Propagation des incertitudes dans un modèle réduit de propagation des infrasons

Uncertainty propagation in a reduced model of infrasound propagation

• Auteur / Autrice : Michaël Bertin
• Direction : Daniel Bouche
• Type : Thèse de doctorat
• Discipline(s) : Sciences
• Date : Soutenance le 12/06/2014
• Etablissement(s) : Cachan, Ecole normale supérieure
• Ecole(s) doctorale(s) : École doctorale Sciences pratiques (1998-2015 ; Cachan, Val-de-Marne)
• Jury : Président / Présidente : Florian de Vuyst
• Jury : Examinateurs / Examinatrices : Christophe Millet, Jean-Christophe Robinet, Roger Waxler
• Jury : Rapporteur / Rapporteuse : Régis Marchiano, Jean-Michel Bernard

Mots clés

Mots clés contrôlés

Incertitude (théorie de l'information)

Optimisation mathématique

Acoustique

Mots clés libres

Atmosphère

Incertitudes

Infrasons

Modes normaux

Réduction de modèle

Atmospher

Uncertainties

Infrasounds

Normal modes

Model reduction

Résumé

La perturbation d’un système peut donner lieu à de la propagation d’onde. Une façon classique d’appréhender ce phénomène est de rechercher les modes propres de vibration du milieu. Mathématiquement, trouver ces modes consiste à rechercher les valeurs et fonctions propres de l’opérateur de propagation. Cependant, d’un point de vue numérique, l’opération peut s’avérer coûteuse car les matrices peuvent avoir de très grandes tailles. En outre, dans la plupart des applications, des incertitudes sont inévitablement associées à notre modèle. La question se pose alors de savoir s’il faut attribuer d’importantes ressources de calcul pour une simulation dont la précision du résultat n’est pas assurée. Nous proposons dans cette thèse une démarche qui permet à la fois de mieux comprendre l’influence des incertitudes sur la propagation et de réduire considérablement les coûts de calcul pour la propagation des infrasons dans l’atmosphère. L’idée principale est que tous les modes n’ont pas la même importance et souvent, seule une poignée d’entre eux suffit à décrire le phénomène sans perte notable de précision. Ces modes s’avèrent être ceux qui sont les plus sensibles aux perturbations atmosphériques. Plus précisément, l’analyse de sensibilité permet d’identifier les structures de l’atmosphère les plus influentes, les groupes de modes qui leur sont associés et les parties du signal infrasonore qui leur correspondent. Ces groupes de modes peuvent être spécifiquement ciblés dans un calcul de spectre au moyen de techniques de projection sur des sous-espace de Krylov, ce qui implique un gain important en coût de calcul. Cette méthode de réduction de modèle peut être appliquée dans un cadre statistique et l’estimation de l’espérance et de la variance du résultat s’effectue là aussi sans perte notable de précision et avec un coût réduit.

The perturbation of a system can give rise to wave propagation. A classical approach to understand this phenomenon is to look for natural modes of vibration of the medium. Mathematically, finding these modes requires to seek the eigenvalues and eigenfunctions of the propagation operator. However, from a numerical point of view, the operation can be costly because the matrices can be of very large size. Furthermore, in most applications, uncertainties are inevitably associated with our model. The question then arises as to whether we should allocate significant computational resources for simulation while the accuracy of the result is not guaranteed. We propose in this thesis an approach that allows both a better understanding of the influence of uncertainties on the propagation and a significant decrease of computational costs for infrasound propagation in the atmosphere. The main idea is that all modes do not have the same importance and only a few of them is often sufficient to account for the phenomenon without a significant loss of accuracy. These modes appear to be those which are most sensitive to atmospheric disturbances. Specifically, a sensitivity analysis is used to identify the most influential structures of the atmosphere, the associated groups of modes and their associated parts of the infrasound signal. These groups of modes can be specifically targeted in a spectrum calculation with the projection of the operator onto Krylov subspaces, that allows a significant decrease of the computational cost. This method of model reduction can be applied in a statistical framework as well and estimations of the expectation and the variance of the results are carried out without a significant loss of accuracy and still with a low cost.