Automatic differentiation: a tool for variational data assimilation and adjoint sensitivity analysis for flood modeling

William Castaings 1 Denis Dartus 2 Marc Honnorat 1 François-Xavier Le Dimet 1 Youssef Loukili 1 Jerome Monnier 1
1 MOISE - Modelling, Observations, Identification for Environmental Sciences
Inria Grenoble - Rhône-Alpes, UJF - Université Joseph Fourier - Grenoble 1, INPG - Institut National Polytechnique de Grenoble , CNRS - Centre National de la Recherche Scientifique : UMR5227
Abstract : Flood modeling involves catchment scale hydrology and river hydraulics. Analysis and reduction of model uncertainties induce sensitivity analysis, reliable initial and boundary conditions, calibration of empirical parameters. A deterministic approach dealing with the aforementioned estimation and sensitivity analysis problems results in the need of computing the derivatives of a function of model output variables with respect to input variables. Modern automatic differentiation (ad) tools such as Tapenade provide an easier and safe way to fulfill this need. Two applications are presented in this paper: variational data assimilation and adjoint sensitivity analysis.
Type de document :
Article dans une revue
Lecture Notes in Computational Science and Engineering, Springer, 2006, 50, pp.249-262
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00259072
Contributeur : Jerome Monnier <>
Soumis le : mardi 26 février 2008 - 15:55:49
Dernière modification le : jeudi 11 janvier 2018 - 06:21:30
Document(s) archivé(s) le : jeudi 20 mai 2010 - 19:44:15

Fichier

ad2004.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00259072, version 1

Collections

Citation

William Castaings, Denis Dartus, Marc Honnorat, François-Xavier Le Dimet, Youssef Loukili, et al.. Automatic differentiation: a tool for variational data assimilation and adjoint sensitivity analysis for flood modeling. Lecture Notes in Computational Science and Engineering, Springer, 2006, 50, pp.249-262. 〈inria-00259072〉

Partager

Métriques

Consultations de la notice

1201

Téléchargements de fichiers

634