Données d’entrée

Frédéric Grelot

library(floodam.cba.sa)

Introduction

Les données d’entrée d’un cas d’étude sont stockées dans 4 data.frame,qui doivent être stockés dans des éléments une liste pour être utilisées par analyse_uncertainty(). Les noms attendus des éléments de la liste sont fixes et doivent correspondre à :

Pour créer ces données, le plus simple est de les lire depuis des fichiers externes en mobilisant la fonction load_data().

Fichiers externes attendus par load_data()

load_data() peut importer différents formats de données. La fonction a besoin de connaître l’emplacement de ces données sur le poste de travail. Cet emplacement est caractérisé à partir de deux paramètres :

load_data() a également besoin de connaître :

Format csv

Si load_data est utilisée avec la paramètre type_input fixé à csv2 (valeur par défaut) ou à csv1, il sera nécessaire de stocker dans le dossier case 4 fichiers correspondant aux 4 éléments de la liste précédemment citée.

Ces 4 fichiers devront avoir pour nom :

Il est possible d’utiliser comme opérateur décimal :

path_input = system.file("extdata", package = "floodam.cba.sa")
case = "test"
input_csv = load_data(case, path_input)
#> Case 'test' successfully loaded.
#> Key informations are:
#>  - 'floodam.cba.sa' in version 1.0.0.0 is used with:
#>      - n=1000
#>      - rate=constant
#>  - 'sensitivity' in version 1.30.0 is used.
#>  - input are taken from '/tmp/RtmpwPFCsP/Rinst1c5d4b21b3ed38/floodam.cba.sa/extdata/test'
#>  - output are saved in '/tmp/RtmpOjIxDN/test'

Format ods ou xlsx

Si load_data est utilisée avec la paramètre type_input fixé à ods ou xlsx, il sera attendu dans le dossier case un fichier de type correspondant comprenant 4 onglets avec les noms suivants :

path_input = system.file("extdata", package = "floodam.cba.sa")
case = "test"
input_ods = load_data(case, path_input, type_input = "ods")
#> Case 'test' successfully loaded.
#> Key informations are:
#>  - 'floodam.cba.sa' in version 1.0.0.0 is used with:
#>      - n=1000
#>      - rate=constant
#>  - 'sensitivity' in version 1.30.0 is used.
#>  - input are taken from '/tmp/RtmpwPFCsP/Rinst1c5d4b21b3ed38/floodam.cba.sa/extdata/test'
#>  - output are saved in '/tmp/RtmpOjIxDN/test'
input_xlsx = load_data(case, path_input, type_input = "xlsx")
#> Case 'test' successfully loaded.
#> Key informations are:
#>  - 'floodam.cba.sa' in version 1.0.0.0 is used with:
#>      - n=1000
#>      - rate=constant
#>  - 'sensitivity' in version 1.30.0 is used.
#>  - input are taken from '/tmp/RtmpwPFCsP/Rinst1c5d4b21b3ed38/floodam.cba.sa/extdata/test'
#>  - output are saved in '/tmp/RtmpOjIxDN/test'

Format attendu pour chaque données d’entrée

Calendrier de réalisation

Le calendrier de réalisation est stcoké dans l’élément calendar des données d’entrée. Ce data.frame a les caractéristiques suivantes :

Le calendrier pour le cas test
benefit protection_1 protection_2 maintenance_1 maintenance_2
0 0.00 0.25 0.00 0 0
1 0.00 0.50 0.00 0 0
2 0.00 0.25 0.00 0 0
3 0.75 0.00 0.25 1 0
4 0.75 0.00 0.50 1 0
5 0.75 0.00 0.25 1 0
6 1.00 0.00 0.00 1 1
7 1.00 0.00 0.00 1 1
8 1.00 0.00 0.00 1 1
9 1.00 0.00 0.00 1 1
10 1.00 0.00 0.00 1 1
11 1.00 0.00 0.00 1 1
12 1.00 0.00 0.00 1 1
13 1.00 0.00 0.00 1 1
14 1.00 0.00 0.00 1 1
15 1.00 0.00 0.00 1 1
16 1.00 0.00 0.00 1 1
17 1.00 0.00 0.00 1 1
18 1.00 0.00 0.00 1 1
19 1.00 0.00 0.00 1 1
20 1.00 0.00 0.00 1 1
21 1.00 0.00 0.00 1 1
22 1.00 0.00 0.00 1 1
23 1.00 0.00 0.00 1 1
24 1.00 0.00 0.00 1 1
25 1.00 0.00 0.00 1 1
26 1.00 0.00 0.00 1 1
27 1.00 0.00 0.00 1 1
28 1.00 0.00 0.00 1 1
29 1.00 0.00 0.00 1 1
30 1.00 0.00 0.00 1 1
31 1.00 0.00 0.00 1 1
32 1.00 0.00 0.00 1 1
33 1.00 0.00 0.00 1 1
34 1.00 0.00 0.00 1 1
35 1.00 0.00 0.00 1 1
36 1.00 0.00 0.00 1 1
37 1.00 0.00 0.00 1 1
38 1.00 0.00 0.00 1 1
39 1.00 0.00 0.00 1 1
40 1.00 0.00 0.00 1 1
41 1.00 0.00 0.00 1 1
42 1.00 0.00 0.00 1 1
43 1.00 0.00 0.00 1 1
44 1.00 0.00 0.00 1 1
45 1.00 0.00 0.00 1 1
46 1.00 0.00 0.00 1 1
47 1.00 0.00 0.00 1 1
48 1.00 0.00 0.00 1 1
49 1.00 0.00 0.00 1 1
50 1.00 0.00 0.00 1 1

Coûts du projet

les coûts du projet sont décrits dans l’élément cost. Ce data.frame a les caractéristiques suivantes :

Les données sur les coûts pour le cas test
nominal min max type
protection_1 2.442 2.0 8.0 absolute
protection_2 1.289 -0.5 1.0 relative
maintenance_1 0.070 -0.5 0.5 relative
maintenance_2 0.040 -0.5 0.5 relative

Scénarios d’inondation

Les scénarios d’inondation sont décrits dans l’élément flood. Ce data.frame a les caractéristiques suivantes :

Les données sur les scénarios d’inondation pour le cas test
period_nominal period_min period_max period_type hydraulic_nominal hydraulic_min hydraulic_max hydraulic_type
crue_deb 4 3 5 absolute 1 -0.5 0 relative
crue_010 10 6 15 absolute 1 -0.5 0 relative
crue_030 30 20 40 absolute 1 -0.5 0 relative
crue_100 100 75 150 absolute 1 -0.5 0 relative
crue_max 1000 150 1000 absolute 1 -0.5 0 relative

Impacts du projet

Les impacts du projet sont décrits dans l’élément impact. Ce data.frame a les caractéristiques suivantes :

Les données d’impact pour le cas test
crue_deb crue_010 crue_030 crue_100 crue_max min max type
habitation 0 2.0 6.0 3.0 0 -0.5 0.5 relative
activite 0 2.0 4.0 4.0 0 -0.5 0.5 relative
agricole 0 -0.1 -0.2 -0.4 0 -0.5 0.5 relative
reseau 0 0.5 0.3 0.0 0 -0.5 0.5 relative
camping 0 0.2 0.5 -0.3 0 -0.5 0.5 relative

Remarque Pour un type d’enjeu donné, c’est-à-dire pour une ligne donnée, les bornes min et max utilisées dans ce fichier sont valables pour toutes les valeurs nominales. C’est pourquoi il est nécessaire de laisser le type à relative dans ce fichier.