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

3.2 MÉTHODES D’AJUSTEMENT DES PARAMÈTRESOn entre ici véritablement dans le concept de validation opérationnelle défini dans lasection 1.1.3. Il est important de noter que les méthodes d’estimation d’une valeur décritesdans la section 3.1 permettent d’initier le processus itératif au cœur des méthodesd’ajustement.3.2.2 Méthode heuristiqueLa méthode heuristique – connue dans le monde anglo-saxon sous la dénominationtrial-and-error method – est la méthode d’ajustement ✭ manuel ✮ des valeurs desparamètres. Elle est résumée par la procédure de la figure 3.5.1. Estimer une valeur initiale des paramètres à l’aide des méthodes décrites dans la section 3.1.2. Simuler numériquement au moins un événement passé.3. Comparer visuellement sous forme de graphiques les résultats de simulation avec des donnéesde référence de l’événement considéré.4. Si le niveau de correspondance attendu n’est pas atteint, modifier les valeurs des paramètresen conséquence en utilisant des connaissances issues de l’expérience, et retourner au 2.FIG. 3.5 – Méthode heuristique d’ajustement des paramètres.Cette méthode est largement utilisée dans le milieu de l’ingénierie pour la mise aupoint de modèles hydrauliques. Elles présente cependant un inconvénient majeur : ladépendance vis-à-vis du niveau d’expertise du modélisateur. En effet, les points 3. et 4.reposent sur des connaissances en partie subjectives et mettent en œuvre des raisonnementséminemment qualitatifs : ✭ La courbe passe à peu près au milieu des points. ✮,✭ Le coefficient de Manning doit être légèrement augmenté. ✮. La conséquence est lanon-reproductibilité de ce processus.L’utilisation de cette méthode garantit pourtant – en fonction bien évidemment duniveau d’expertise du modélisateur – l’obtention d’un modèle numérique fiable dont lesparamètres – et leurs valeurs – sont conformes aux processus physiques dont ils rendentcompte. Si le niveau de correspondance attendu est conditionné par des impératifsextérieurs à l’étude – par exemple des seuils réglementaires ou des notions de crédibilitédu travail –, le modélisateur peut être tenté de l’atteindre en passant outre les intervallesphysiques de variations des paramètres. Dans ce cas, les événements considérés dans laphase de calage seront convenablement reproduits, mais rien ne garantit que le modèleest une image acceptable du système physique considéré. Le modèle ainsi obtenu peutalors s’avérer tout à fait insatisfaisant lorsqu’utilisé comme outil de prédiction.Nous reviendrons bien entendu sur cette méthode dans la suite du document, puisqu’elleva faire l’objet d’une formalisation complète dans le chapitre 4.3.2.3 Méthodes mathématiquesAfin de pallier les aléas de la subjectivité liées à la méthode heuristique, de nombreusesméthodes automatiques ont été développées au cours des dernières décennies.Ces approches font intervenir une procédure mathématique d’optimisation et sont qualifiéesdans la littérature de problèmes inverses 38 , par opposition au problème direct38. On peut noter que cette dénomination est plus restrictive dans ce contexte précis que la définitiondonnée dans la section 1.2.3.70