Présentation de HPP_Inv

Slides:



Advertisements
Présentations similaires
Modèles à surface libre: les apports du calcul direct de sensibilité au calage et à l’analyse d’incertitude Vincent Guinot, Carole Delenne Université Montpellier.
Advertisements

Notions de modèles hydrogéologiques
Méthode des moindres carrés (1)
GDR MoMaS, Marseille, 14/11/2003 Études des incertitudes liées aux stockages des déchets nucléaires Anca Badea, Olivier Gipouloux.
______________________________________________________________________ Journée GDR MoMaS – / 11 / 2007 _ ____________________________________________________________________________________.
COUPLEX 1 Test Case Nuclear Waste Disposal Far Field Simulation D. VEYRET – M. GEORGIADOU I.U.S.T.I. – C.N.R.S. UMR 6595 Université de Provence 5 rue Enrico.
Couche limite atmosphérique
TORSION SIMPLE Résistance des matériaux
Réseau d’Observation et de prévention du DÉnoyage de l’Oligocène au sud de l’agglomération bordelaise Bilan du projet Commission Locale de l’Eau BRGM Aquitaine.
Modélisation Géométrique Les surfaces paramétriques.
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
Caractérisation des pressions : azote, pesticides, prélèvements Séminaire DOM 26 mars 2012.
Cour Régulation AII3 Chapitre I: Modélisation des systèmes automatiques Abdelkhalek.S 1.
1 Estimation temps réel du flot optique Julien MARZAT 3A – ISA CPDS Tuteur ENSEM:Didier WOLF Tuteur INRIA :André DUCROT.
Les rprésentation des signaux dans le cadre décisionnel de Bayes Jorge F. Silva Shrikanth S. Narayanan.
Les journées de l’2015 Le Model-Based Design Une approche complète en sciences industrielles de l’ingénieur Frédéric MAZET Lycée Dumont d’Urville Toulon.
HYDROGEOLOGIE Définitions
Outils de Recherche opérationnelle en Génie MTH 8414
Suites ordonnées ou mettre de l’ordre
Corrélation et régression linéaire simple
Analyse, Classification,Indexation des Données ACID
PROPRIETES MECANIQUES DU BOIS
Delay Ramps Delay ramps sont composées de plusieurs runs
Résultats et discussions
Doctorants/CDD/Vacataires
Cours d’Econométrie de la Finance (STA202 – IV 4-5)
Laboratoire d’accueil :
La Méthode TRIZ en Agroalimentaire?
Identification des lois de comportement des tôles
Couche limite atmosphérique
S. Briot1 and V. Arakelian2 1 IRCCyN – Nantes 2 INSA – Rennes
LA SECHERESSE.
Technologies de l’intelligence d’affaires Séance 13
Simulation des nanostructures à base de nanorubans de graphène
1 Prévision d’une série chronologique par lissage exponentiel Michel Tenenhaus.
Les plans de mélange Les plans d’expérience : Présentée par :
Plans d’expériences: Plans de mélanges
Jean-Emmanuel DESCHAUD
Plans d’experiences : plans de melanges
Résolution sur l’impulsion Echelle alpine vs echelle Loi
Physique de l’état solide et des semi-conducteurs
Objectifs du chapitre 5: Plans corrélationnels
Les modèles linéaires (Generalized Linear Models, GLM)
C1 – Interpolation et approximation
L’APPROCHE SMEARED FRACTURE :
Modélisation Spatio-temporelle de la pluviométrie " Application du prédicteur Filtre de Kalman":Cas du bassin versant de Cheliff -Algérie- Présentée par Samra Harkat
Passer à la première page Initiation au calcul des structures dans le domaine plastique Elasto - plasticité en petite transformation Cours.
PROCEDURE DE CALCUL DES COLLECTEURS Tracé du réseau en plan Découpage en tronçons de 300 m environ Délimitation du bassin versant drainé par chaque tronçon.
 1____Probabilité  2______variables aléatoires discrètes et continues  3______loi de probabilités d’une v a  4_______les moyens et les moyens centraux.
M. Moumnassi, S. Bordas, R. Figueredo, P. Sansen
Méthodes de calcul en stabilité des pentes
OPTIMISATION 1ère année ingénieurs
AIAC GEET-12 Année : Régulation Industrielle: Programme M.BAHATTI.
Convergence d’algorithme
CalculmatricielCalculmatriciel. I. Matrices Définitions & notations :
Modèle Différences finies Eléments finis Application Chap Hydrogéologie Chapitre IV : Notions de modèles hydrogéologiques Sylvain Payraudeau 1ère.
Analyses et prévisions SIM-PE Pour la crue de mai-juin 2016
Chapitre 1 Formulation d’un programme linéaire (PL) Georges Abboudeh BUST 347.
Contribution du LHyGeS
Projet Aqui-FR État d’avancement sur l’adaptation de Marthe et les applications régionales Dominique THIÉRY, Nadia AMRAOUI Janvier 2015 Direction.
Les modèles de Karst disponibles au BRGM
IV- CORRECTION A AVANCE DE PHASE
Convergence d’algorithme
PROGRAMMATION SCIENTIFIQUE EN C
Audrey Gervereau, Métis, stage M2
Package JADE : Analyse en composantes principales (ACI)
Estimation des conditions initiales par inversion
PROGRAMMATION SCIENTIFIQUE EN C
Couche limite atmosphérique
Transcription de la présentation:

Présentation de HPP_Inv LHyGeS, Strasbourg 1. Les processus modélisés dans HPP_Inv 2. La procédure de calage automatique 3. Quelques exemples d’application.

Modélisation de l’hydrodynamique Ecoulement souterrain 2-D : Equation de diffusivité (nappe libre ou captive) Termes puits-source : Interactions nappe – rivières Interactions nappe – précipitations Interactions nappe – bassin versant Interactions nappe – pompage

Ecoulement souterrain (2D) Nappe libre ou captive. Milieu hétérogène, anisotrope. Régime permanent ou transitoire Paramètres ω : Porosité de drainage ou emmagasinement (x) K: Conductivité hydraulique ou transmissivité (x) zsub : Cote du substratum (nappe libre) (x) f : Termes puits-source (x,t) Résolution par éléments finis. Discrétisation très souple de la géométrie et des contraintes locales.

Ecoulement dans les cours d’eau (1D ramifié) Modèle de Muskingum - Manning L’accumulation d’eau est fonction linéaire du débit La relation hauteur débit est : Section triangulaire ou trapézoïdale. Paramètre Coefficient de Manning (x)

Echanges nappe rivières Paramètre Coefficient d’échange (x)

Evaluation de la recharge de nappe Pluie brute ETP brute Zone d’interception (fonction de la saison) Lame eau temps Transfert d’eau dans la ZNS à travers une fonction de Nash Occupation du sol (degré d’imperméabilité) Zone racinaire (Réserve Utile) Zone non saturée Nappe Paramètre Réserve utile (x) 2 paramètres de Nash (x)

Interactions nappe - bassin versant Transfert d’eau de subsurface à travers une fonction de Nash BV1 BV2 BV3 Domaine Différentes contributions Paramètre/BV Coefficient d’échange (x) Réserve utile 2 coefficient de Nash

L’outil de simulation Modèle classique de nappe Modèle de type Muskingum Modèle d’échange standard

Récapitulatif des paramètres Ecoulement souterrain (2-D) ω : Porosité de drainage ou emmagasinement (x) K: Conductivité hydraulique ou transmissivité (x) zsub : Cote du substratum (nappe libre) (x) Ecoulement dans les cours d’eau (1D ramifié) Coefficient de Manning (x) Interactions nappe – rivières Coefficient échange (x) Interactions nappe – précipitations Réserve utile (x) 2 paramètres de Nash (x) Interactions nappe – bassin versant Réserve utile (x) 2 paramètres de Nash (x)

CALAGE AUTOMATIQUE Objectif : On considère un ensemble d’observations (xj,yj) Pour simplifier, on suppose que - la mesure de x est exacte (temps, lieu) - la mesure de y est sujette à une erreur notée - cette erreur suit une distribution normale : - le modèle est une EDP discrétisée (FV, EF, …) : Objectif : Trouver (p) tel que le modèle retenu reproduise les observations ‘au mieux’. ATTENTION : La matrice A et le vecteur b peuvent être fonction non linéaire des paramètres.

2. Definition of inverse methods Sink/source terms Initial conditions Boundary conditions Parameters Approche ‘directe’ State variables GW - Model (Processes, Numerical methods) Sink/source terms Initial conditions Boundary conditions Parameters State variables Approche ‘inverse’

2. Definition of inverse methods Ne jamais oublier …

Reproduire ‘au mieux’ : Moindres carrés Régression orthogonale Trouver (a,b) tels que J(a,b) soit minimal :

Minimisation de la fonction objectif par approche itérative Linéarisation par dév. de Taylor Soit Le minimum est atteint quand

Calcul des gradients Méthode de Newton (np+1) systèmes à résoudre. Bonne approximation de H(p). Convergence ‘rapide’. Analyse au 1er ordre (cf + tard). Méthode de Quasi-Newton 2 systèmes à résoudre. Approximation ‘grossière’ de H(p). Convergence ‘lente’. calculé de manière approchée (BFGS)

Paramétrisation Multi-Echelle P1,opt

Paramétrisation Multi-Echelle Variation linéaire du paramètre par maille K3 K1 K2 Kx S1 S2 S3 K5 Spatialisation du paramètre Kx = a K1 + b K2 + c K3 où a = S1/S , b = S2/S , c = S3/S K4

Site Expérimental Hydrogéologique http://hplus.ore.fr/ Strasbourg

Site Expérimental Hydrogéologique

Site Expérimental Hydrogéologique

Site Expérimental Hydrogéologique Rabattements mesurés en 2005 Rabattements mesurés en 2004

Conception du modèle et hypothèses 1. La taille du domaine est assez grande pour négliger les effets des conditions aux limites.. 2. La recharge est négligeable pendant la période d’essai. 3. Les temps de mesure sont distribué uniformément selon log(t). 4. Les valeurs mesurées aux puits sont prises en compte (effets de puits négligeable). 5. Aucun a priori sur la distribution des paramètres. 6. Des contraintes min-max sont appliquées aux paramètres.

2004 pumping tests

Pumping well M6 Pumping well M6 Pumping well M6 Pumping well M6

2004 experiments 2004 experiments 2004 experiments 2004 experiments

2005 experiments 2005 experiments 2005 experiments 2005 experiments

2004 2005 Variogramme exponentiel pour la conductivité hydraulique :

Notre perception de l’hétérogénéité est très modèle-dépendante … 2004 2005

Session H05 "Tracers in Hydrology", AGU Joint Assembly, Montreal 17/05/2004

L’objectif de calage

Session H05 "Tracers in Hydrology", AGU Joint Assembly, Montreal 17/05/2004

Results of the calibration runs Session H05 "Tracers in Hydrology", AGU Joint Assembly, Montreal 17/05/2004 Results of the calibration runs Averaged computed heads. Standard dev. comp. Heads (48 months) Standard dev. comp. Heads (126 months)

Results of the calibration runs Session H05 "Tracers in Hydrology", AGU Joint Assembly, Montreal 17/05/2004 Results of the calibration runs C.V. heads C.V. norm of velocity C.V. flow direction

Jh Jh+Jrp+Ju Jh 18483. 15852. 3201. 569.77 48.70 Jh+Ju 18066. 15712. 3393. 502.68 51.38 Jh+Jrp+Ju 18444. 16180. 3020. 249.43 49.58 J(p) Mx (m) My (m) sL(m) sT(m) q (°)

L’estimation des paramètres par approche inverse nécessite Un jeu d’observation avec erreurs de mesure associées. Une formulation de la fonction ‘objectif’ pertinente. Une paramétrisation adaptée à la problématique. Un code de calcul direct optimisé et robuste. Les avantages de l’étalonnage par approche ‘inverse’ Tester différents concepts de modélisation. Un cadre théorique pour l’analyse des résultats. Une exploration de l’ensemble des solutions ‘possibles’. Solution non-unique