def for_loop(self):
idx = range(self.J)
self.Xa[idx], xa0, self.Pa[0] \
= self._next_time_step(self.initial_xa,
self.initial_Pa,
self.Xo[idx])
self.RMSE_rea_AW[0] = np.nan
for l in range(1, self.LMAX_for_4D):
# self.J=5、つまり同化ウィンドウ内で5つ観測を取り込むとすると、
# 時刻l-1に於ける解析値と時刻l, ..., l+4における観測値をもとに、
# 時刻l, ..., l+4における解析値(self.Xa[idx])を計算する。
# xa0というのは、時刻l-1における"再"解析値。
# RMSE_a_AWは、時刻l+4(l-1)における「解析値」のRMSEで、
# RMSE_rea_AWは、時刻l+4(l-1)における「再解析値」のRMSE
# lに対応するインデックス
idx = range(l * self.J, (l + 1) * self.J)
self.Xa[idx], xa0, self.Pa[l] \
= self._next_time_step(self.Xa[l * self.J - 1],
self.Pa[l - 1],
self.Xo[idx])
self.RMSE_rea_AW[l] \
= using_jit.cal_RMSE(xa0, self.Xt[l * self.J - 1])
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
# for l in range(self.LMAX_for_4D):
# self.RMSE_a_AW[l] = self.RMSE_a[(l + 1) * self.J - 1]
# 上記のコードを最適化すると以下の通り
self.RMSE_a_AW[:] \
= self.RMSE_a[(np.arange(self.LMAX_for_4D) + 1) * self.J - 1]
def for_loop(self):
self.Xa[0], self.Pa[0] = self._next_time_step(self.initial_xa,
self.initial_Pa,
self.Xo[1])
for l in range(1, self.LMAX - 1):
self.Xa[l], self.Pa[l] = self._next_time_step(
self.Xa[l - 1], self.Pa[l - 1], self.Xo[l + 1])
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
# 最後の1時間ステップだけは、解析値をフリーラン。
LastL = self.LMAX - 1
self.Xa[LastL] = self.l96.run(self.Xa[LastL - 1],
days=self.assim_interval_days)
self.RMSE_a[LastL] = using_jit.cal_RMSE(self.Xa[LastL], self.Xt[LastL])
def get_RMSE_o(obs_data, mdl_data):
import using_jit
T = 365 * 4
RMSE_o = np.zeros(T)
N = obs_data.shape[1]
for i in range(T):
xo = np.zeros(N)
xo[:] = obs_data[i, :]
xt = np.zeros(N)
xt[:] = mdl_data[i, :]
RMSE_o[i] = using_jit.cal_RMSE(xo, xt) # 観測値と真値とのRMSE。
return RMSE_o
def for_loop(self):
prev_xa = self.initial_xa
prev_Pa = self.initial_Pa
prev_F = self.initial_F
self.Xo[np.isnan(self.Xo)] = 1e+5
for l in range(self.LMAX):
the_xa, the_Pa, the_F = self.Func(prev_xa, prev_F, prev_Pa, self.Xo[l],
self.R, self.delta, self.delta_of_F,
dt=self.dt, days=self.assim_interval_days,
KSC=1e+5)
self.Xa[l] = the_xa
self.RMSE_a[l] = using_jit.cal_RMSE(the_xa, self.Xt[l])
self.Estimating_F[l] = the_F
prev_xa = the_xa
prev_Pa = the_Pa
prev_F = the_F
self.Xo[self.Xo == 1e+5] = np.nan
def steepest_descent_method(self, gradient, initial_x):
# 最急降下法を生コードから実装します。
# http://soy-curd.hatenablog.com/entry/2016/05/05/151517
# http://minus9d.hatenablog.com/entry/2015/01/25/210958
lr = 0.1
loop_max = 1000
eps = 1e-4
xb = initial_x
for i in range(loop_max):
xa = xb - lr / np.sqrt(i + 1) * gradient(xb)
if i % 10 == 0 and using_jit.cal_RMSE(xa, xb) < eps:
if self.verbose_opt:
print('i=' + str(i))
break
xb = xa
return xa