15.07.2013 Views

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

1 Introduction<br />

Ces notes sont inspirées des travaux en collaboration avec Albert Cohen, Nira Dyn, Sidi Mahmoud Kaber<br />

et Sigfried Müller [22], [20]. Elles présentent l’application de la technique d’approximation <strong>multiéchelles</strong> à la<br />

résolution par volumes finis d’un système de lois de conservations hyperboliques. Les méthodes <strong>multiéchelles</strong><br />

sont un outil puissant en analyse pour des applications allant du traitement du signal à l’analyse numérique<br />

des EDP. Les fondements théoriques de ces techniques ont co¨ncidé avec l’émergence de la théorie des<br />

ondelettes, dans les années 80. Le tableau 1 donne une vue synthétique de cet aspect pluridisciplinaire.<br />

Un des principaux attraits des discrétisations dans des bases <strong>multiéchelles</strong> est de pouvoir par un simple<br />

seuillage des coefficients de la fonction discrétisée dans une telle base, obtenir une discrétisation à une<br />

échelle plus grossière dans les endroits où la fonction est régulière, tout en gardant les détails relevant des<br />

discrétisations plus fines près des singularités. C’est le principe utilisé en traitement du signal ou d’image<br />

pour faire de la compression de données. Dans le domaine qui nous intéresse, celui de la résolution numérique<br />

des EDP, il s’agira dans la mesure où la solution est régulière, exception faite de singularités localisées,<br />

d’utiliser une technique multiéchelle pour approcher cette solution en utilisant moins de mémoire et moins<br />

de temps CPU. On peut remarquer que les premières applications de techniques <strong>multiéchelles</strong> en simulation<br />

numérique avaient un objectif légèrement différent : dans le contexte des équations elliptiques, les techniques<br />

“multigrilles” furent développées à partir des années 70 plutôt pour pré-conditionner les systèmes linéaires<br />

que pour compresser les solutions. Plus récemment le développement des méthodes AMR (Adaptive Mesh<br />

Refinement / raffinement adaptatif de maillages) a aussi des objectifs très proches du nôtre [12, 8]. Nous<br />

nous intéressons ici aux systèmes de lois de conservations hyperboliques, problème dans lequel l’introduction<br />

des techniques <strong>multiéchelles</strong> est due à Ami Harten vers la fin des années 80. Les solutions de ces équations<br />

présentent en général des discontinuités - ou chocs - qui se propagent à vitesse finie. En exploitant leur<br />

décomposition multiéchelle on va concentrer la représentation sur une grille très fine au voisinage de ces<br />

discontinuités et économiser ainsi des ressources de calcul tout en conservant la précision du schéma initial<br />

- ou tout au moins le même ordre d’erreur.<br />

Résumons le principe dans ses grandes lignes : on part d’un schéma numérique pour résoudre un système<br />

d’équations<br />

∂tu + div(f(u)) = 0. (1)<br />

A priori on peut choisir un schéma aux différences finies, volumes finis, etc... La solution à un temps tn est<br />

représentée par des valeurs discrétisée u n i , sur une grille ΩL . Cette grille a une taille de maille d’ordre 2 −L ,<br />

où on a choisi L suffisamment grand pour que u n i avec i ∈ ΩL représente une bonne approximation de la<br />

solution exacte u(tn, xi). On fait évoluer les valeurs discrètes (ū n+1<br />

k ) k∈Ω L de la solution approchée d’un pas<br />

de temps à l’autre en évaluant les flux à travers les interfaces entre les mailles. L’idée de base est de faire<br />

une décomposition multiéchelle de la solution, du type transformée en ondelettes, et d’utiliser les coefficients<br />

de la transformée comme des indicateurs de régularité.<br />

Ces indicateurs permettent d’adapter le maillage en fonction de la régularité locale de la solution - c’est<br />

ce que nous appelons la multirésolution adaptative. La solution est discrétisée sur un maillage composé de<br />

cellules appartenant à des niveaux de raffinement plus ou moins fins suivant la régularité locale. Ce maillage,<br />

ou plutôt le niveau utilisé dans la hiérarchie de grilles, évolue en temps, puisqu’il dépend de la solution. Un<br />

intérêt par rapport aux méthodes AMR qui utilisent aussi des indicateurs de régularités, est la transformation<br />

multiéchelle peut être inversée à tout moment et que la solution est en fait connue “potentiellement” sur<br />

la grille la plus fine, même si elle est calculée sur une grille beaucoup plus grossière. Cet avantage est très<br />

intéressant du point de vue de l’analyse de la méthode, qui peut ainsi être comparée du point de vue précision<br />

au schéma de référence sur la grille la plus fine.<br />

Cette méthode de multirésolution adaptative est un développement assez récent ([22]). A l’origine les travaux<br />

d’Harten ont plutôt porté sur l’utilisation des coefficients d’ondelettes comme indicateurs d’erreur dans le<br />

contexte d’un schéma d’évolution sur la grille uniforme la plus fine. Ils indiquent en effet les zones où il est<br />

possible d’économiser sur le calcul des flux, qui est d’autant plus coûteux que la solution est singulière :<br />

dans les régions où les détails au delà d’un niveau d’échelle j < J sont petits (c’est-à-dire au dessous d’un<br />

seuil ) on est dans une zone où la solution est régulière et on peut remplacer l’évaluation des flux par leur<br />

4

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!