SIAM Journal on Scientific Computing, 32(5), pp. 2737-2764 (2010).
"""
def __init__(self, nx: int = 20, ny: int = 20):
+ "Définition du maillage spatial"
self.nx = max(1, nx)
self.ny = max(1, ny)
self.x = numpy.linspace(0.1, 0.9, self.nx, dtype=float)
self.y = numpy.linspace(0.1, 0.9, self.ny, dtype=float)
def FunctionH(self, XX ):
+ "Fonction simulation pour un paramètre donné"
__mu1, __mu2 = numpy.ravel(XX)
#
__x, __y = numpy.meshgrid( self.x, self.y )
return __sxymu
def get_x(self):
+ "Renvoie le maillage spatial"
return self.x, self.y
def get_sample_of_mu(self, ns1: int = 20, ns2: int = 20):
+ "Renvoie l'échantillonnage paramétrique régulier"
smu1 = numpy.linspace(-1, -0.01, ns1, dtype=float)
smu2 = numpy.linspace(-1, -0.01, ns2, dtype=float)
smu = numpy.array([(mu1, mu2) for mu1 in smu1 for mu2 in smu2])
return smu
def get_random_sample_of_mu(self, ns1: int = 1, ns2: int = 1):
+ "Renvoie l'échantillonnage paramétrique aléatoire"
smu = []
for i in range(ns1 * ns2):
smu1 = numpy.random.uniform(-1, -0.01)
return smu
def get_bounds_on_space(self):
+ "Renvoie les bornes sur le maillage spatial"
return [[min(self.x), max(self.x)], [min(self.y), max(self.y)]]
def get_bounds_on_parameter(self):
+ "Renvoie les bornes sur le maillage paramétrique"
return [[-1, -0.01]] * 2
OneRealisation = FunctionH
