jOas wEb Sci

Aller au contenu | Aller au menu | Aller à la recherche

Mot-clé - Assimilation de données

Fil des billets

mardi, novembre 13 2007

Présentation du problème - Description des vecteurs et espaces

Vecteur d'état

Pour formaliser mathématiquement le problème d'analyse, il faut définir un espace de travail. L'état du modèle est défini par une série de nombres ordonnés en une matrice colonne appelé vecteur d'état. Ce vecteur d'état \[ \mathbf{x} \] est le même que celui utilisé dans le modèle de prévision. Le choix de la discrétisation détermine comment les composantes vectorielles sont liées à l'état vrai du système. La discrétisation est ainsi équivalant au choix d'une base en mathématique.

Plusieurs vecteurs d'état peuvent être définis. Il n'est pas possible de décrire la réalité parfaitement car elle ne peut pas être représentée dans un vecteur d'état. Néanmoins, un vecteur \[ \mathbf{x}^t_c \] pourra permettre de décrire cet état vrai en continu. Plus classiquement, \[ \mathbf{x}^t" \] représentera la meilleure représentation possible de la réalité \[ \mathbf{x}^t_c" \] dans un vecteur d'état nommé état vrai. La première estimation de l'état analysé est appelé l'ébauche \[ \mathbf{x}^b" \], tandis que l'état analysé lui-même est noté \[ \mathbf{x}^a" \].

Lire la suite...

Présentation du problème - Concepts de base

L'analyse

L'analyse est une description fiable de l'état vrai du système à un instant donné. Elle est déjà utile par elle même en tant que représentation globale et consistante du système étudié. Elle peut aussi servir comme état initial pour une prévision du système à l'aide du modèle ou comme pseudo-observation. Elle peut aussi servir de référence afin de vérifier la qualité des observations.

Pour obtenir l'état analysé, les seules informations objectives sont les mesures des observations effectuées sur l'état vrai. Le système peut parfois être surdéterminé. Dans ce cas, l'analyse se résume à un problème d'interpolation. Il est, en général, sous-déterminé car les observations sont clairsemées et pas toujours liées directement aux variables du modèle. Ce qui n'empêche pas d'avoir des régions où les observations sont très denses et où le système est ainsi sur-déterminé. Afin de bien poser le problème, il est nécessaire de disposer d'une ébauche de l'état du modèle (c'est-à-dire une estimation a priori de l'état du modèle). Des contraintes physiques peuvent aussi permettre de mieux déterminer le système. Cette ébauche peut aussi bien être une climatologie, un état quelconque ou état obtenu à partir de précédentes analyses.  Dans ce cas, si le système efficace, l'information est sensée s'accumuler dans l'état du système et se propager entre les variables du modèle.

Lire la suite...

lundi, novembre 12 2007

Introduction - Un exemple plus théorique

Une autre façon de penser l'assimilation de données est de la comparer aux méthodes traditionnelles de la recherche scientifique.

En général, face à un système inconnu, la première démarche est d'essayer de comprendre comment il fonctionne. Ceci se traduit par le développement d'un modèle qui va tenter de simuler toutes les composantes internes du système. Ce modèle, aussi perfectionné soit-il, nécessite des paramètres d'entrée. Une fois le modèle abouti, il est ensuite comparé à des résultats expérimentaux. En supposant que le modèle est adapté, les comparaisons entre les sorties du modèle et les mesures expérimentales permettent d'améliorer les entrées du modèle. Il s'agit donc d'un problème inverse.

Lire la suite...

Introduction - Un exemple simple : la météorologie

La première question que l'on peut se poser est : "A quoi sert l'assimilation de données ?". Une question bien peu scientifique car ne répondant pas à la question "Comment ?". Et pourtant, c'est souvent la première question posée lorsque l'assimilation de données fait irruption dans une discussion. Certes, c'est un sujet peu abordé d'ordinaire, mais que certains chercheurs ou doctorants travaillant dans le domaine rencontrent fréquemment.

Lire la suite...

mardi, octobre 30 2007

Péambule - Introduction à l'assimilation de données

Plus le message est probable moins il fournit d'information : les clichés et les lieux communs éclairent moins que les grands poèmes.

Norbert Wiener


Historique


La recherche scientifique repose sur deux sources d'information et d'étude différentes, les observations d'une part, et les modèles d'autre part. Au cours de l'histoire des Sciences, les observations furent d'abord qualitatives avant de devenir quantitatives. Parallèlement, les modèles descriptifs s'améliorèrent grâce aux techniques mathématiques, et particulièrement à l'analyse numérique.

Lire la suite...

page 6 de 6 -