-----------------------------
For a generic Data Assimilation or Optimization study, the main methodological
-steps can be the following:
+steps may be as follows, each of which is detailed in the following section:
- :ref:`section_m_step1`
- :ref:`section_m_step2`
- :ref:`section_m_step6`
- :ref:`section_m_step7`
-Each step will be detailed in the next sections.
+To illustrate these methodological steps from the perspective of a study
+applied to an industrial system or problem, the following diagram depicts these
+methodological steps in relation to the typical steps in a study:
+
+ .. _meth_steps_in_study:
+ .. image:: images/meth_steps_in_study.png
+ :align: center
+ :width: 75%
+ .. centered::
+ **The methodological steps required during a study approach applied to an industrial system or problem**
Detailed procedure for a study
------------------------------
Going further in the data assimilation framework
------------------------------------------------
-.. index:: single: state estimation
-.. index:: single: parameter estimation
-.. index:: single: inverse problems
+.. index:: single: adjustment
+.. index:: single: artificial intelligence
.. index:: single: Bayesian estimation
-.. index:: single: optimal interpolation
+.. index:: single: calibration
+.. index:: single: data smoothing
+.. index:: single: data-driven
+.. index:: single: field interpolation
+.. index:: single: inverse problems
+.. index:: single: inversion
+.. index:: single: machine learning
.. index:: single: mathematical regularization
+.. index:: single: meta-heuristics
+.. index:: single: model reduction
+.. index:: single: optimal interpolation
+.. index:: single: parameter estimation
+.. index:: single: quadratic optimization
.. index:: single: regularization methods
-.. index:: single: data smoothing
+.. index:: single: state estimation
+.. index:: single: variational optimization
To get more information about the data assimilation techniques, the reader can
consult introductory documents like [Talagrand97]_ or [Argaud09]_, on-line
interpolation*, *mathematical regularization*, *data smoothing*, etc. These
terms can be used in bibliographical searches.
+Some aspects of data assimilation are also known by other names. Without being
+exhaustive, we can mention the names of *calibration*, *adjustment*, *state
+estimation*, *parameter estimation*, *inverse problems* or *inversion*,
+*Bayesian estimation*, *field interpolation* or *optimal interpolation*,
+*variational optimization*, *quadratic optimization*, *mathematical
+regularization*, *meta-heuristics for optimization*, *model reduction*, *data
+smoothing*, *data-driven* modeling, model and data learning (*Machine Learning*
+and *Artificial Intelligence*), etc. These terms can be used in bibliographic
+searches.
+
Going further in the state estimation by optimization methods
-------------------------------------------------------------
--------------------------------
Pour une étude générique d'Assimilation de Données ou d'Optimisation, les
-principales étapes méthodologiques peuvent être les suivantes:
+principales étapes méthodologiques peuvent être les suivantes, chacune des
+étapes étant détaillée dans la section qui suit :
- :ref:`section_m_step1`
- :ref:`section_m_step2`
- :ref:`section_m_step6`
- :ref:`section_m_step7`
-Chaque étape est détaillée dans la section suivante.
+Si on veut illustrer ces étapes méthodologiques du point de vue d'une étude
+appliquée à un système ou un problème industriel, le schéma suivant fait
+correspondre ces étapes méthodologiques avec les étapes classiques dans une
+étude :
+
+ .. _meth_steps_in_study:
+ .. image:: images/meth_steps_in_study.png
+ :align: center
+ :width: 75%
+ .. centered::
+ **Les étapes méthodologiques requises lors d'une démarche d'étude appliquée à un système ou un problème industriel**
Procédure détaillée pour une étude
----------------------------------
Approfondir le cadre méthodologique de l'assimilation de données
----------------------------------------------------------------
+.. index:: single: apprentissage
+.. index:: single: calibration
+.. index:: single: data-driven
+.. index:: single: estimation bayésienne
.. index:: single: estimation d'état
.. index:: single: estimation de paramètres
-.. index:: single: problèmes inverses
-.. index:: single: estimation bayésienne
+.. index:: single: intelligence artificielle
+.. index:: single: interpolation de champs
.. index:: single: interpolation optimale
-.. index:: single: régularisation mathématique
+.. index:: single: inversion
+.. index:: single: lissage de données
+.. index:: single: machine learning
+.. index:: single: méta-heuristiques
.. index:: single: méthodes de régularisation
-.. index:: single: méthodes de lissage
+.. index:: single: optimisation quadratique
+.. index:: single: optimisation variationnelle
+.. index:: single: problèmes inverses
+.. index:: single: recalage
+.. index:: single: réduction de modèles
+.. index:: single: régularisation mathématique
Pour obtenir de plus amples informations sur les techniques d'assimilation de
données, le lecteur peut consulter les documents introductifs comme
lesquels l'utilisation efficace des données observées, mais incomplètes, est
cruciale.
-Certains aspects de l'assimilation de données sont aussi connus sous les noms
-d'*estimation d'état*, d'*estimation de paramètres*, de *problèmes inverses*,
-d'*estimation bayésienne*, d'*interpolation optimale*, de *régularisation
-mathématique*, de *lissage de données*, etc. Ces termes peuvent être utilisés
-dans les recherches bibliographiques.
+Certains aspects de l'assimilation de données sont aussi connus sous d'autres
+noms. Sans être exhaustif, on peut mentionner les noms de *calibration*, de
+*recalage*, d'*estimation d'état*, d'*estimation de paramètres*, de *problèmes
+inverses* ou d'*inversion*, d'*estimation bayésienne*, d'*interpolation de
+champs* ou d'*interpolation optimale*, d'*optimisation variationnelle*,
+d'*optimisation quadratique*, de *régularisation mathématique*, de
+*méta-heuristiques* d'optimisation, de *réduction de modèles*, de *lissage de
+données*, de pilotage des modèles par les données (« *data-driven* »),
+d’*apprentissage* de modèles et de données (*Machine Learning* et Intelligence
+Artificielle), etc. Ces termes peuvent être utilisés dans les recherches
+bibliographiques.
Approfondir l'estimation d'état par des méthodes d'optimisation
---------------------------------------------------------------
