case
One ADAO case is defined by a set of data and of choices, packed together
- through the user interface of the module. The data are physical
- measurements that have technically to be available before or during the
- case execution. The simulation code(s) and the data assimilation or
- optimization method, and their parameters, has to be chosen, they define
- the execution properties of the case.
-
- iteration
- One iteration occurs when using iterative optimizers (e.g. 3DVAR), and it
- is entirely hidden in the main YACS OptimizerLoop Node named
- "*compute_bloc*". Nevertheless, the user can watch the iterative process
- through the "*YACS Container Log*" window, which is updated during the
- process, and using "*Observers*" attached to calculation variables.
+ through the user interface of the module (in TUI as in GUI). The data are
+ physical measurements that have technically to be available before or
+ during the case execution. The simulation code(s) and the data
+ assimilation or optimization method, and their parameters, has to be
+ chosen, they define the execution properties of the case.
+
+ iteration (internal)
+ An (internal) iteration takes place when using iterative optimization
+ methods (e.g. for the 3DVAR algorithm). Internal iterations are performed
+ within each iterative optimization operation. The iterative behavior is
+ fully integrated into the execution of the iterative algorithms, and is
+ only apparent to the user when his observation is explicitly requested
+ using "*Observer*" attached to computational variables. See also
+ :term:`step (of assimilation)`.
+
+ step (of assimilation)
+ An assimilation step takes place when a new observation, or a new set of
+ observations, is used, for example to follow the temporal course of a
+ dynamic system. Remark: a *single step* of assimilation can contain by
+ nature *several iterations* of optimization when the assimilation uses an
+ iterative optimization method. See also :term:`iteration (internal)`.
physical system
This is the object of study that will be represented by numerical
.. index:: single: MaximumNumberOfIterations
MaximumNumberOfIterations
- *Integer value*. This key indicates the maximum number of iterations allowed
- for iterative optimization. The default is 15000, which is very similar to no
- limit on iterations. It is then recommended to adapt this parameter to the
- needs on real problems. For some optimizers, the effective stopping step can
- be slightly different of the limit due to algorithm internal control
- requirements. One can refer to the section describing ways for
- :ref:`subsection_iterative_convergence_control` for more detailed
+ *Integer value*. This key indicates the maximum number of internal iterations
+ allowed for iterative optimization. The default is 15000, which is very
+ similar to no limit on iterations. It is then recommended to adapt this
+ parameter to the needs on real problems. For some optimizers, the effective
+ stopping step can be slightly different of the limit due to algorithm
+ internal control requirements. One can refer to the section describing ways
+ for :ref:`subsection_iterative_convergence_control` for more detailed
recommendations.
Example:
.. index:: single: MaximumNumberOfIterations
MaximumNumberOfIterations
- *Integer value*. This key indicates the maximum number of iterations allowed
- for iterative optimization. The default is 50, which is an arbitrary limit.
- It is then recommended to adapt this parameter to the needs on real problems.
+ *Integer value*. This key indicates the maximum number of internal iterations
+ allowed for iterative optimization. The default is 50, which is an arbitrary
+ limit. It is then recommended to adapt this parameter to the needs on real
+ problems.
Example:
``{"MaximumNumberOfIterations":50}``
cas
Un cas ADAO est défini par un jeu de données et de choix, rassemblés par
- l'intermédiaire de l'interface utilisateur du module. Les données sont les
- mesures physiques qui doivent être techniquement disponibles avant ou
- pendant l'exécution du cas. Le (ou les) code(s) de simulation et la
- méthode d'assimilation de données ou d'optimisation, ainsi que leurs
- paramètres, doivent être choisis, ils définissent les propriétés
- d'exécution du cas.
-
- itération
- Une itération a lieu lorsque l'on utilise des méthodes d'optimisation
- itératives (par exemple le 3DVAR), et c'est entièrement caché à
- l'intérieur du noeud principal de type YACS OptimizerLoop nommé
- "*compute_bloc*". Néanmoins, l'utilisateur peut observer le processus
- itératif à l'aide de la fenêtre "*YACS Container Log*", qui est mise à
- jour au fur et à mesure du déroulement du calcul, et en utilisant des
- "*Observers*" attachés à des variables de calcul.
+ l'intermédiaire de l'interface utilisateur du module (en TUI comme en
+ GUI). Les données sont les mesures physiques qui doivent être
+ techniquement disponibles avant ou pendant l'exécution du cas. Le (ou
+ les) code(s) de simulation et la méthode d'assimilation de données ou
+ d'optimisation, ainsi que leurs paramètres, doivent être choisis, ils
+ définissent les propriétés d'exécution du cas.
+
+ itération (interne)
+ Une itération (interne) a lieu lorsque l'on utilise des méthodes
+ d'optimisation itératives (par exemple pour l'algorithme de 3DVAR). Les
+ itérations internes sont effectuées à l'intérieur de chaque opération
+ d'optimisation itérative. Le comportement itératif est entièrement
+ intégré dans l'exécution des algorithmes itératifs, et il n'est apparent
+ pour l'utilisateur que lorsque son observation est explicitement demandée
+ en utilisant des "*Observer*" attachés à des variables de calcul. Voir
+ aussi :term:`pas (d'assimilation)`.
+
+ pas (d'assimilation)
+ Un pas (d'assimilation) a lieu lorsqu'une nouvelle observation, ou un
+ nouveau jeu d'observations, est utilisé, pour suivre par exemple le
+ déroulement temporel d'un système dynamique. Remarque : un *unique pas*
+ d'assimilation peut contenir par nature *plusieurs itérations*
+ d'optimisation lorsque l'assimilation utilise une méthode itérative
+ d'optimisation. Voir aussi :term:`itération (interne)`.
système physique
C'est l'objet d'étude que l'on va représenter par simulation numérique,
.. index:: single: MaximumNumberOfIterations
MaximumNumberOfIterations
- *Valeur entière*. Cette clé indique le nombre maximum d'itérations possibles
- en optimisation itérative. Le défaut est 15000, qui est très similaire à une
- absence de limite sur les itérations. Il est ainsi recommandé d'adapter ce
- paramètre aux besoins pour des problèmes réels. Pour certains optimiseurs, le
- nombre de pas effectif d'arrêt peut être légèrement différent de la limite à
- cause d'exigences de contrôle interne de l'algorithme. On peut se reporter à
- la partie décrivant les manières de
+ *Valeur entière*. Cette clé indique le nombre maximum d'itérations internes
+ possibles en optimisation itérative. Le défaut est 15000, qui est très
+ similaire à une absence de limite sur les itérations. Il est ainsi recommandé
+ d'adapter ce paramètre aux besoins pour des problèmes réels. Pour certains
+ optimiseurs, le nombre de pas effectif d'arrêt peut être légèrement différent
+ de la limite à cause d'exigences de contrôle interne de l'algorithme. On peut
+ se reporter à la partie décrivant les manières de
:ref:`subsection_iterative_convergence_control` pour des recommandations plus
détaillées.
.. index:: single: MaximumNumberOfIterations
MaximumNumberOfIterations
- *Valeur entière*. Cette clé indique le nombre maximum d'itérations possibles
- en optimisation itérative. Le défaut est 50, qui est une limite arbitraire.
- Il est ainsi recommandé d'adapter ce paramètre aux besoins pour des problèmes
- réels.
+ *Valeur entière*. Cette clé indique le nombre maximum d'itérations interne
+ possibles en optimisation itérative. Le défaut est 50, qui est une limite
+ arbitraire. Il est ainsi recommandé d'adapter ce paramètre aux besoins pour
+ des problèmes réels.
Exemple :
``{"MaximumNumberOfIterations":50}``
