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.Enxa[0] = self._next_time_step(self.initial_Enxa,
self.Xo[0])
for l in range(1, self.LMAX):
self.Enxa[l] = self._next_time_step(self.Enxa[l - 1],
self.Xo[l])
self.Xa = np.average(self.Enxa, axis=2)
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
def for_loop(self):
self.Enxa[0] = self._next_time_step(self.initial_Enxa,
self.Xo[1])
for l in range(1, self.LMAX - 1):
self.Enxa[l] = self._next_time_step(self.Enxa[l - 1],
self.Xo[l + 1])
# 最後の1時間ステップだけは、解析値をフリーラン。
self.Enxa[self.LMAX - 1] \
= self.l96.ensemble_run(self.Enxa[self.LMAX - 2],
days=self.assim_interval_days)
self.Xa = np.average(self.Enxa, axis=2)
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
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 for_loop(self):
self.Xa[0], self.Cov_for_est_B[0], \
self.Cov_for_est_B2[0], \
self.Cov_for_est_R[0] = self._next_time_step(self.initial_xa,
self.Xo[0])
for l in range(1, self.LMAX):
self.Xa[l], self.Cov_for_est_B[l], \
self.Cov_for_est_B2[l], \
self.Cov_for_est_R[l] = self._next_time_step(self.Xa[l - 1],
self.Xo[l])
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
self.est_B = np.average(self.Cov_for_est_B[200:], axis=0)
self.est_B2 = np.average(self.Cov_for_est_B2[200:], axis=0)
self.est_R = np.average(self.Cov_for_est_R[200:], axis=0)
def for_loop(self):
self.l = 0
self.Xa[0], self.Pa[0] = self._next_time_step(self.initial_xa,
self.initial_Pa,
self.Xo[0])
for l in range(1, self.LMAX):
self.l = l
self.Xa[l], self.Pa[l] = self._next_time_step(
self.Xa[l - 1], self.Pa[l - 1], self.Xo[l])
self.RMSE_a[:] = using_jit.cal_RMSE_2D(self.Xa, self.Xt)
self.est_R = np.average(self.Cov_for_est_R[200:], axis=0)
self.est_Pf = np.average(self.Cov_for_est_Pf[200:], axis=0)
self.est_Pf2 = np.average(self.Cov_for_est_Pf2[200:], axis=0)
self.ave_Pa = np.average(self.Pa[200:], axis=0)
self.ave_Pf = np.average(self.Pf[200:], axis=0)
def get_RMSE_o(self):
self.RMSE_o[:] = using_jit.cal_RMSE_2D(self.Xo, self.Xt)