ml_setup.py
: Construction du modèle en régime permanent selon fichier de configurationsescousse.yml
vers le dossierml
ml_transient.py
: Construction du modèle en régime transitoire vers le dossierml_transient
pproc.py
: post-traitement d'une simulation en régime transitoire (figures dans le dossierfig
)pest_setup.py
: préparation des fichiers PEST(++) pour l'estimation des paramètres vers le dossierml_tpl
- Téléchargement du dossier
ml_tpl
vers le serveur (avecsend2hydrolix.sh
) - Depuis le serveur, lancement de PEST(++) en parallèle avec
start_pest.py
, qui peut être appelé avec la commande shellpython start_pest.py --algo="glm" --unzip="True"
. L'algorithme IES peut aussi être utilisé. Si des modifications sont effectuées sur le dossierml_tpl
sur le serveur, il faut appeler la commande avec--unzip="False
pour éviter que l'archive soit de nouveau extraite. - Depuis le serveur, compression du dossier
master_glm
- Récupération de l'archive
master_glm.tar.gz
avecgetfromhydrolix.sh
- Mise à jour du modèle avec le "meilleur" jeu de paramètre avec
parrep.sh cal.par cal.pst caleval.pst
- Calcul de la "meilleure solution", avec NOTPMAX=0 ou NOTPMAX=-1 et
++uncertainty(True)
danscaleval.pst
, puispestpp-glm caleval.pst
- (ou) Calcul de la "meilleure solution" avec incertitudes avec NOTPMAX=-1 et
++uncertainty(True)
danscaleval.pst
, puispestpp-glm caleval.pst
- Post-traitement du calage avec
pproc_glm.py
/pproc_ies.py
pproc.py
: post-traitementanalysis.py
: analyse détaillée
gen_sim.py
: génération des simulations alternativescomp_indic.py
: comparaison des résultats selon les indicateurs
Dans le dossier sim
, avec sim_levels.py