Assimilation des données (HU) : Différence entre versions
m (1 version) |
|||
Ligne 6 : | Ligne 6 : | ||
« prévision/correction » : | « prévision/correction » : | ||
− | + | * on fait une hypothèse sur la valeur du paramètre à déterminer ; | |
− | on fait une hypothèse sur la valeur du | + | |
+ | * on en déduit par un modèle la valeur qu’un autre paramètre doit prendre à un endroit et/ou à un instant où ce paramètre est mesuré ; | ||
− | + | * on analyse l’écart entre la valeur prédite et la valeur mesurée pour corriger la valeur initiale du paramètre inconnu. | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | on analyse l’écart entre la valeur prédite et la valeur mesurée | + | |
− | pour corriger la valeur initiale du paramètre inconnu. | + | |
Appliquées de façon itérative, ces techniques permettent | Appliquées de façon itérative, ces techniques permettent | ||
Ligne 32 : | Ligne 26 : | ||
des modèles]]. | des modèles]]. | ||
− | Pour en savoir | + | <u>Pour en savoir plus</u> : [http://cerfacs.fr/assimilation-de-donnees-et-optimisation/ http://cerfacs.fr/assimilation-de-donnees-et-optimisation/] |
− | [[Catégorie: | + | [[Catégorie:Dictionnaire_DEHUA]] |
Version du 12 février 2020 à 15:31
Traduction anglaise : Data assimilation
On regroupe sous ce terme un ensemble de méthodes destinées à approcher au mieux la valeur à attribuer à un paramètre non mesuré. Les méthodes d’assimilation reposent sur des techniques dites de « prévision/correction » :
- on fait une hypothèse sur la valeur du paramètre à déterminer ;
- on en déduit par un modèle la valeur qu’un autre paramètre doit prendre à un endroit et/ou à un instant où ce paramètre est mesuré ;
- on analyse l’écart entre la valeur prédite et la valeur mesurée pour corriger la valeur initiale du paramètre inconnu.
Appliquées de façon itérative, ces techniques permettent d’approcher au mieux les valeurs des paramètres inconnus et d’exploiter les mesures de façon optimale. Les méthodes les plus sophistiquées sont capables de tenir compte de l’incertitude sur les mesures.
Les méthodes d’assimilation sont beaucoup utilisées en météorologie pour définir les conditions initiales de l’état de l’atmosphère sur une maille beaucoup plus fine que la maille pour laquelle des mesures sont disponibles.
Elles ont également fait l’objet d’applications dans le domaine de l’hydrologie, en particulier pour le calage des modèles.
Pour en savoir plus : http://cerfacs.fr/assimilation-de-donnees-et-optimisation/