RMS = %.7f"%RMS_yo_x1
  80     print "    Cas poids identiques       : R/B = %.1e"%alpha2,"RMS = %.7f"%RMS_yo_x2
  81     print "    Cas observations parfaites : R/B = %.1e"%alpha3,"RMS = %.7f"%RMS_yo_x3
  82     if ( (RMS_yo_x3 <= RMS_yo_x2) and  (RMS_yo_x2 <= RMS_yo_x1) ) :
  83         print "    La reponse de l'assimilation est cohérente avec la modification du rapport B/R."
  84         print
  85         print "    Test correct"
  86         print
  87     else :
  88         raise ValueError("Résultat du test erroné")
  89
  90 #===============================================================================
  91 if __name__ == "__main__":
  92
  93     print
  94     print "AUTODIAGNOSTIC"
  95     print "=============="
  96     numpy.random.seed(1000)
  97
  98     test(dimension = 100)