Publication

Bayesian Monte Carlo assimilation for the PETALE experimental programme using inter-dosimeter correlation

Andreas Pautz, Vincent Pierre Lamirand, Dimitri Rochman, Axel Guy Marie Laureau
2020
Conference Papers

Résumé

This article presents the methodology developed to generate and use dosimeter covariances and to estimate nuisance parameters for the PETALE experimental programme. In anticipation of the final experimental results, this work investigates the consideration of these experimental correlations in the Bayesian assimilation process on nuclear data. Results show that the assimilation of a given set of dosimeters provides a strong constraint on some of the posterior reaction rate predictions of the other dosimeters. It confirms that, regarding the assimilation process, the different sets of dosimeters are correlated.

Source officielle

https://infoscience.epfl.ch/entities/publication/248aed26-ffce-468b-b7b4-58ecccb41ca5

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Andreas Pautz, Vincent Pierre Lamirand, Dimitri Rochman, Axel Guy Marie Laureau
2020
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/248aed26-ffce-468b-b7b4-58ecccb41ca5

À propos de ce résultat

Concepts associés (20)

Assimilation de données

En météorologie, l'assimilation de données est le procédé qui consiste à corriger, à l'aide d'observations, l'état de l'atmosphère d'une prévision météorologique. La prévision numérique de l'évolution de l'atmosphère dépend grandement des conditions initiales qui lui sont fournies. Or il est difficile de déterminer, à un instant donné, l'état de l'atmosphère, c’est-à-dire l’ensemble des variables atmosphériques (pression, température, humidité, etc.) sur l’ensemble du volume, avec une bonne résolution et une bonne précision.

Assimilation culturelle

L'assimilation culturelle est la pratique qui consiste à exiger d’une personne étrangère qu'elle adopte les mêmes comportements, les mêmes coutumes et traditions que la population qui l'accueille. Du point de vue de la personne assimilée, l'assimilation peut être décrite comme une forme d'acculturation. Elle correspond à une situation au cours de laquelle un individu ou un groupe abandonne totalement sa culture d'origine, volontairement ou de manière contrainte, pour adopter les valeurs, la langue et les pratiques culturelles d'un nouveau groupe en s'y conformant de manière plus ou moins profonde et complète.

Filtre de Kalman

vignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).

Afficher plus

Publications associées (6)

Afficher plus

Bayesian Monte Carlo assimilation for the PETALE experimental programme using inter-dosimeter correlation

Chattez avec Graph Search

A Bayesian data assimilation framework for lake 3D hydrodynamic models with a physics-preserving particle filtering method using SPUX-MITgcm v1

Radar-rain gauge merging and discharge data assimilation for flood forecasting in Alpine catchments

Robust Biophysical Parameter Estimation with a Neural Network Enhanced Hamiltonian Markov Chain Monte Carlo Sampler