10. [DocR] Description de référence des commandes et mots-clés ADAO¶
Les sections suivantes présentent la description de référence des commandes et mots-clés ADAO disponibles à travers l’interface textuelle (TUI), graphique (GUI) ou à travers des scripts. Les deux premières sections communes présentent les [DocR] Entrées et sorties générales et les [DocR] Entrées spéciales : mesures, fonctions, matrices, « observer », post-traitement. Ensuite, on décrit successivement les [DocR] Cas d’assimilation de données ou d’optimisation et les [DocR] Cas de vérification.
Chaque commande ou mot-clé à définir par la TUI ou la GUI a des propriétés particulières. La première propriété est d’être requise, optionnelle ou simplement utile, décrivant un type d’entrée. La seconde propriété est d’être une variable « ouverte » avec un type fixé mais avec n’importe quelle valeur autorisée par le type, ou une variable « fermée », limitée à des valeurs spécifiées. L’éditeur graphique GUI intégré disposant de capacités intrinsèques de validation, les propriétés des commandes ou mots-clés données à l’aide de l’interface graphique sont automatiquement correctes.
11. [DocR] Entrées et sorties générales¶
Cette section décrit de manière générale les différentes options de types d’entrées et de variables de sortie. Les notations mathématiques utilisées sont expliquées dans la section [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation.
12. [DocR] Entrées spéciales : mesures, fonctions, matrices, « observer », post-traitement¶
Cette section décrit les entrées spéciales, comme les formes fonctionnelles ou matricielles, et les conditions requises pour les utiliser. Les notions et notations mathématiques relatives à ces entrées sont expliquées dans la section [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation.
- 12.1. Conditions requises pour la description d’observations ou de mesures expérimentales
- 12.2. Conditions requises pour les fonctions décrivant un opérateur
- 12.3. Conditions requises pour décrire des matrices de covariance
- 12.4. Conditions requises pour décrire un échantillonnage d’états
- 12.5. Conditions requises pour les fonctions décrivant un « observer »
- 12.6. Conditions requises pour décrire un post-traitement dédié après calcul ADAO
13. [DocR] Cas d’assimilation de données ou d’optimisation¶
Cette section décrit les choix algorithmiques pour utiliser des méthodes d’assimilation de données, des méthodes d’optimisation ou des méthodes avec réduction, disponibles dans ADAO, en détaillant leurs caractéristiques et leurs options.
Des exemples sur l’usage de ces commandes sont disponibles dans la section des [DocU] Tutoriaux sur l’utilisation du module ADAO dans SALOME, dans la section des [DocU] Tutoriaux sur l’utilisation du module ADAO dans Python, dans la section des [DocU] Exemples d’utilisation d’ADAO, et dans les fichiers d’exemple installés avec ADAO. Les notions et notations mathématiques utilisées sont expliquées dans la section générale donnant [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation.
- 13.1. Algorithme de calcul « 3DVAR »
- 13.2. Algorithme de calcul « 4DVAR »
- 13.3. Algorithme de calcul « Blue »
- 13.4. Algorithme de calcul « DerivativeFreeOptimization »
- 13.5. Algorithme de calcul « DifferentialEvolution »
- 13.6. Algorithme de calcul « EnsembleBlue »
- 13.7. Algorithme de calcul « EnsembleKalmanFilter »
- 13.8. Algorithme de calcul « ExtendedBlue »
- 13.9. Algorithme de calcul « ExtendedKalmanFilter »
- 13.10. Algorithme de calcul « KalmanFilter »
- 13.11. Algorithme de calcul « LinearLeastSquares »
- 13.12. Algorithme de calcul « NonLinearLeastSquares »
- 13.13. Algorithme de calcul « ParticleSwarmOptimization »
- 13.14. Algorithme de calcul « QuantileRegression »
- 13.15. Algorithme de calcul « TabuSearch »
- 13.16. Algorithme de calcul « UnscentedKalmanFilter »
- 13.17. Liste des commandes et mots-clés pour un cas d’assimilation de données ou d’optimisation
14. [DocR] Cas de vérification¶
Cette section décrit les algorithmes de vérification disponibles dans ADAO, détaillant leurs caractéristiques d’utilisation et leurs options.
Des exemples sur l’usage de ces commandes sont disponibles dans la section des [DocU] Tutoriaux sur l’utilisation du module ADAO dans SALOME, dans la section des [DocU] Tutoriaux sur l’utilisation du module ADAO dans Python, dans la section des [DocU] Exemples d’utilisation d’ADAO, et dans les fichiers d’exemple installés avec ADAO. Les notions et notations mathématiques utilisées sont expliquées dans la section générale donnant [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation.
- 14.1. Algorithme de vérification « AdjointTest »
- 14.2. Algorithme de vérification « ControledFunctionTest »
- 14.3. Algorithme de vérification « FunctionTest »
- 14.4. Algorithme de vérification « GradientTest »
- 14.5. Algorithme de vérification « InputValuesTest »
- 14.6. Algorithme de vérification « LinearityTest »
- 14.7. Algorithme de vérification « LocalSensitivityTest »
- 14.8. Algorithme de vérification « ObservationSimulationComparisonTest »
- 14.9. Algorithme de vérification « ObserverTest »
- 14.10. Algorithme de vérification « ParallelFunctionTest »
- 14.11. Algorithme de vérification « SamplingTest »
- 14.12. Algorithme de vérification « TangentTest »
- 14.13. Liste des commandes et mots-clés pour un cas de vérification
15. [DocR] Cas orientés tâches ou études dédiées¶
Cette section décrit les algorithmes de tâches facilitant une étude dédiée disponibles dans ADAO, détaillant leurs caractéristiques d’utilisation et leurs options.
Ces tâches utilisent des algorithmes provenant de méthodes d’assimilation de données, de méthodes d’optimisation ou de méthodes avec réduction. On renvoie à la section générale donnant [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation et à celle des [DocR] Cas d’assimilation de données ou d’optimisation pour les détails algorithmiques sous-jacents.