19. Glossaire¶

analyse: C’est l’état optimal de représentation du système estimé par une procédure d’assimilation de données ou d’optimisation.
APosterioriCorrelations: Mot-clé indiquant la matrice de corrélation des erreurs a posteriori d’analyse.
APosterioriCovariance: Mot-clé indiquant la matrice de covariance des erreurs a posteriori d’analyse.
APosterioriStandardDeviations: Mot-clé indiquant la matrice diagonale des écarts-types des erreurs a posteriori d’analyse.
APosterioriVariances: Mot-clé indiquant la matrice diagonale des variances des erreurs a posteriori d’analyse.
background: C’est le terme anglais pour désigner l’ébauche.
BMA: L’acronyme signifie Background moins Analysis. C’est la différence entre l’état d’ébauche et l’état optimal estimé, correspondant à l’expression mathématique $\mathbf{x}^b - \mathbf{x}^a$ .
cas: Un cas ADAO est défini par un jeu de données et de choix, rassemblés par 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.
conditions aux limites: Ce sont des variables particulières d’entrée et de contrôle du simulateur, qui caractérisent la description du comportement du système en bordure du domaine spatial de simulation.
conditions initiales: Ce sont des variables particulières d’entrée et de contrôle du simulateur, qui caractérisent la description du comportement du système en bordure initiale du domaine temporel de simulation.
CostFunctionJ: Mot-clé indiquant la fonction de minimisation, notée $J$ .
CostFunctionJb: Mot-clé indiquant la partie due à l’ébauche dans la fonction de minimisation, notée $J^b$ .
CostFunctionJo: Mot-clé indiquant la partie due aux observations dans la fonction de minimisation, notée $J^o$ .
CurrentState: Mot-clé indiquant l’état courant utilisé au cours du déroulement d’un algorithme d’optimisation.
ebauche: C’est une part (choisie pour être modifiable) de la représentation de l’état du système, représentation connue a priori ou initiale, qui n’est pas optimale, et qui est utilisée comme une estimation grossière ou comme « la meilleure connue », avant une estimation optimale.
innovation: Différence entre les observations et le résultat de la simulation basée sur l’état d’ébauche, filtré pour être compatible avec les observations. C’est similaire à OMB dans les cas statiques.
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 pas (d’assimilation).
MahalanobisConsistency: Mot-clé indiquant le paramètre de Mahalanobis mesurant la consistance de l’estimation optimale d’état par assimilation de données. Sa valeur peut être comparée à 1, une « bonne » estimation conduisant à un paramètre « proche » de 1.
observations ou mesures: Ce sont des quantités qui proviennent d’instruments de mesures et qui caractérisent le système physique à étudier. Ces quantités peuvent varier en espace ou en temps, peuvent être ponctuelles ou intégrées. Elles sont elles-mêmes caractérisées par leur nature de mesure, leur dimension, etc.
OMA: L’acronyme signifie Observation moins Analysis. C’est la différence entre les observations et le résultat de la simulation basée sur l’état optimal estimé, l’analyse, filtré pour être compatible avec les observations, correspondant à l’expression mathématique $\mathbf{y}^o - \mathbf{H}\mathbf{x}^a$ .
OMB: L’acronyme signifie Observation moins Background. C’est la différence entre les observations et le résultat de la simulation basée sur l’état d’ébauche, filtré pour être compatible avec les observations, correspondant à l’expression mathématique $\mathbf{y}^o - \mathbf{H}\mathbf{x}^b$ .
opérateur d’observation: C’est une transformation de l’état simulé en un ensemble de quantités explicitement comparables aux observations.
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 itération (interne).
SigmaBck2: Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la consistance de la partie due à l’ébauche dans l’estimation optimale d’état par assimilation de données. Sa valeur peut être comparée à 1, une « bonne » estimation conduisant à un paramètre « proche » de 1.
SigmaObs2: Mot-clé indiquant le paramètre de Desroziers-Ivanov mesurant la consistance de la partie due à l’observation dans l’estimation optimale d’état par assimilation de données. Sa valeur peut être comparée à 1, une « bonne » estimation conduisant à un paramètre « proche » de 1.
simulateur numérique: Ensemble des relations numériques et des équations caractérisant le système physique étudié.
simulation numérique: Mise en oeuvre calculatoire de l’ensemble constitué du simulateur numérique et d’un jeu particulier de toutes les variables d’entrée et de contrôle du simulateur. Ces variables permettent de mettre le simulateur numérique en capacité de représenter numériquement le comportement du système.
système physique: C’est l’objet d’étude que l’on va représenter par simulation numérique, et que l’on observe par des mesures.