From 78325cc2d4ad6663d1a217a0b490d80588ff87a0 Mon Sep 17 00:00:00 2001 From: Jean-Philippe ARGAUD Date: Thu, 7 Jun 2018 21:20:49 +0200 Subject: [PATCH] Documentation and functions minor update correction --- doc/en/index.rst | 19 ++++++++++--------- doc/fr/index.rst | 24 ++++++++++++------------ src/daComposant/daAlgorithms/mmqr.py | 2 +- src/daComposant/daCore/Aidsm.py | 2 +- src/daSalome/adaoBuilder.py | 1 + 5 files changed, 25 insertions(+), 23 deletions(-) diff --git a/doc/en/index.rst b/doc/en/index.rst index a3e8edc..e089771 100644 --- a/doc/en/index.rst +++ b/doc/en/index.rst @@ -32,17 +32,18 @@ ADAO documentation :alt: ADAO logo **The ADAO module provides data assimilation and optimization** features in -SALOME context [Salome]_. It is based on usage of other SALOME modules, namely -YACS and EFICAS, and on usage of a generic underlying data assimilation -library. +Python or SALOME context [Salome]_. It is based on usage of other SALOME +modules, namely YACS and EFICAS if they are available, and on usage of a +generic underlying data assimilation library. Briefly stated, Data Assimilation is a methodological framework to compute the -optimal estimate of the inaccessible true value of a system state over time. It -uses information coming from experimental measurements or observations, and from -numerical *a priori* models, including information about their errors. Parts of -the framework are also known under the names of *parameter estimation*, *inverse -problems*, *Bayesian estimation*, *optimal interpolation*, etc. More details can -be found in the section :ref:`section_theory`. +optimal estimate of the inaccessible true value of a system state, eventually +over time. It uses information coming from experimental measurements or +observations, and from numerical *a priori* models, including information about +their errors. Parts of the framework are also known under the names of +*parameter estimation*, *inverse problems*, *Bayesian estimation*, *optimal +interpolation*, etc. More details can be found in the section +:ref:`section_theory`. The documentation for this module is divided into several major categories, related to the theoretical documentation (indicated in the title by **[DocT]**), diff --git a/doc/fr/index.rst b/doc/fr/index.rst index a6fd06c..9394a87 100644 --- a/doc/fr/index.rst +++ b/doc/fr/index.rst @@ -32,20 +32,20 @@ Documentation ADAO :alt: Logo ADAO **Le module ADAO fournit des fonctionnalités d'assimilation de données et -d'optimisation** dans un contexte SALOME [Salome]_. Il est basé sur -l'utilisation d'autres modules, à savoir YACS et EFICAS, et sur l'utilisation -d'une bibliothèque et d'outils génériques sous-jacents d'assimilation de -données. +d'optimisation** dans un contexte Python ou SALOME [Salome]_. Il est basé sur +l'utilisation d'autres modules, à savoir YACS et EFICAS s'ils sont disponibles, +et sur l'utilisation d'une bibliothèque et d'outils génériques sous-jacents +d'assimilation de données. En bref, l'assimilation de données est un cadre méthodologique pour calculer -l'estimation optimale de la valeur réelle (inaccessible) de l'état d'un système -au cours du temps. Il utilise des informations provenant de mesures -expérimentales, ou observations, et de modèles numériques *a priori*, y compris -des informations sur leurs erreurs. Certaines des méthodes incluses dans ce -cadre sont également connues sous les noms d'*estimation des paramètres*, de -*problèmes inverses*, d'*estimation bayésienne*, d'*interpolation optimale*, -etc. De plus amples détails peuvent être trouvés dans la partie proposant -:ref:`section_theory`. +l'estimation optimale de la valeur réelle (inaccessible) de l'état d'un +système, éventuellement au cours du temps. Il utilise des informations +provenant de mesures expérimentales, ou observations, et de modèles numériques +*a priori*, y compris des informations sur leurs erreurs. Certaines des +méthodes incluses dans ce cadre sont également connues sous les noms +d'*estimation des paramètres*, de *problèmes inverses*, d'*estimation +bayésienne*, d'*interpolation optimale*, etc. De plus amples détails peuvent +être trouvés dans la partie proposant :ref:`section_theory`. La documentation de ce module est divisée en plusieurs grandes catégories, relatives à la documentation théorique (indiquée dans le titre par **[DocT]**), diff --git a/src/daComposant/daAlgorithms/mmqr.py b/src/daComposant/daAlgorithms/mmqr.py index 02fcc65..e309e20 100644 --- a/src/daComposant/daAlgorithms/mmqr.py +++ b/src/daComposant/daAlgorithms/mmqr.py @@ -76,7 +76,7 @@ def mmqr( DeriveesT = array(matrix(Derivees).T) M = dot( DeriveesT , (array(matrix(p*[poids,]).T)*Derivees) ) SM = dot( DeriveesT , veps ).T - step = - linalg.lstsq( M, SM )[0] + step = - linalg.lstsq( M, SM, rcond=-1 )[0] # variables = variables + step if bounds is not None: diff --git a/src/daComposant/daCore/Aidsm.py b/src/daComposant/daCore/Aidsm.py index 5802c0c..dcd14f5 100644 --- a/src/daComposant/daCore/Aidsm.py +++ b/src/daComposant/daCore/Aidsm.py @@ -700,7 +700,7 @@ class Aidsm(object): def __dir__(self): "Clarifie la visibilité des méthodes" - return ['set', 'get', 'execute', '__doc__', '__init__', '__module__'] + return ['set', 'get', 'execute', 'dump', 'load', '__doc__', '__init__', '__module__'] def prepare_to_pickle(self): "Retire les variables non pickelisables, avec recopie efficace" diff --git a/src/daSalome/adaoBuilder.py b/src/daSalome/adaoBuilder.py index 7e3f684..2d40574 100644 --- a/src/daSalome/adaoBuilder.py +++ b/src/daSalome/adaoBuilder.py @@ -48,6 +48,7 @@ __author__ = "Jean-Philippe ARGAUD" __all__ = ["New"] from daCore.Aidsm import Aidsm as _Aidsm +from daCore.version import name, version, year, date # ============================================================================== class New(_Aidsm): -- 2.39.2