Assistance au calage de modèles numériques en hydraulique ... - TEL

Résumé étenduLes modèles numériques sont aujourd’hui couramment utilisés en hydraulique fluvialecomme outils de prévention des inondations. Les résultats numériques fournisdoivent être comparés à des données de terrain afin de s’assurer de la fiabilité de ces outilsdans des conditions opérationnelles. Ce processus, appelé validation opérationnelle,inclut la tâche de calage de modèle. Le calage vise à reproduire des événements de référenceaussi fidèlement que possible par un ajustement de paramètres à base physique.La première partie de cette thèse définit les concepts clés à partir d’une terminologiestandard, puis présente un état de l’art et une analyse, d’une part des différents objetsimpliqués dans le processus de calage, et d’autre part des procédures actuellement misesen œuvre pour mener à bien cette tâche. Parmi elles, les techniques d’optimisationclassiques sont confrontées à des problèmes d’équifinalité. Ce concept prévoit qu’unmême résultat peut être obtenu à partir de différents jeux de paramètres. Afin de pallierces difficultés, cette thèse aborde le sujet du calage de modèles par le biais de techniquesissues de l’intelligence artificielle, et plus particulièrement de techniques de systèmes àbase de connaissances.La deuxième partie propose ainsi la construction d’un système à base de connaissancespour l’assistance au calage. L’étude présentée dans la première partie nous a permisd’identifier trois types de connaissances : les connaissances descriptives portent surles objets et concepts utilisés, les connaissances procédurales relèvent de la structure de latâche, et les connaissances de raisonnement représentent les règles heuristiques appliquéespar les experts. Ces différents types de connaissances sont formalisés de manière cohérenteet homogène au moyen de la norme UML (Unified Modelling Language) dans lebut de spécifier un prototype de système d’assistance au calage. Ce prototype est fondésur un langage de représentation de connaissances (YAKL) lisible par un expert et surle moteur d’inférence associé (PEGASE+), tous deux développés à l’INRIA 5 . La base deconnaissance implémentée se décompose en trois niveaux suivant leur généricité : lepremier niveau correspond aux connaissances génériques sur le calage de modèles, indépendammentdu domaine d’application ; le deuxième niveau regroupe les connaissancesspécifiques au domaine d’application, ici l’hydraulique fluviale unidimensionnelle ; enfin,le troisième niveau est composé des connaissances nécessaires à une utilisation avancée ducode de calcul MAGE, développé au CEMAGREF 6 .La troisième partie de ces travaux présente des tests d’application du prototypesur différents cours d’eau. L’apport de ce système d’assistance est démontré au traversde cas d’étude variés du point de vue de la nature et de la quantité des données deterrain disponibles, mais aussi du point de vue de l’objectif d’utilisation projetée dumodèle numérique. Ces tests ont permis d’identifier des directions pour faire évoluerce prototype semi-interactif en un système totalement autonome. D’une part, un moduled’évaluation symbolique de courbes est ajouté au prototype dans le but de simulerl’actuelle détection visuelle des incohérences entre résultats numériques et données deréférence. D’autre part, un outil d’optimisation par techniques de recuit simulé est utilisépour mettre en lumière la complémentarité des approches quantitatives et qualitativespour l’ajustement des paramètres.Ces travaux, à l’intersection de la gestion des connaissances et de l’hydraulique flu-5. Institut National de Recherche en Informatique et Automatique (www.sop-inria.fr)6. Institut National de Recherche pour l’Ingénierie de l’Agriculture et de l’Environnement(www.lyon.cemagref.fr)xiii