.. [Argaud09] Argaud J.-P., Bouriquet B., Hunt J., *Data Assimilation from Operational and Industrial Applications to Complex Systems*, Mathematics Today, pp.150-152, October 2009
+.. [Asch16] Asch M., Bocquet M., Nodet M., *Data Assimilation - Methods, Algorithms and Applications*, SIAM, 2016
+
.. [GilBellosta15] Gil Bellosta C. J., *rPython: Package Allowing R to Call Python*, CRAN, 2015, https://cran.r-project.org/web/packages/rPython/ and http://rpython.r-forge.r-project.org/
.. [Bouttier99] Bouttier B., Courtier P., *Data assimilation concepts and methods*, Meteorological Training Course Lecture Series, ECMWF, 1999
.. index:: single: observation
.. index:: single: a priori
-**Data Assimilation** is a general framework for computing the optimal estimate
-of the true state of a system, over time if necessary. It uses values obtained
-by combining both observations and *a priori* models, including information
-about their errors.
+**Data Assimilation** is a general well established framework for computing the
+optimal estimate of the true state of a system, over time if necessary. It uses
+values obtained by combining both observations and *a priori* models, including
+information about their errors.
In other words, data assimilation merges measurement data of a system, that are
the observations, with *a priori* system physical and mathematical knowledge,
-embedded in numerical models, to obtain the best possible estimate of the system
-real state and of its stochastic properties. Note that this real state (or
-"*true state*") can not be reached, but can only be estimated. Moreover, despite
-the fact that the used information are stochastic by nature, data assimilation
-provides deterministic techniques in order to perform very efficiently the
-estimation.
-
-Because data assimilation look for the **best possible** estimate, its
+embedded in numerical models. The goal is to obtain the best possible estimate
+of the system real state and of its stochastic properties. Note that this real
+state (or "*true state*") can not be reached, but can only be estimated.
+Moreover, despite the fact that the used information are stochastic by nature,
+data assimilation provides deterministic techniques in order to perform very
+efficiently the estimation.
+
+Because data assimilation looks for the **best possible** estimate, its
underlying procedure always integrates optimization in order to find this
estimate: particular optimization methods are always embedded in data
assimilation algorithms. Optimization methods can be seen in ADAO as a way to
coefficient value in order that the simulation of the beam corresponds to
measurements, including the knowledge of errors.
+All quantities representing the description of physics in a model are likely to
+be calibrated in a data assimilation process, whether they are model
+parameters, initial conditions or boundary conditions. Their simultaneous
+consideration is greatly facilitated by the data assimilation framework, which
+makes it possible to objectively process a heterogeneous set of available
+information.
+
Simple description of the data assimilation methodological framework
--------------------------------------------------------------------
To get more information about the data assimilation techniques, the reader can
consult introductory documents like [Talagrand97]_ or [Argaud09]_, on-line
training courses or lectures like [Bouttier99]_ and [Bocquet04]_ (along with
-other materials coming from geosciences applications), or general documents like
-[Talagrand97]_, [Tarantola87]_, [Kalnay03]_, [Ide97]_, [Tikhonov77]_ and
-[WikipediaDA]_.
+other materials coming from geosciences applications), or general documents
+like [Talagrand97]_, [Tarantola87]_, [Asch16]_, [Kalnay03]_, [Ide97]_,
+[Tikhonov77]_ and [WikipediaDA]_.
Note that data assimilation is not restricted to meteorology or geo-sciences,
but is widely used in other scientific domains. There are several fields in
.. [Argaud09] Argaud J.-P., Bouriquet B., Hunt J., *Data Assimilation from Operational and Industrial Applications to Complex Systems*, Mathematics Today, pp.150-152, October 2009
+.. [Asch16] Asch M., Bocquet M., Nodet M., *Data Assimilation - Methods, Algorithms and Applications*, SIAM, 2016
+
.. [GilBellosta15] Gil Bellosta C. J., *rPython: Package Allowing R to Call Python*, CRAN, 2015, https://cran.r-project.org/web/packages/rPython/ and http://rpython.r-forge.r-project.org/
.. [Bouttier99] Bouttier B., Courtier P., *Data assimilation concepts and methods*, Meteorological Training Course Lecture Series, ECMWF, 1999
.. index:: single: observation
.. index:: single: a priori
-L'**assimilation de données** est un cadre général pour le calcul de
+L'**assimilation de données** est un cadre général bien établi pour le calcul de
l'estimation optimale de l'état réel d'un système, au cours du temps si
nécessaire. Il utilise les valeurs obtenues en combinant des observations et des
modèles *a priori*, incluant de plus des informations sur leurs erreurs.
-En d'autres termes, l'assimilation de données rassemble les données mesurées
-d'un système, qui sont les observations, avec une connaissance physique et
-mathématique *a priori* du système, intégrée dans les modèles numériques, afin
-d'obtenir la meilleure estimation possible de l'état réel du système et de ses
-propriétés stochastiques. On note que cet état réel (ou "*état vrai*") ne peut
-être atteint, mais peut seulement être estimé. De plus, malgré le fait que les
-informations utilisées sont stochastiques par nature, l'assimilation de données
-fournit des techniques déterministes afin de réaliser l'estimation de manière
-très efficace.
-
-L'assimilation de données cherchant l'estimation la **meilleure possible**, la
-démarche technique sous-jacente intègre toujours de l'optimisation afin de
+En d'autres termes, l'assimilation de données est un moyen de fusionner les
+données mesurées d'un système, qui sont les observations, avec des
+connaissances physique et mathématique *a priori* du système, intégrées dans
+les modèles numériques. L'objectif est d'obtenir la meilleure estimation possible
+de l'état réel du système et de ses propriétés stochastiques. On note que cet
+état réel (ou "*état vrai*") ne peut être atteint, mais peut seulement être
+estimé. De plus, malgré le fait que les informations utilisées sont
+stochastiques par nature, l'assimilation de données fournit des techniques
+déterministes afin de réaliser l'estimation de manière très efficace.
+
+Comme l'assimilation de données cherche l'estimation la **meilleure possible**,
+la démarche technique sous-jacente intègre toujours de l'optimisation afin de
trouver cette estimation : des méthodes d'optimisation choisies sont toujours
intégrées dans les algorithmes d'assimilation de données. Par ailleurs, les
-méthodes d'optimisation peuvent être vues dans ADAO comme un moyen d'étendre les
-applications d'assimilation de données. Elles seront présentées de cette façon
-dans la section pour `Approfondir l'estimation d'état par des méthodes
-d'optimisation`_, mais elles sont beaucoup plus générale et peuvent être
+méthodes d'optimisation peuvent être vues dans ADAO comme un moyen d'étendre
+les applications d'assimilation de données. Elles seront présentées de cette
+façon dans la section pour `Approfondir l'estimation d'état par des méthodes
+d'optimisation`_, mais elles sont beaucoup plus générales et peuvent être
utilisés sans les concepts d'assimilation de données.
Deux types principaux d'applications existent en assimilation de données, qui
simulation de la poutre corresponde aux mesures, en y incluant la connaissance
des erreurs.
+Toutes les grandeurs représentant la description de la physique dans un modèle
+sont susceptibles d'être calibrés dans une démarche d'assimilation de données,
+que ce soient des paramètres de modèles, des conditions initiales ou des
+conditions aux limites. Leur prise en compte simultanée est largement facilitée
+par la démarche d'assimilation de données, permettant de traiter objectivement
+un ensemble hétérogène d'informations à disposition.
+
Description simple du cadre méthodologique de l'assimilation de données
-----------------------------------------------------------------------
[Talagrand97]_ ou [Argaud09]_, des supports de formations ou de cours comme
[Bouttier99]_ et [Bocquet04]_ (ainsi que d'autres documents issus des
applications des géosciences), ou des documents généraux comme [Talagrand97]_,
-[Tarantola87]_, [Kalnay03]_, [Ide97]_, [Tikhonov77]_ et [WikipediaDA]_.
+[Tarantola87]_, [Asch16]_, [Kalnay03]_, [Ide97]_, [Tikhonov77]_ et
+[WikipediaDA]_.
On note que l'assimilation de données n'est pas limitée à la météorologie ou aux
géo-sciences, mais est largement utilisée dans d'autres domaines scientifiques.
try:
# Create Assimilation study
- if sys.version_info.major > 2:
- import adao
+ if sys.version_info.major > 2: import adao
from daYacsIntegration.daStudy import *
assim_study = daStudy(Name, Algorithm, Debug)
<inline name="ReadForSwitchNode">
<script><code><![CDATA[import sys, logging
-if sys.version_info.major > 3: import adao
+if sys.version_info.major > 2: import adao
logging.debug("CREATE YI Entering in ReadForSwitchNode")
logging.debug(" with input data : ",list(data["specificParameters"]))
switch_value = -1
<inline name="ExtractDataNode">
<script><code><
