These Marc Honnorat

INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE
No attribu par la bibliothque
THSE pour obtenir le grade de DOCTEUR DE LINP Grenoble Spcialit : Mathmatiques appliques prpare au laboratoire Laboratoire Jean Kuntzmann dans le cadre de lcole Doctorale Mathmatiques, Sciences et Technologies de lInformation, Informatique
prpare et soutenue publiquement par
tel-00273318, version 1 - 15 Apr 2008
Marc HONNORAT
le 3 octobre 2007
Assimilation de donnes lagrangiennes pour la simulation numrique en hydraulique fluviale
JURY M. M. M. M. M. M. Michel VAUCLIN Olivier THUAL Jean-Charles GILBERT Franois-Xavier LE DIMET Jrme MONNIER Jean-Michel TANGUY Prsident Rapporteur Rapporteur Directeur de thse Co-directeur Examinateur
tel-00273318, version 1 - 15 Apr 2008
ii
Table des matires

Rsum tendu Extended abstract 1 3 5 5 6 7 8 11
tel-00273318, version 1 - 15 Apr 2008
Introduction Lassimilation de donnes . . . . . . . . . . . . . . . . . . . . . . . . . . Applications en hydraulique uviale . . . . . . . . . . . . . . . . . . . . . Les observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Les outils de tldtection . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Fondements de lassimilation variationnelle de donnes 1.1 1.2
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 quations continues . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.2.1 1.2.2 1.2.3 1.2.4 1.2.5 1.2.6 1.2.7 Espaces fonctionnels . . . . . . . . . . . . . . . . . . . . . . 13 Modle direct . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Fonction cot . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Modle linaris . . . . . . . . . . . . . . . . . . . . . . . . . 16 Modle adjoint . . . . . . . . . . . . . . . . . . . . . . . . . 18 Systme doptimalit . . . . . . . . . . . . . . . . . . . . . . 19 Extensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3
Reprsentation schmatique des modles . . . . . . . . . . . . . . . 25 1.3.1 1.3.2 Botesoprateurs . . . . . . . . . . . . . . . . . . . . . . . . 25 Programmes informatiques . . . . . . . . . . . . . . . . . . . 28 iii
iv 1.3.3 1.4
Table des matires criture du code adjoint . . . . . . . . . . . . . . . . . . . . 28
Direntiation automatique . . . . . . . . . . . . . . . . . . . . . . 30 1.4.1 1.4.2 1.4.3 1.4.4 1.4.5 Principes de la direntiation automatique . . . . . . . . . . 30 Mise en uvre de la direntiation automatique . . . . . . . 31 Outils de direntiation automatique . . . . . . . . . . . . . 33 Prsentation de Tapenade . . . . . . . . . . . . . . . . . . . 34 Validation du code adjoint . . . . . . . . . . . . . . . . . . . 34
1.5
Algorithme de minimisation . . . . . . . . . . . . . . . . . . . . . . 36 1.5.1 Algorithme de QuasiNewton . . . . . . . . . . . . . . . . . 37 Approximation de linverse de la Hessienne . . . . . . . . . . 37 Calcul du pas de descente . . . . . . . . . . . . . . . . . . . 38 Critre darrt de lalgorithme . . . . . . . . . . . . . . . . . 39 41
tel-00273318, version 1 - 15 Apr 2008
1.5.2 1.5.3 1.5.4
2 Modle Saint-Venant pour lhydraulique uviale 2.1
Le modle Saint-Venant . . . . . . . . . . . . . . . . . . . . . . . . 41 2.1.1 2.1.2 2.1.3 Drivation des quations de Saint-Venant . . . . . . . . . . . 42 quations de Saint-Venant pour lhydraulique uviale . . . . 44 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . 45
2.2
Drivation des quations adjointes . . . . . . . . . . . . . . . . . . . 46 2.2.1 2.2.2 2.2.3 Fonction cot . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Modle linaris . . . . . . . . . . . . . . . . . . . . . . . . . 47 Drivation des quations adjointes . . . . . . . . . . . . . . . 47
2.3
Discrtisation des quations . . . . . . . . . . . . . . . . . . . . . . 50 2.3.1 2.3.2 Hyperbolicit . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Schma volumes nis . . . . . . . . . . . . . . . . . . . . . . 52
2.4
Le logiciel Dassow . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Table des matires 3 Expriences dassimilation de donnes eulriennes 3.1 3.2
v 61
Principe des expriences jumelles . . . . . . . . . . . . . . . . . . . 62 Donnes relles : Pearl River . . . . . . . . . . . . . . . . . . . . . . 63 3.2.1 3.2.2 3.2.3 3.2.4 3.2.5 Domaine de calcul . . . . . . . . . . . . . . . . . . . . . . . 63 Observations . . . . . . . . . . . . . . . . . . . . . . . . . . 63 Identication de conditions aux limites . . . . . . . . . . . . 63 Rsultats numriques . . . . . . . . . . . . . . . . . . . . . . 65 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3
Cas test : identication du dbit et du coecient de Manning . . . 67 3.3.1 Conguration de test . . . . . . . . . . . . . . . . . . . . . . 67 Cration des observations . . . . . . . . . . . . . . . . . . . 67 Rsultats numriques . . . . . . . . . . . . . . . . . . . . . . 69 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 75
tel-00273318, version 1 - 15 Apr 2008
3.3.2 3.3.3 3.3.4
4 Principes de lassimilation de trajectoires 4.1 4.2
Donnes lagrangiennes . . . . . . . . . . . . . . . . . . . . . . . . . 76 Modle de transport . . . . . . . . . . . . . . . . . . . . . . . . . . 77 4.2.1 4.2.2 4.2.3 4.2.4 quation de transport . . . . . . . . . . . . . . . . . . . . . 77 Vitesse de transport . . . . . . . . . . . . . . . . . . . . . . 78 Intgration au modle gnral . . . . . . . . . . . . . . . . . 79 Fonction cot et systme adjoint . . . . . . . . . . . . . . . 80
4.3
Discrtisation numrique des trajectoires . . . . . . . . . . . . . . . 82 4.3.1 4.3.2 Discrtisation en temps . . . . . . . . . . . . . . . . . . . . . 82 Discrtisation en espace . . . . . . . . . . . . . . . . . . . . 84
4.4
Filtrage des observations de trajectoires . . . . . . . . . . . . . . . . 86 4.4.1 4.4.2 4.4.3 Rchantillonnage des observations . . . . . . . . . . . . . . 86 Construction dune trajectoire ltre . . . . . . . . . . . . . 88 Mise en uvre numrique du ltrage . . . . . . . . . . . . . 89
4.5
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
vi 5 Expriences dassimilation de trajectoires 5.1
Table des matires 91
Cas test : identication du dbit et du coecient de Manning . . . 91 5.1.1 5.1.2 5.1.3 5.1.4 Conguration de lexprience . . . . . . . . . . . . . . . . . 92 Observations de trajectoires . . . . . . . . . . . . . . . . . . 92 Rsultats numriques . . . . . . . . . . . . . . . . . . . . . . 93 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 95
5.2
Cas test : identication de la topographie et des conditions initiales 5.2.1 5.2.2 5.2.3
Perturbation des trajectoires numriques . . . . . . . . . . . 96 Conguration de lexprience . . . . . . . . . . . . . . . . . 96 Cration des observations . . . . . . . . . . . . . . . . . . . 97 Identication de la topographie seule . . . . . . . . . . . . . 100 Identication de la topographie et des conditions initiales . . 104 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 . . . . . . . . . . . . . . . . . . . . 109
tel-00273318, version 1 - 15 Apr 2008
5.2.4 5.2.5 5.2.6 5.3
Assimilation de donnes relles 5.3.1 5.3.2 5.3.3 5.3.4 5.3.5
Conguration de lexprience . . . . . . . . . . . . . . . . . 109 Observations . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Simulation Saint-Venant de rfrence . . . . . . . . . . . . . 112 Assimilation de donnes . . . . . . . . . . . . . . . . . . . . 114 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 123 127 131
Conclusion gnrale Perspectives Bibliographie
Rsum tendu
Nous prsentons dans cette thse des travaux portant sur lassimilation variationnelle de donnes pour lhydraulique uviale. Nous nous sommes intresss en particulier lassimilation de donnes lagrangiennes dans un modle de rivire bas sur les quations de Saint-Venant. Les modles numriques sont devenus aujourdhui des outils couramment utiliss dans le domaine de lhydraulique uviale. Dautre part, les mthodes dassimilation de donnes permettent de prendre en compte toute linformation disponible sur un systme physique en vue de sa modlisation : celle contenue dans le modle et celle porte par les observations.
tel-00273318, version 1 - 15 Apr 2008
Dans une premire partie, nous prsentons les fondements de lassimilation variationnelle de donnes du point de vue de la thorie du contrle optimal, en mettant laccent sur le lien entre le problme dassimilation sous sa forme de systme doptimalit et la mise au point du modle adjoint laide doutils de direntiation automatique de codes. Nous prsentons dans un deuxime temps un modle de rivire bas sur les quations de Saint-Venant bidimensionnelles et mis en uvre dans le logiciel Dassow, co-dvelopp au cours de cette thse dans le but de raliser les simulations numriques et les expriences dassimilation de donnes. Le schma numrique du modle direct repose sur la mthode des volumes nis et un modle adjoint a t dvelopp en utilisant loutil de direntiation automatique Tapenade. Dans un troisime chapitre, nous montrons une exprience dassimilation de donnes relles qui concerne lidentication de conditions aux limites dans le delta de la rivire des Perles (Xi Jiang). Puis une srie dexpriences jumelles illustre le problme du manque de donnes dobservations classiquement disponibles dans les problmes dassimilation lorsque certains paramtres du modle sont mal estims. Nous montrons un exemple o des mesures synthtiques de hauteurs deau deviennent insusantes pour lidentication du dbit. Le dveloppement des moyens de tldtection pour lobservation des rivires permet denvisager la prise en compte de nouvelles formes de donnes dans les mthodes dassimilation. Dans cette thse, nous nous intressons en particulier des observations de nature lagrangienne. Nous dcrivons dans le quatrime chapitre une mthode dassimilation variationnelle de trajectoires de particules transportes la surface de lcoulement. Ces observations sont reprsentes dans le modle comme la variable dtat dune quation de transport faiblement couple avec le
Rsum tendu
systme dquations de Saint-Venant. Cette approche rend trs simple leur intgration dans un processus dassimilation de donnes. Par ailleurs, une mthode de ltrage des observations de trajectoires est propose pour traiter les perturbations de surface de petites chelles ainsi que les eets de la quantication introduite par le systme dobservation des trajectoires. Le cinquime chapitre prsente des expriences jumelles mettant en vidence lintrt de la prise en compte dobservations de trajectoires de particules pour lidentication de paramtres par rapport de simples observations de nature eulrienne. Nous montrons dans un premier temps lexemple de lidentication du dbit abord plus tt, puis celui de lidentication conjointe de la topographie et des conditions initiales. Enn, nous prsentons une exprience utilisant des donnes relles issues dun coulement dans un canal au-dessus dun obstacle immerg. Des trajectoires de confettis lchs la surface de lcoulement sont extraites dune squence vido et sont utilises conjointement des mesures de hauteur deau dans une exprience dassimilation de donnes. Mots cls : assimilation variationnelle de donnes, hydraulique uviale, donnes lagrangiennes, identication de paramtres, modle numrique, quations de SaintVenant, direntiation automatique.
tel-00273318, version 1 - 15 Apr 2008
Extended abstract
In this thesis, we present some work related to variational data assimilation for river hydraulics. We are particularly interested in the assimilation of Lagrangian data in a river model based on the shallow water equations. Numerical models are nowadays commonly used in river hydraulics. Besides, data assimilation methods make it possible to take account of all information available on a physical system : that contained in the model and that carried by observations. In a rst part, we present the bases of variational data assimilation from the point of view of the optimal control theory, by emphasizing the link between the assimilation problem as an optimality system and the development of the adjoint model using automatic dierentiation tools. A second part is dedicated to the presentation of a river model based on the two-dimensional shallow water equations. The model is implemented in a software called Dassow, co-developed during this thesis in order to carry out the numerical simulations and the data assimilation experiments. The numerical scheme of the direct model relies on the nite volume method. An adjoint model was developed by using the automatic dierentiation tool Tapenade. In a third chapter, we present an assimilation experiment with real data for the identication of boundary conditions in the delta of the Pearl River (Xi Jiang). Then, a series of twin experiments illustrates a problem of lack of data arising when some parameters of the model are badly estimated and when classically available observations of water depth are sparse in space. We show an example where synthetic measurements of water depth become insucient for the identication of the discharge. The development of remote sensing methods for the monitoring of rivers makes it possible to consider the integration of new forms of data in assimilation methods. In this thesis, we are interested in particular in the assimilation of Lagrangian data. In the fourth chapter, we describe a variational assimilation method of trajectories of particles transported on the surface of the ow. These observations are represented in the model as the state variable of a transport equation weakly coupled with the system of shallow water equations. With this approach, the integration of trajectories observations in a data assimilation process is straightforward. In addition, a ltering method for trajectory data is proposed in order to deal with the small-scale perturbations of the free surface. The lter is also ecient to get rid of the eects of the quantication produced by the observation system.
tel-00273318, version 1 - 15 Apr 2008
Extended abstract
The fth chapter presents twin experiments that demonstrate the benecial eect of trajectories as additional information for the identication of model parameters compared to simple eulerian observations. We start by the example of the identication of the discharge introduced earlier. Then, we study the joint identication of topography and initial conditions. Finally, we present an experiment that uses real data stemming from a ow in a channel above an immersed obstacle. Trajectories of confetti scattered on the surface of the ow are extracted from a video lm and are used jointly with water level measurements in a data assimilation experiment. Keywords : variational data assimilation, river hydraulics, lagrangian data, parameter identication, numerical model, shallow water equations, automatic dierentiation.
tel-00273318, version 1 - 15 Apr 2008
Introduction
Les modles numriques sont aujourdhui couramment utiliss dans le domaine de lhydraulique uviale. Ils sont devenus des outils incontournables pour la prvention des inondations, que ce soit pour la simulation dvnements de crues passs ou hypothtiques ou bien ltude des consquences de la construction damnagements sur une rivire. Bas sur les quations de la mcanique des uides, un modle numrique de rivire dcrit lvolution de lcoulement partir dun tat initial, en fonction des caractristiques du terrain et de donnes sur ltat aux bords du domaine dtude. Le rsultat dune simulation doit traduire la ralit de lcoulement, ce qui recouvre des aspects dirents selon les problmes envisags : dans le cas dun pisode de crue par exemple, il est important de pouvoir dterminer avant tout ltendue du domaine inond. La vitesse de lcoulement dans les zones inondes peut aussi constituer une information utile pour les plans de prvention des crues.
tel-00273318, version 1 - 15 Apr 2008
Lassimilation de donnes
Issues de mesures eectues directement dans lcoulement ou bien distance, les observations du systme physique rel doivent tre prises en compte pour raliser une simulation. Plus gnralement, toute la connaissance disponible sur un systme hydraulique particulier doit tre utilise pour sa modlisation an de produire une simulation la plus proche possible de la ralit. Si linformation mathmatique contenue dans les quations est donne par le modle numrique, il est galement ncessaire de prendre en compte linformation physique provenant des observations. Les mthodes dassimilation de donnes permettent de combiner de faon optimale ces deux sources dinformation [57]. Le formidable dveloppement des mthodes dassimilation de donnes a bnci dans un premier temps des problmatiques danalyse et de prvision en mtorologie puis en ocanographie, domaines dans lesquels elles sont dailleurs aujourdhui utilises de manire oprationnelle. Lassimilation de donnes est de plus en plus 5
Introduction
tudie dans de nombreux autres domaines dapplications, comme en hydrologie, en agronomie, en glaciologie ou en hydraulique uviale. Pour simplier, on peut distinguer deux grandes classes de mthodes dassimilation de donnes. Dune part, les mthodes de ltrage sont essentiellement bases sur la thorie de lestimation statistique optimale ; on les appelle galement mthodes stochastiques. Dautre part, les mthodes variationnelles sont bases sur la thorie de loptimisation. Essentiellement dterministes, celles-ci reposent sur la minimisation dune fonctionnelle mesurant lcart entre les observations et leur quivalent donn par le modle. Elles sont tout fait adaptes aux modles complexes rgissant les uides gophysiques. Nous faisons dans le chapitre 1 une prsentation de lassimilation variationnelle de donnes du point de vue de la thorie du contrle optimal.
tel-00273318, version 1 - 15 Apr 2008
Applications en hydraulique uviale

Concernant les problmes dhydraulique uviale, les simulations numriques sont couramment ralises avec des modles bass sur les quations de Saint-Venant, ou shallow water en anglais. Elles dcrivent la conservation de la masse et de la quantit de mouvement de leau sous certaines hypothses qui sont gnralement vries dans les coulements de rivires. Le modle de rivire utilis dans cette thse est bas sur les quations bidimensionnelles de Saint-Venant. Prsent dans le chapitre 2, il est mis en uvre dans un logiciel nomm Dassow, co-dvelopp au cours de cette thse an de raliser les expriences numriques dassimilation de donnes. Dans le modle mathmatique, lcoulement est reprsent par une variable dite dtat qui est la solution des quations de Saint-Venant. Cette solution est dtermine par la condition initiale de lcoulement ainsi que par les conditions aux limites qui peuvent faire intervenir la valeur du dbit ou le niveau de la surface libre aux bords du domaine. Mais dautres paramtres du modle dterminent galement la solution. En eet, an de pouvoir raliser une simulation dun systme hydraulique particulier, il faut dnir la conguration physique du domaine, comme la topographie du fond de la rivire et des zones inondables. Lutilisation des informations disponibles sur la topographie est un point critique de la construction dun bon modle [5]. Par ailleurs, certains phnomnes physiques sont modliss par des lois empiriques qui doivent tre adaptes la ralit du terrain. Ainsi, leet des forces de frottement sur le fond de la rivire est dcrit par une loi paramtre, telle que la formule de Manning. Le paramtre associ, comme le coecient de Manning, nest cependant pas une grandeur physique directement mesurable ; en xer une
Introduction
bonne valeur pour une conguration donne ncessite par consquent une certaine expertise [2]. Les conditions initiales, les conditions aux limites, ainsi que la valeur des autres paramtres du modle dterminent donc le rsultat dune simulation : ce sont les variables de contrle du modle. Elles ne sont pourtant souvent connues que de manire trs partielle et avec une marge derreur importante. Le problme du calage des paramtres est donc un enjeu important pour la ralisation de simulations pertinentes. Dans cette optique, les mthodes dassimilation de donnes permettent didentier la valeur des variables de contrle qui permet de faire correspondre aux mieux ltat du systme la ralit des observations. Les mthodes dassimilation de donnes en hydraulique uviale ont t utilises notamment pour des problmes didentication du coecient de Manning [52, 3] sur des congurations en canaux avec des modles Saint-Venant unidimensionnels, ou des modles de rivire bidimensionnels [20]. Pour lidentication du dbit comme condition limite partir dobservations de hauteurs deau, on peut citer galement [39, 63] o le problme est abord avec le ltre de Kalman et Kalman dEnsemble et des modles 1D et 2D. Concernant la topographie, Roux et Dartus [78, 79] tudient lidentication de la gomtrie des sections dun canal pour un modle Saint-Venant unidimensionnel partir dobservations de la largeur de lcoulement. Blanger et Vincent [7] ont utilis une mthode variationnelle pour identier des conditions initiales pour un modle bidimensionnel prenant en compte la sdimentation. Par ailleurs, Yang [99] a tudi en dtail lusage de lassimilation variationnelle de donnes pour des problmes de transport de sdiments en rivire avec un modle Saint-Venant bidimensionnel et Mazauric [64] sest intress des problmes didentication de paramtres, danalyse de sensibilit, de couplage et de paralllisation. Dans cette thse, nous nous proposons daborder le problme de lassimilation variationnelle de donnes pour lidentication des paramtres des quations de Saint-Venant bidimensionnelles en considrant tout dabord des observations classiques dans le prolongement des travaux cits ci-dessus, puis en sintressant de nouvelles formes dobservations.
tel-00273318, version 1 - 15 Apr 2008
Les observations
Nous distinguerons dans notre approche deux grandes classes dobservations en fonction de la nature de leur reprsentation : les observations eulriennes et les observations lagrangiennes. Nous appelons eulriennes les observations faites en un point xe du domaine dtude. En hydraulique uviale, il sagit des observations communment disponibles de hauteur deau et de vitesse. Par opposition, des observations eectues au l de leau de quantits transportes par le courant
Introduction
seront qualies de lagrangiennes. En eet, la localisation de lobservation varie alors en fonction de lvolution de lcoulement. Les observations eulriennes sont celles qui sont classiquement disponibles en hydraulique uviale. Un capteur plac un endroit xe dans le lit mineur de la rivire permet deectuer des mesures in situ de la hauteur deau, ventuellement de manire continue en temps. Des mesures de vitesse dans lcoulement sont galement possibles mais sont beaucoup plus complexes mettre en uvre techniquement. Cependant, ces mesures intrusives sont quasiment impossibles eectuer au cours dun vnement de crue importante car les fortes vitesses et les dbris ottants mettent alors en danger les oprateurs et le matriel. Des estimations du dbit de la rivire sont aussi couramment ralises laide de mesures de hauteurs deau et dune courbe de tarage. Cette dernire, construite au pralable grce une tude approfondie des prols de vitesse sur une section donne de la rivire, tablit une relation entre le dbit et la hauteur deau. La connaissance du dbit ne rsulte donc pas directement dune observation de celui-ci. Le lecteur peut se rfrer [4] pour une revue dtaille de ces mthodes classiques de mesures. En dehors des priodes de crues, les techniques actuelles de mesure sur les rivires permettent de collecter des observations de hauteur deau avec une frquence potentiellement importante en temps, mais avec une densit trs faible en espace. Les observations de vitesse sont encore plus diciles obtenir. Nous prsentons dans le chapitre 3 des expriences dassimilation de donnes eulriennes. Une premire exprience concerne lutilisation de mesures relles de hauteurs deau pour lidentication de conditions aux limites sur le delta de la rivire des Perles (Xi Jiang). Puis dans le cadre dexpriences jumelles autour dune conguration acadmique, nous montrons les consquences dune trop faible densit dobservations sur la qualit de lidentication des paramtres, lorsque certaines donnes du problme ne sont pas connues de manire susamment prcise, comme cest souvent le cas pour la simulation de systmes hydrauliques rels.
tel-00273318, version 1 - 15 Apr 2008
Les outils de tldtection

An de pallier ce manque de donnes, de nouveaux moyens dobservation sont expriments depuis quelques annes. Notamment bass sur des mthodes de tldtection, certains permettent de recueillir des formes dobservations direntes de celles habituellement disponibles, ncessitant denvisager de nouvelles mthodes pour les intgrer dans un processus dassimilation de donnes. Limagerie satellite ou arienne permet par exemple dobserver des rseaux hydrauliques une trs grande chelle en espace. Il est notamment possible dobserver sur une image radar
Introduction
ou photographique le domaine dextension dune crue au moment de la prise de vue. Il sagit alors dune information sur lcoulement qui est dense en espace, mais trs ponctuelle en temps. En recoupant les images avec des donnes de terrain, on peut dduire des informations sur la hauteur deau de manire distribue sur le domaine [75, 47] et les utiliser dans un cadre dassimilation de donnes [48, 55, 80]. Par ailleurs, lutilisation dimages de proximit dans le domaine de lhydraulique est de plus en plus tudie pour procurer de nouveaux moyens dobservation. Cela peut permettre lautomatisation dune mesure qui ncessiterait une intervention humaine : par exemple la dtection sur des photographies numriques de lintersection entre la surface libre et une mire gradue pour la mesure distance la hauteur deau [23]. Il sagit l de lexploitation de la dimension spatiale de lobservation, par projection dans lespace physique de donnes extraites laide de techniques de traitement dimage. Cependant, si lon prend en compte une succession dimages dans le temps, il est possible dexploiter galement une dimension temporelle. Ainsi, lusage dimages vido est tudi depuis quelques annes pour la mesure de vitesses de surfaces [65] notamment laide de mthodes de suivi de particules (PIV, pour Particle Image Velocimetry [1]). Cette ide a t exploite en particulier pour lestimation du dbit sur des sections calibres de rivires en rgime permanent [19, 23, 41], par la construction de courbes de tarage conjointement avec des mesures de hauteurs deau. Que ce soit la mesure de la hauteur deau sur une mire ou de la vitesse de surface, lobservation reste de nature eulrienne. Il est cependant possible de sortir de ce cadre eulrien et denvisager des observations de nature lagrangienne, pour lesquelles linformation ne concerne plus un point xe du domaine mais est porte par lcoulement. Nous proposons ainsi dans cette thse de considrer lobservation du dplacement de structures la surface de leau : lvolution de leur position au cours du temps renseigne alors sur la dynamique de lcoulement. Dans le chapitre 4, nous nous intressons la prise en compte dobservations de trajectoires de particules dans le processus dassimilation de donnes. On dcrit leur reprsentation dans le modle Saint-Venant et leur utilisation dans la construction de la fonction cot. La mise en uvre de la mthode dans le logiciel Dassow est dtaille au niveau du schma numrique employ. Par ailleurs, une mthode de ltrage des trajectoires est propose an damliorer la prise en compte de donnes relles dobservation. Le chapitre 5 est consacr la prsentation de rsultats numriques didentication de paramtres partir dobservations de trajectoires de particules. Nous y tudions lapport de cette information supplmentaire par rapport de simples mesures de hauteur deau. Dans un premier temps, nous considrons des observations synthtiques dans le cadre dexpriences jumelles, en reprenant le cas-test introduit dans
tel-00273318, version 1 - 15 Apr 2008
10
Introduction
le chapitre 3 puis en sintressant lidentication conjointe de la topographie et des conditions initiales dans une conguration acadmique. Dans un deuxime temps, nous prsentons une exprience utilisant des observations relles de trajectoires de confettis lchs la surface dun coulement dans un canal au-dessus dun obstacle immerg. Les donnes sont extraites dune squence vido et utilises conjointement des mesures de hauteur deau dans une exprience dassimilation de donnes.
tel-00273318, version 1 - 15 Apr 2008
Chapitre 1 Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008
Ce chapitre est consacr une prsentation de lassimilation variationnelle de donnes dans un cadre formel gnral. Nous faisons dans la premire partie une revue rapide des direntes mthodes dassimilation de donnes. La mthode variationnelle est ensuite prsente, dans un premier temps en considrant les modles sous la forme dquations continues, puis sous la forme doprateurs an dintroduire la mise en uvre informatique des mthodes adjointes par la direntiation automatique de codes. Nous terminerons par un rapide aperu de lalgorithme doptimisation utilis pour les expriences numriques ralises dans cette thse.
1.1
Introduction
On peut classer les direntes mthodes dassimilation de donnes en deux grandes familles. Dune part, les mthodes de ltrage sont essentiellement bases sur des principes statistiques. Elles sont galement appeles mthodes stochastiques. Dautre part, les mthodes variationnelles, essentiellement dterministes, sont bases sur la thorie de loptimisation. Elles reposent sur la minimisation dune fonctionnelle mesurant lcart entre les observations et leur quivalent donn par le modle. Nous allons prsenter brivement ces deux grandes familles de mthodes. Pour un panorama plus complet, le lecteur peut se reporter aux articles de synthse [14, 27]. 11
12
Chapitre 1 : Fondements de lassimilation variationnelle de donnes
Mthodes stochastiques
Les mthodes stochastiques dassimilation de donnes sont fondes sur la thorie de lestimation statistique optimale. Lvolution du modle est considre comme un processus alatoire du fait dune dynamique stochastique. La mthode la plus connue est le ltre de Kalman [50] qui consiste corriger la trajectoire de la variable dtat du modle an quelle concide au mieux avec les observations disponibles. En pratique, la mthode revient minimiser la variance de lerreur sur ltat analys (correction par lcart aux observations de ltat prdit par le modle). Le ltre de Kalman suppose un modle linaire ainsi quune connaissance de lincertitude sur les mesures et sur ltat prvu travers des matrices de covariances derreur. Il est alors optimal au sens des moindres carrs. Il utilise toute linformation disponible et prsente lintrt de fournir directement une estimation de la covariance derreur de ltat analys en tenant compte de sa propagation lie la dynamique du modle. Une extension un modle non-linaire est possible en utilisant une linarisation chaque pas de temps (Extended Kalman Filter [49]). Mais le ltre nest alors plus ncessairement optimal. De nombreuses autres extensions ont t proposes. On peut citer notamment le ltre de Kalman dEnsemble [22] qui utilise une mthode de Monte-Carlo pour estimer ecacement les matrices de covariance derreur de prvision. Par ailleurs, des mthodes de rduction dordre ont t dveloppes an de diminuer le cot du ltrage en termes de temps de calcul et doccupation mmoire en projetant les matrices de covariance derreur sur des espaces de dimensions rduites (voir en particulier le ltre SEEK [74]).
tel-00273318, version 1 - 15 Apr 2008
Mthodes variationnelles
Dans les mthodes variationnelles, le problme dassimilation de donnes est formul comme un problme doptimisation. Elles ont t introduites pour la premire fois par Sasaki [83, 84, 85] pour des applications en mtorologie. Le modle dcoulement est pris comme une contrainte pour la minimisation dune fonctionnelle mesurant lcart quadratique entre les observations et les solutions du modle. Lutilisation des mthodes adjointes bases sur la notion de contrle optimal (Lions [62]) pour la rsolution du problme variationnel a t introduite par Le Dimet [56], Le Dimet et Talagrand [58], Courtier et Talagrand [18, 88]. Les mthodes variationnelles dassimilation utilisent toutes les observations disponibles sur une fentre de temps donne. Elles ne reposent sur aucune hypothse de linarit du modle dvolution et sont tout fait adaptes par exemple aux modles complexes rgissant les uides gophysiques.
1.2 quations continues
13
1.2
quations continues
Dans cette partie, nous prsentons le principe de lassimilation variationnelle de donnes pour des problmes formuls par des quations dvolution continues. Les notations utilises sont pour lessentiel inspires de celles introduites par J.-L. Lions dans [62].
1.2.1
Espaces fonctionnels
Soient V et H deux espaces de Hilbert. On suppose que : V H, linjection de V dans H est continue, V est dense dans H .
tel-00273318, version 1 - 15 Apr 2008
H est identi avec son espace dual. On note V le dual de V et lon a : V HV . On dnit la variable dite dtat y(t) V qui dcrit ltat du systme un instant donn t. Lespace V est lespace dtat. On dnit galement lespace : W (0, T ) = On a y W (0, T ). f f L2 (0, T ; V ), t f L2 (0, T ; V ) .
1.2.2
Modle direct
Soit U un espace de Hilbert que lon appellera espace des paramtres. Les paramtres pouvant tre variables dans le temps, on introduit lespace UT = L2 (0, T ; U) des fonctions du temps valeur dans U et de carr intgrable. Cest un espace de Hilbert pour le produit scalaire dni partir de celui sur U par :
T
u1 , u2
UT
=
0
u1 (t), u2 (t)
dt .
(1.1)
La variable dtat du modle est alors dnie comme solution du problme direct : tant donns (y0 , v) H UT , trouver y W (0, T ) tel que : (D) t y(t) + A v(t) ; y(t) y(0) = y0 = 0 t ]0, T [ (1.2)
14
o A : U V V est un oprateur aux drives partielles, y0 H est la condition initiale et v(t) U reprsente les paramtres du modle linstant t. Il est clair que la solution y du problme dpend directement de la valeur des variables y0 et v. On nomme celles-ci variables de contrle du systme. On dnit lespace produit des contrles K = H UT et lon note le vecteur de contrle k = (y0 , v)T . La variable dtat y est une fonction du temps, mais dpend galement des variables de contrle. On marque cette double dpendance en notant y(k; t). Cependant, par souci de clart dans les notations, on crira selon le contexte y(t) ou y(k) ou bien plus simplement encore y. On suppose par la suite que le problme (D) est bien pos [36, 37] au sens suivant : Hypothse 1.2.1 tant donn k K et T > 0, on suppose quil existe une unique fonction y W (0, T ) solution du problme (D) et que cette solution dpend continment de k, cest--dire que lapplication K V : k = (y0 , v) y(k; t) est continue pour tout t ]0, T [. On fera par la suite lhypothse supplmentaire sur la direntiabilit de la solution par rapport au vecteur de contrle : Hypothse 1.2.2 On suppose que lapplication K V : k = (y0 , v) y(k; t) est direntiable au sens de Frchet pour tout t ]0, T [. En particulier, pour tout vecteur k K et pour tout t ]0, T [ on a : y(k + k; t) = y(k; t) + Dy(k; t) k + o k o Dy(k; t) est la direntielle de y(t) au point k.
K
tel-00273318, version 1 - 15 Apr 2008
1.2.3
Fonction cot
Lassimilation variationnelle de donnes consiste identier les variables de contrle qui minimisent une fonctionnelle mesurant lcart entre la variable dtat y solution du problme direct (D) et des observations du systme physique que lon note yobs. On considre que les observations appartiennent lespace L2 (0, T ; O) o O est un espace de Hilbert que lon appelle espace des observations. Ce dernier nest pas ncessairement le mme que lespace dtat V . Un exemple dune telle fonctionnelle est donn par : J k ; y(k) 1 = 2
T
C y(k ; t) yobs(t)
0
2 O
dt +
1 N (y0 yb ), y0 yb 2
(1.3)
15
o C L(V, O) est un oprateur dobservation, ventuellement dpendant du temps, qui projette la variable dtat du modle dans lespace des observations, O est une norme dnie sur lespace O, , H est un produit scalaire sur H et N est un endomorphisme symtrique dni positif sur H. La variable yb H est appele bauche, cest une premire estimation, ou estimation a priori de la condition initiale. Quand on possde une telle estimation, la prsence du dernier terme de (1.3) introduit une rgularisation du problme qui mne rechercher un compromis entre linformation donne par les observations et linformation donne par cette bauche.
Oprateur dobservation non-linaire Dans lexemple donn en (1.3), loprateur dobservation est linaire. Cependant, il est tout fait possible de considrer le cas plus gnral o il est dni simplement par : C : ]0, T [V O. Dans ce cas, la fonctionnelle J se rcrit de la manire suivante : J k ; y(k) 1 = 2
T
tel-00273318, version 1 - 15 Apr 2008
C y(k ; t) yobs(t)
0
2 O
dt +
1 N (y0 yb ), y0 yb 2
Dans la suite, nous nous intresserons cependant uniquement des cas o loprateur dobservation est linaire et dpendant ventuellement du temps.
Observations ponctuelles en espace Considrons le cas o les observations ne sont disponibles que de manire ponctuelle en espace, par exemple lorsquelles sont issues de capteurs placs des endroits particuliers du domaine spatial. Supposons quun certain nombre de capteurs soient rpartis sur le domaine et fournissent globalement de manire continue en temps un ensemble de M mesures scalaires. Lensemble des observations linstant obs t consiste donc en un vecteur yobs(t) = ym (t) m=1,...,M dont chaque composante est une valeur scalaire. Dans ce cas, on peut dnir lespace dobservation par O = RM et loprateur dobservation C L(V, RM ) qui, une variable dtat y(t) fait correspondre sa reprsentation dans lespace des observations. On peut alors crire la fonctionnelle J ainsi : J k ; y(k) = 1 2
T
Cy(k; t) yobs(t)
0
RM
dt .
16
Observations ponctuelles en temps Dans le cas o les observations sont ponctuelles en temps uniquement, par exemple si elles sont disponibles N instants tobs i=1,...,N , on peut dnir la fonctionnelle i J de la manire suivante : J k ; y(k) = 1 2
N obs Ci y(k; tobs) yi i i=1 2 O
obs o Ci L(V, O) est loprateur dobservation et yi la mesure de lobservation obs linstant tobs pour i = 1, . . . , N . On a alors yobs = yi i=1,...,N ON . i
Fonction cot
tel-00273318, version 1 - 15 Apr 2008
Lassimilation variationnelle de donnes consiste minimiser la fonctionnelle J sous la contrainte que la variable y(k) soit solution du problme direct (D). On remarque que la fonctionnelle J dpend du vecteur de contrle k de manire directe, mais galement de manire indirecte par la dpendance de la variable dtat y k travers le modle direct. On dnit alors la fonction cot : j(k) = J k ; y(k) . (1.4)
Il sagit donc de minimiser cette fonction cot. Comme nous allons le voir dans la partie 1.2.6, lapproche variationnelle consiste caractriser une condition ncessaire doptimalit dEuler-Lagrange faisant intervenir le gradient de cette fonction cot, cest--dire les drives partielles de j par rapport aux variables de contrle y0 et v. Le calcul ecace de ce gradient permettra dutiliser une mthode de descente pour rsoudre le problme doptimisation et fera intervenir un modle adjoint. Pour cela, il faut dabord introduire le modle linaris.
1.2.4
Modle linaris
Le modle linaris dcrit lvolution de la drive directionnelle de la solution y au modle direct (D) pour une perturbation k du vecteur de contrle. On note dy(k, k) la drive de Gteaux de la variable dtat y au point k dans la direction k K : dy(k, k) = lim y(k + k) y(k) d = y(k + k)| =0 0 d (1.5)
17
Comme on a suppos avec lhypothse 1.2.2 que la variable dtat est direntiable au sens de Frchet par rapport au vecteur de contrle, cette drive de Gteaux existe et lon peut crire : dy(k, k) = Dy(k) k . En notant y0 et v les composantes du vecteur k, on a en dveloppant : Dy(k) k =
y (k) y0
y0 +
y (k) v
v .
Pour allger les notations, on notera parfois par la suite dy = dy(k, k). Introduisons le modle linaris en drivant lquation dtat (1.2) du modle direct (D) au sens de Gteaux par rapport au vecteur de contrle k dans la direction k.
tel-00273318, version 1 - 15 Apr 2008
(LT)
tant donns (y0 , v) H UT , y W (0, T ) solution du problme (D) et un vecteur (y0 , v) H UT , trouver dy W (0, T ) tel que : t dy(t) + A v(t), y(t) dy(t) y A (1.6) + v v(t), y(t) v(t) = 0 t ]0, T [ dy(0) = y
0
Remarque 1.2.3 Si loprateur A est linaire par rapport la variable dtat y(t) alors on peut noter A v(t) ; y(t) = A v(t) y(t) et lon a A v(t), y(t) = A v(t) . y De la mme faon, on drive au sens de Gteaux la fonction cot dnie par la fonctionnelle (1.3) au point k dans la direction k pour obtenir la drive directionnelle :
T
dj(k, k) =
0
C O C y(t)yobs(t) , dy(t)
V V
dt + N (y0 yb ), y0
(1.7)
o , V V dsigne le produit de dualit, O est lisomorphisme canonique de O dans O , espace dual de O, et C L(O , V ) est loprateur adjoint de C dni de la manire suivante : O , V C ,
V V
, C
O O
De la mme manire que pour la drive de Gteaux de la variable dtat, on notera parfois par la suite dj = dj(k, k).
18
1.2.5
Modle adjoint
Pour obtenir une expression des drives partielles de la fonction cot indpendante du vecteur de perturbation k, il sut dexhiber la linarit de la drive directionnelle dj par rapport celui-ci. Pour cela, nous introduisons dans un premier temps la variable dtat adjointe y W (0, T ) qui sera dnie par la suite. On crit ensuite le produit de dualit de lquation (1.6) avec y(t) puis on intgre en temps entre 0 et T . Cela donne :
T T
t dy(t), y(t)
0
V V
dt +
0
A y
dy(t), y(t)
T A v
V V
dt
V V
+
0
v, y(t)
dt = 0
tel-00273318, version 1 - 15 Apr 2008
On intgre par parties la premire intgrale an de reporter la drivation en temps sur la variable adjointe, puis on fait apparatre les oprateurs adjoints dans les deux autres intgrales. On obtient alors :
T
t y(t)
0
A y(t), dy(t) V V dt y V
=
T V
y(T ), dy(T )
y(0), y0
+
0
A y(t), v(t) U U dt v
(1.8)
Introduisons alors maintenant le problme adjoint : tant donns (y0 , v) H UT , T > 0 et y W (0, T ) solution du problme (D), trouver y W (0, T ) tel que : (A) t y(t)
A y
y(t), v(t)
y(t) = C O C y(t) yobs(t)
t ]0, T [ (1.9)
y(T ) = 0 Il faut noter que pour rsoudre le problme adjoint, il est ncessaire dintgrer lquation (1.9) de manire rtrograde en temps. On fait lhypothse que le problme adjoint est bien pos : Hypothse 1.2.4 tant donns k K, T > 0 et y W (0, T ) solution du problme (D), on suppose quil existe une unique fonction y W (0, T ) solution du problme (A) et que cette solution dpend continment de k, cest--dire que lapplication K V : k y(k; t) est continue pour tout t ]0, T [. En combinant les quations (1.7), (1.8) et (1.9), on parvient exhiber une dpendance linaire de la drive directionnelle dj par rapport au vecteur de perturbation
1.2 quations continues k = (y0 , v) :

T
19
dj(k, k) =
N (y0 yb ) y(0), y0
+
0
A y(t), v(t) U U v
dt .
Si y est solution du problme adjoint (A), on peut alors caractriser formellement les drives partielles de la fonction cot par : j (k) = y(0) + N (y0 yb ) , y0 j A (k) = y(k) . y(k), v v v (1.10) (1.11)
tel-00273318, version 1 - 15 Apr 2008
Pour rsumer la dmarche, il faut rsoudre dans un premier temps le problme direct (D) an dobtenir ltat y du modle direct. Il faut ensuite rsoudre le problme adjoint (A) pour obtenir ltat y du modle adjoint. La connaissance de ces deux tats permet enn de calculer simplement toutes les drives partielles de la fonction cot laide des formules (1.10) et (1.11).
1.2.6
Systme doptimalit
Le principe de lassimilation variationnelle de donnes est de trouver la valeur du vecteur de contrle k = (y0 , v) qui minimise la fonction cot j(k) : tant donn T > 0, trouver k K tel que : (OPT) j(k) = min j(k)
kK
(1.12)
sous la contrainte que y(k) W (0, T ) soit solution du problme (D). Une condition ncessaire doptimalit au premier ordre scrit :
j (k) y0 j (k) v
= 0 = 0.
Ainsi, pour satisfaire cette condition doptimalit, sous la contrainte que la variable y soit solution du problme direct (D), le systme doptimalit suivant doit tre
20
vri : t y(t) + A v(t) ; y(t) y(t) A y(t) t y y(0) = y0
= 0 = C O C y(t) yobs(t)
t ]0, T [ t ]0, T [ (1.13)
y(T ) = 0 j y = y(0) + N (y0 yb ) = 0 0 j = A y(t) = 0 t ]0, T [ v v
tel-00273318, version 1 - 15 Apr 2008
Ce systme dquations regroupe toute linformation disponible sur le systme physique modlis : linformation mathmatique porte par le modle et linformation physique contenue dans les observations. On peut remarquer que ces dernires, introduites par le biais de la fonction cot, apparaissent dans le systme doptimalit uniquement dans le second membre du modle adjoint. Modier la fonction cot ne ncessite donc pas de rcrire le modle adjoint dans sa totalit, mais seulement son second membre.
1.2.7
Extensions
Toujours de manire formelle, nous allons maintenant introduire des extensions au modle gnral prsent prcdemment. Contrle par les conditions aux limites Dans cette section, nous considrons le cas o le contrle du modle se fait par une variable intervenant dans la dnition des conditions aux limites. Soit w(t) une variable dpendant du temps et appartenant lespace U = U() dni sur la frontire du domaine. Plus prcisment, on dnit w UT = L2 (0, T, U) et on crit le modle direct de la manire suivante : tant donns w UT et T > 0, trouver y W (0, T ) tel que : (Dcl ) t y(t) + A y(t) = 0 B w(t), y(t) = 0 y(0) = y0 t ]0, T [ t ]0, T [ (1.14)
o B : U Z Z est un oprateur direntiel qui dcrit les conditions aux limites et est lapplication trace de lespace V sur un espace Z dni sur la
21
frontire du domaine. Un exemple dun tel oprateur B est donn ci dessous, pour une frontire = 1 2 : B : w(t), z(t) z |1 w(t) (t)
z (t) n |2
t ]0, T [
La fonction cot est dnie sur lespace UT : j : UT R w j(w) = 1 2

T
C y(w ; t) yobs(t)
0
2 O
dt .
Le problme adjoint se rcrit alors :
tel-00273318, version 1 - 15 Apr 2008
(Acl )
tant donns w UT , T > 0 et y W (0, T ) solution du problme (Dcl ), trouver y W (0, T ) tel que : t y(t) A y(t) = C O C y(t) yobs(t) t ]0, T [ y B y(t) = 0 t ]0, T [ (1.15) z y(T ) = 0
La drive directionnelle de la fonction cot par rapport w dans une direction w scrit alors de la manire suivante :
T
dj(w, w) =
0
B w
y(t), w(t)
U U
dt .
Ainsi, la drive de j par rapport w scrit formellement : j (w) = w

B w
y .
(1.16)
Contrle de lerreur systmatique du modle Dans la mthode dassimilation variationnelle de donnes prsente jusqu prsent, le modle impose une contrainte forte sur la solution. Or, aussi sophistiqu soit-il, celui-ci nest jamais rigoureusement exact lorsque lon considre des systmes physiques complexes comme ceux lis aux uides gophysiques. Par exemple, un certain nombre de phnomnes physiques peuvent ne pas tre pris en compte dans la modlisation. Il peut donc tre intressant de relcher un peu la contrainte sur le modle en ajoutant dans les quations un terme reprsentant des incertitudes sur le modle. Ce terme, que lon va chercher identier, devient alors une variable de contrle. Cette approche a notamment t dveloppe dans [94, 95].
22
On se replace dans le cadre gnral de la section 1.2.2 o un second membre constitu dun terme derreur paramtr par le contrle v U est introduit : tant donns k = (y0 , v) H U et T > 0, trouver y W (0, T ) tel que : (Dem ) t y(t) + A y(t) y(0) = y0 = Bv t ]0, T [ (1.17)
o B L(U, V ) est un oprateur projetant le contrle dans lespace dtat sous la forme dun terme derreur systmatique. La fonction cot prend en compte une mesure du contrle comme un terme de pnalisation : j k) = 1 2
T
C y(k; t) yobs(t)
0
2 O
dt +
tel-00273318, version 1 - 15 Apr 2008
1 N v, v 2
(1.18)
o N est un endomorphisme symtrique dni positif de U. On cherche donc identier la condition initiale y0 tout en contrlant v. En introduisant le problme adjoint suivant : tant donns k = (y0 , v) H U, T > 0 et y W (0, T ) solution du problme (Dem ), trouver y W (0, T ) tel que : (Aem ) t y(t) A y(t) = C O Cy(t) yobs(t) y y(T ) = 0
t ]0, T [
(1.19)
les drives partielles de la fonction cot scrivent alors formellement en fonction de la variable adjointe : j (k) = y(0) , y0 j (k) = N v v Couplage faible de modles Dans cette section, nous introduisons un modle gnral de deux systmes dquations faiblement coupls qui servira de cadre pour les modles de transport prsents ultrieurement. En complment de la variable dtat y W (0, T ), on considre une grandeur (t) dnie pour tout t sur un espace de Hilbert V et dont lvolution au cours du temps (1.20)
T
B y(t) dt .
0
(1.21)
23
est dtermine par une quation faiblement couple celle de la variable dtat. Cette loi dvolution est ventuellement contrle par un paramtre w WT . Dans ce cas, on rednit lespace de contrle K = H UT WT . La variable VT = L2 (0, T ; V) est dnie comme solution du problme suivant : tant donns k K et y(k) W (0, T ) solution du problme (D), trouver VT tel que : (Tr) t (t) + G w(t) , y(t) ; (t) (0) = 0 , = 0 t ]0, T [ (1.22)
o G : W V V V est un oprateur direntiel et 0 V est la condition initiale pour .
tel-00273318, version 1 - 15 Apr 2008
La valeur de dpend implicitement de la variable dtat y. En revanche, lvolution de na aucune inuence sur celle de y. Cest pourquoi on dit que le systme dquations (1.2)(1.22) est faiblement coupl. On crira par la suite y(k), k pour montrer que dpend de la variable de contrle k la fois directement et travers la variable dtat. Selon le contexte, on crira plus simplement (k). Dans la suite, on fait une hypothse sur la continuit des solutions au problme (Tr) par rapport la variable dtat : Hypothse 1.2.5 tant donns k K et y(k) W (0, T ) solution du problme (D), on suppose quil existe une unique fonction VT solution du problme (Tr) et que cette solution dpend continment de k, cest--dire que lapplication K V : k (k; t) est continue pour tout t ]0, T [. On fait galement une hypothse sur la direntiabilit de par rapport la variable de contrle : Hypothse 1.2.6 On suppose que lapplication K V : k (k; t) est direntiable au sens de Frchet pour tout t ]0, T [. En particulier, pour tout k K et pour tout t ]0, T [ on a : (k + k; t) = (k; t) + D(k; t) k + o k
o D(k; t) = k y(k; t), k + rapport k au temps t. y
K
t [0, T ]
y(k; t), k Dy(k; t) est la direntielle de par
Supposons que lon dispose dobservations yobs O de la variable dtat y, ainsi que dobservations obs de la grandeur dans lespace dobservations O . On souhaite
24
identier la valeur du vecteur de contrle qui conduit une ralisation des variables y et qui soit la plus proche possible des observations disponibles. Pour cela, on cherche minimiser la fonction cot : j(k) = 1 2
T
Cy(k; t) yobs(t)
0 T
2 O
+ C (k; t) obs(t)
2 O
dt ,
(1.23)
o le vecteur k = y0 , v, w est un point de lespace de contrle, C L(V, O) est loprateur dobservation introduit dans la partie 1.2.3 et C L(V, O ) un oprateur dobservation sur la variable . Choisissons un vecteur de contrle k, ainsi quune perturbation k = y0 , v, w . En adoptant la mme notation que dans la partie 1.2.4 pour les drives de Gteaux, cest--dire dy = dy(k; k) et d = d(k; k), la drive directionnelle de lquation (1.22) autour du point k dans la direction k scrit : G t d(t) + w w(t) , y(t) ; (t) w(t) + G w(t) , y(t) ; (t) dy(t) y (1.24) + G w(t) , y(t) ; (t) d(t) = 0 t ]0, T [ d(0) = 0 . De mme pour la fonction cot, on obtient :
T T
tel-00273318, version 1 - 15 Apr 2008
dj(k, k) =
0
C O Cy(t) yobs(t) , dy(t) +

C obs
V V V V
C (t) (t) , d(t)
dt ,
o est lisomorphisme canonique de V dans V , espace dual de V et C L(O , V ) loprateur adjoint de C .
Par la mme procdure que dans la partie 1.2.5, partir des quations linarises (1.6) et (1.24), on obtient le problme adjoint coupl suivant : tant donns k K, T > 0, y(k) W (0, T ) solution du problme (D) et (y) VT solution du problme (Tr), trouver y W (0, T ) et VT tels que : t y(t) A y(t) G (t) = C O Cy(t) yobs(t) t ]0, T [ y y (t) G (t) = C C (t) obs(t) t ]0, T [ t y(T ) = 0 (T ) = 0 . (1.25)
(Ac )
1.3 Reprsentation schmatique des modles
25
Alors, on peut exprimer formellement les drives partielles de la fonction cot par rapport aux variables de contrle en fonction des variables adjointes par : j (k) = y(0) , y0 j (k) = v A v
y,
j (k) = w
G w
tel-00273318, version 1 - 15 Apr 2008
Lexpression des deux premires est semblable celle correspondant au modle simple non coupl. Mais la valeur de la variable adjointe y est dirente. Le systme doptimalit au premier ordre scrit alors : t y(t) + A v(t) ; y(t) = 0 t ]0, T [ t (t) + G w(t), y(t) ; (t) = 0 t ]0, T [ y(0) = y 0 (0) = 0 t y(t) A y(t) G (t) = C O Cy(t) yobs(t) t ]0, T [ (1.26) y y (t) G (t) = C C (t) obs(t) t t ]0, T [ (T ) = y(T ) = 0 j y = y(0) = 0 0 j = A y(t) = 0 , j = G (t) = 0 t ]0, T [ v v w w
1.3
Reprsentation schmatique des modles
Aprs la prsentation dans la partie prcdente des modles direct, linaris et adjoint sous forme continue, nous allons en introduire une reprsentation sous forme de botesoprateurs pour progressivement arriver une modlisation des programmes informatiques consistante la fois avec le formalisme prsent prcdemment et les notations utilises par le logiciel de direntiation automatique Tapenade.
1.3.1
Botesoprateurs
Dans cette partie, nous prsentons une modlisation par botesoprateurs des problmes continus. Ainsi, le problme direct (D) peut tre considr comme un oprateur dni sur lespace des contrles K. Nous allons formaliser cette ide en posant que le rsultat de cet oprateur est constitu de la solution y W (0, T ) du problme direct, ainsi que de la valeur de la fonction cot. On dnit donc
26
par Y = W (0, T ) R+ lespace des rsultats et lon reprsente le modle direct par loprateur M : K Y qui, un vecteur de contrle k K dni par k = (y0 , v), associe le vecteur de sortie Y Y dni par Y = (y, j)T . Cela scrit sous forme compacte de la manire suivante : Y = M(k) . (1.27)
Une reprsentation par botes de cet oprateur est utile pour faire le lien avec la modlisation des programmes informatiques dans la section suivante. Elle est donne sur la gure 1.1.
tel-00273318, version 1 - 15 Apr 2008
y0 v
Y M
y j
Fig. 1.1 Reprsentation schmatique du modle direct. De la mme manire, le modle linaris est reprsent par un oprateur M (k) k L(K, Y) qui, un vecteur de perturbation k K dni par k = (y0 , v)T , associe le vecteur des drives directionnelles dY Y dni par dY = (dy, dj)T : dY = M (k) k . k (1.28)
y0 v
M (k) k
dY
dy(k, k) dj(k, k)
Fig. 1.2 Reprsentation schmatique du modle linaris. Par la suite, pour simplier la prsentation, on suppose que les espaces K et Y sont des Hilbert que lon identie leurs espaces duaux K et Y grce au thorme de reprsentation de Riesz [15]. Ladjoint de loprateur M est alors loprateur k M L(Y, K), dni pour tout k K et pour tout Y Y par : k Y,
M k
M k
Y , k
(1.29)
27
Il reprsente le modle adjoint (1.9) : soit Y = (y, ) un vecteur de lespace Y, on dnit la rponse du modle adjoint k = (y0 , v), vecteur de lespace K par : k = M k
Y .
(1.30)
M (k) k
y0 v
tel-00273318, version 1 - 15 Apr 2008
Fig. 1.3 Reprsentation schmatique du modle adjoint. Les gures 1.2 et 1.3 montrent respectivement loprateur linaris et loprateur adjoint sous la forme de botes. Lquation (1.29) peut se rcrire de la manire suivante : Y , dY Y = k, k K . (1.31) En posant Y = (0, 1), cest--dire y = 0 et = 1 , on a : 0 1 cest--dire : dj(k, k) = j j (k) y0 + (k) v = y0 v y0 , y0
H
dy dj
=
Y
y0 v
y0 v
,
X
v, v
En dautres termes, les composantes y0 et v du vecteur rponse k du modle adjoint sont les drives partielles de la fonction cot : j (k) = y0 , y0 j (k) = v . v (1.32) (1.33)
En rsum, pour calculer les drives partielles de j par rapport aux variables de contrle y0 et v au point k = (y0 , v), il faut tout dabord calculer ltat y laide du modle direct puis appliquer le modle adjoint au vecteur dentre Y = (0, 1).
28
1.3.2
Programmes informatiques
Nous prsentons maintenant une modlisation par botes des programmes informatiques, sur le mme principe que dans la partie 1.3.1. Ces programmes sont issus de la discrtisation des problmes direct, linaris et adjoint, suivie de leur codage dans un langage de programmation. Dans le but de rsoudre numriquement le problme direct (D), nous construisons un programme informatique qui prend en entre les variables de contrle et produit ltat discrtis ainsi que la valeur de la fonction cot. Ce programme est la mise en uvre informatique dune discrtisation de loprateur M ; nous le reprsentons par un oprateur not M# . Comme le montre la gure 1.4, le programme direct M# prend en entre le vecteur des contrles k# = (y0, v) et donne en sortie le vecteur Y# = (y, j) o y est un vecteur reprsentant ltat discret du systme discrtis et j est la valeur de la fonction cot. De la mme manire, pour rsoudre numriquement le problme linaris (LT), on M# construit un programme direnti not k# qui est la linarisation du programme direct M# . Celui-ci prend en entre un vecteur de perturbation k# = (y0d, vd) et donne en sortie le vecteur dY# = (yd, jd) des drives directionnelles de y et j dans la direction (y0d, vd). Il est reprsent de manire schmatique sur la gure 1.5. Enn, pour rsoudre numriquement le problme adjoint (A), on construit un M# M# T qui est ladjoint du programme direnti k# . programme adjoint not k# Comme le montre la gure 1.6, le programme adjoint prend en entre un vecteur Y# = (yb, jb) et donne en sortie le vecteur k# dont les composantes sont des variables appeles y0b et vb. Par extension de ce que lon a vu dans la section 1.3.1, les variables y0b et vb, sorties du programme adjoint, contiennent la valeur des drives partielles de la fonction cot par rapport y0 et v respectivement si les variables yb et jb ont t initialises 0 et 1 respectivement.
tel-00273318, version 1 - 15 Apr 2008
1.3.3
criture du code adjoint
Il existe en pratique trois principales mthodes pour obtenir un code adjoint. La premire consiste discrtiser les quations adjointes continues laide dun schma numrique appropri, puis de coder le schma obtenu. La seconde mthode repose sur lcriture de ladjoint du schma numrique issu de la discrtisation du problme direct (D). Ce schma adjoint est alors cod pour obtenir un code adjoint. Pour la troisime mthode, on utilise directement le code informatique du programme direct pour produire un code adjoint.
29
y0 v
k#
M#
Y#
y j
Fig. 1.4 Reprsentation schmatique du programme direct.
tel-00273318, version 1 - 15 Apr 2008
y0d vd
k#
M# (k# ) k#
dY#
yd jd
Fig. 1.5 Reprsentation schmatique du programme linaris.
yb jb
Y#
M# (k# ) k#
k#
y0b vb
Fig. 1.6 Reprsentation schmatique du programme adjoint.
30
Dans les trois cas, ce code adjoint est mis en uvre dans un programme adjoint pour calculer les drives partielles de la fonction cot par rapport aux variables de contrle. Par rapport aux deux premires mthodes dcrites ici, la troisime prsente plusieurs avantages. Le plus important est que le code adjoint produit par direntiation du code direct calcule un gradient exact dun point de vue arithmtique, aux erreurs de prcision de la machine prs [21]. De plus, si le code direct est bien prpar, lutilisation dun outil de direntiation automatique ore un gain de temps considrable. Dans la partie suivante, nous prsentons le logiciel de direntiation automatique de codes Tapenade [40] qui, partir dun programme direct, peut construire les programmes linaris et adjoint correspondants.
tel-00273318, version 1 - 15 Apr 2008
1.4
Direntiation automatique
La direntiation automatique de code, ou plus prcisment la direntiation algorithmique comme le tient dire A. Griewank [33, 34], produit, partir dun code calculant une fonction M, un nouveau code qui permettra de calculer ses drives de manire exacte, aux erreurs darrondi prs.
1.4.1
Principes de la direntiation automatique
Comme nous lavons vu dans la partie 1.3.2, on peut reprsenter un code informatique par un oprateur M# : Rn Rm qui, pour un vecteur de contrle k# Rn donn, calcule un vecteur de sortie Y# Rm . En pratique, un code informatique est une suite dinstructions excutes les unes la suite des autres, reprsentant une suite doprations lmentaires sur un ensemble de variables. Dans la suite, on note mk une opration lmentaire, Ik linstruction informatique correspondante et Xk1 la valeur des variables utilises ltape k. En incluant le vecteur de contrle dans lensemble des variables du programme (k# X0 ), on peut crire : Y# = M# (k# ) = mp (Xp1 ) mp1 (Xp2 ) m1 (X0 ) . La matrice jacobienne de M# est alors donne par : M# (k# ) = mp (Xp1 ) mp1 (Xp2 ) m1 (X0 ) , k# (1.35) (1.34)
o les mk sont les matrices jacobiennes des oprations lmentaires mk , qui peuvent tre traduites en instructions informatiques correspondantes Ik .
1.4 Direntiation automatique Mode tangent
31
En pratique, la matrice jacobienne (1.35) est souvent trop complique calculer et stocker en mmoire. Mais on peut nanmoins calculer une drive directionnelle qui, pour une direction k# K de lespace de contrle donne, scrit : M# (k# ) k# = mp (Xp1 ) mp1 (Xp2 ) m1 (X0 ) k# . k# (1.36)
Elle est calcule de manire ecace de la droite vers la gauche par de simples produits matricevecteur. Ceci peut tre cod simplement en insrant les instructions Ik dans le code direct original. Cette mthode est appele direntiation en mode tangent, ou mode direct (forward mode en anglais). Mode inverse Cependant, quand on cherche calculer des gradients, la mthode de direntiation en mode tangent nest pas approprie car il faudrait alors calculer autant de drives directionnelles que le gradient compte de composantes. La direntiation en mode cotangent, ou mode inverse (backward mode en anglais) permet de calculer le produit scalaire entre la jacobienne transpose, cest--dire le programme adjoint, et un vecteur Y# : M# (k# ) k#
T
tel-00273318, version 1 - 15 Apr 2008
Y# = m1 (X0 ) m2 (X1 ) mp (Xp1 ) Y# .
(1.37)
Cette expression est calcule de manire ecace de la droite vers la gauche, car il sagit encore de produits matricevecteur. Mais cela ncessite cette fois de connatre la valeur des variables Xk dans le sens inverse de leur calcul initial, ce qui pose problme car souvent le programme original rutilise ultrieurement la place mmoire qui leur est alloue. Il faut alors restaurer la valeur des variables au moment opportun, soit en les recalculant, soit en les stockant au moment de leur calcul (voir sur ce point Griewank [33], Hascot et Pascual [40]).
1.4.2
Mise en uvre de la direntiation automatique
Deux mthodes principales sont utilises en pratique pour la mise en uvre de la direntiation automatique : la surcharge doprateur et la transformation de source. La surcharge doprateur a pour principe de rednir toutes les oprations lmentaires reprsentes dans le code source par les oprateurs (+, -, =, *, etc.)
32
ou par des fonctions lmentaires (SIN, COS, POW, etc.) de manire ce quelles oprent la fois sur la valeur des variables concernes et sur la valeur de leurs direntielles. Cette mthode demande en pratique une modication minimale du code source direntier et le processus est presque transparent pour lutilisateur puisque toutes les surcharges sont faites au moment de la compilation. Elle est bien adapte en thorie au mode tangent mais se rvle en pratique trs lente pour le mode inverse. De plus, elle nest pas adaptable tous les langages et reste principalement utilise pour le C/C++. Dans la mthode de transformation de source, le code source original est modi pour produire un code source direnti eectuant le calcul des drives qui sera par la suite compil sparment. En mode tangent, les instructions direnties Ik sont insres entre les lignes du code original. En mode inverse, le code adjoint est ajout la suite du code original car il a besoin pour commencer de la dernire valeur des variables du direct (voir partie 1.4.1). Un systme de restauration de ces variables, soit par recalcul, soit par stockage, soit le plus souvent par un mlange des deux, doit tre mis en place. Exemple de transformation de source Nous allons illustrer la direntiation de code par un exemple reposant sur lopration lmentaire ai = x bj + cos(ai ). Le code informatique correspondant peut tre crit en Fortran de la manire suivante : a(i) = x * b(j) + COS(a(i)). Cette opration lmentaire mk transforme donc la valeur initiale Xk1 de lensemble des variables en la valeur Xk : mk : R3 Xk1 a(i) a(i) = b(j) Xk = b(j) x x
3 R
tel-00273318, version 1 - 15 Apr 2008
(1.38)
La jacobienne de mk est la matrice :
-SIN(a(i)) x b(j) 0 1 0 mk (Xk1 ) = 0 0 1
On distingue par le suxe d les variables correspondant aux drives dans le mode tangent. La drive directionnelle Xk = mk (Xk1 ) Xk1 scrit donc sous forme matricielle : ad(i) -SIN(a(i)) x b(j) ad(i) bd(j) = 0 1 0 bd(j) (1.39) xd 0 0 1 xd
1.4 Direntiation automatique
33
On distingue par le suxe b les variables correspondant aux drives dans le mode cotangent. Ainsi, la variable Xk1 = mk T(Xk ) Xk scrit sous forme matricielle : ab(i) -SIN(a(i)) 0 0 ab(i) bb(j) = x 1 0 bb(j) (1.40) xb b(j) 0 1 xb ce qui correspond aux parties de code suivantes : code tangent : code adjoint : ad(i) = -ad(i)*SIN(a(i)) + x*bd(j) + xd*b(j) xb = xb + b(j)*ab(i) bb(j) = bb(j) + x*ab(i) ab(i) = -SIN(a(i))*ab(i)
tel-00273318, version 1 - 15 Apr 2008
Les instructions du code adjoint sont excutes dans lordre inverse de celles du code direct. En pratique, les portions de code direntiable sont incluses dans des structures logiques comme des routines (CALL...), des boucles (DO...WHILE, DO...ENDDO), des structures de branchement (IF/THEN/ELSE/ENDIF), etc. La diffrentiation du code est alors faite par morceaux. Mais il faut alors enregistrer la trajectoire du programme, cest--dire lordre de passage dans chaque structure logique, an de la reprendre en sens inverse pour lexcution du code adjoint. Cela peut tre eectu par le mme systme de restauration des variables du programme direct voqu prcdemment.
1.4.3
Outils de direntiation automatique
Des outils de direntiation automatique de code performants existent depuis le dbut des annes 1990 et font aujourdhui encore des progrs constants. Parmi les plus importants, on peut noter ADIFOR (Bischof et al. [10, 11]) pour le Fortran 77, ADIC (Bischof et al. [13]) pour le C ANSI et ADiMat (Bischof et al. [12]) pour les programmes crits en Matlab. Ces outils furent les premiers fournir des drives directionnelles (direntiation en mode tangent) en utilisant la transformation de source pour ces langages de programmation. Une approche dirente consistant intgrer le travail de direntiation au compilateur a t tudie avec le compilateur NAGWare Fortran 95, dans le but de rendre le processus transparent pour lutilisateur (Naumann et Riehme [67]). Pour la direntiation en mode adjoint, tche beaucoup plus dicile, on peut citer ADOL-C (Griewank [35]) qui fonctionne pour les langages C et C++ par surcharge des oprateurs. Parmi les outils utilisant la transformation de source pour le Fortran 77, les prcurseurs furent Odysse [77] dvelopp lINRIA de SophiaAntipolis et TAMC (Giering et Taminski [28]). Leurs successeurs respectifs,
34
traitant le Fortran 95, sont Tapenade (Hascot et Pascual [40]) et TAF (Giering et Taminski [29]).
1.4.4
Prsentation de Tapenade
Nous avons utilis au cours de cette thse le logiciel Tapenade [40] de direntiation automatique de codes Fortran dvelopp lINRIA de SophiaAntipolis dans le cadre du projet Tropics 1 . La version actuelle, numrote 2.2 au moment de la rdaction de ce manuscrit, traite la totalit du langage Fortran 77 et une grande partie du langage Fortran 95. Seules deux fonctionnalits de ce dernier ne sont actuellement pas comprises et constituent encore des sujets de recherche dans le domaine de la direntiation automatique : lallocation dynamique de mmoire et les pointeurs.
tel-00273318, version 1 - 15 Apr 2008
1.4.5
Validation du code adjoint
Une fois le programme adjoint obtenu, il sagit de vrier sil est eectivement ladjoint du programme direnti et sil calcule correctement le gradient de la fonction cot. Test du produit scalaire Lobjectif du test du produit scalaire est de vrier si le programme adjoint est bien ladjoint du programme direnti. Soient k# K# un vecteur de perturbation et Y# Y# un vecteur adjoint donns. De la mme manire que loprateur adjoint continu est dni par la relation (1.29), le programme adjoint est dni par : Y# ,
M# k#
k#
Y#
M# k#
Y# , k#
K#
(1.41)
Le test du produit scalaire consiste vrier que cette relation est bien tablie : tant donn k# K# , on calcule avec le programme linaris : Y# =
M# k#
k# ;
T
tant donn Y# Y# , on calcule avec le programme adjoint : k# =

1
M# k#
Y# ;
Le logiciel Tapenade est accessible en ligne ladresse http://tapenade.inria.fr:8080/ tapenade/ sous la forme dune appliquette JAVA.
1.4 Direntiation automatique On calcule les produits scalaires : ps1 = Y# , Y#

Y#
35
ps2 =
k# , k#
K#
On vrie que ps1 = ps2 . Test du gradient Lobjectif du test du gradient est de vrier si les composantes du vecteur rponse k# du programme adjoint correspondent bien aux drives partielles de la fonction cot. Soient y0 H, v UT . Le dveloppement de Taylor de la fonction cot j au point (y0 , v) pour une perturbation y0 H (o R+ ) scrit : j(y0 + y0 , v) = j(y0 , v) + On dnit I par : I = j (y0 , v) y0 + o y0 y0 . (1.42)
tel-00273318, version 1 - 15 Apr 2008
j(y0 + y0 , v) j(y0 , v) . j y0 (y0 , v) y0
(1.43)
Cette quantit mesure le rapport entre une approximation par un schma dEuler progressif de la drive directionnelle de j dans la direction y0 et sa valeur eective. Daprs la relation (1.42), on a lim I = 1. Le test de Taylor consiste vrier 0 cette proprit avec le programme adjoint : tant donns y0 et v, on calcule avec le programme adjoint la drive partielle de j par rapport y0 ; il sagit de la variable y0b. Avec le programme direct, on calcule j(y0,v) la valeur de la fonction cot au point (y0,v). Pour n = 0, . . . , N : On calcule = 2n ; Avec le programme direct, on calcule j(y0 + y0d) ; On calcule I . On vrie que lim I = 1 .
0
Sur la gure 1.7 est reprsent le rsultat dun test du gradient. La valeur absolue de la quantit |I 1| est trace en fonction de dans un repre loglog. La tendance gnrale montre une dcroissance de la fonction quand diminue. Dans la zone o la valeur de est comprise entre 104 et 107 , on observe que cette dcroissance est linaire et que la pente est sensiblement gale 1. Cela rappelle
36
le fait que lerreur de troncature du schma aux dirences nies est dordre 1. Lorsque < 107 , ce comportement nest plus vri car les erreurs darrondi deviennent prpondrantes.
102 100 102 104
n pe te 1
|I1|
106
tel-00273318, version 1 - 15 Apr 2008
108
108
106
104
102
100
Fig. 1.7 Test du gradient : volution de la quantit |I 1| en fonction de la valeur

du coecient dans un repre loglog.
On peut vrier de la mme manire que le programme adjoint calcule correctement les drives partielles de j par rapport chaque variable de contrle.
1.5
Algorithme de minimisation
Dans le cadre de cette thse, la minimisation de la fonction cot est eectue en pratique grce au module doptimisation M1qn3 dvelopp par Gilbert et Lemarchal [30]. Ce module utilise une mthode QuasiNewton mmoire limite reposant sur la formule Bfgs pour la mise jour de lapproximation de la Hessienne. Il est adapt pour la rsolution de problmes de minimisation de grande taille sans contrainte de la forme : Trouver x Rn tel que x = min j(x) , n
xR
o la fonction j : Rn R est suppose continment direntiable. La prsentation qui suit est inspire de [30] et du manuel dutilisation du module M1qn3 [31].
1.5 Algorithme de minimisation
37
1.5.1
Algorithme de QuasiNewton
Un algorithme de QuasiNewton est un algorithme de descente, donc itratif, calculant des approximations successives {xk }k de la valeur optimale x partir dune 0 estimation initiale x : x0 xk+1 = xk + k d k donn pour k = 0, . . . (1.44)
o ltape k, le vecteur d k R est une direction de descente et k un pas de descente. Par dnition, d k vrie lingalit j(xk ), d k < 0, ce qui assure, si j nest pas constante localement, quil existe un rel positif tel que j(xk + d k ) soit infrieur j(xk ). La dtermination dun pas de descente k vriant cette proprit est eectue par un algorithme de recherche linaire.
tel-00273318, version 1 - 15 Apr 2008
Dans la mthode de Newton, la direction de descente d k est calcule par : dk =

2
j(xk )
j(xk ) ,
ce qui, en plus du calcul du gradient de la fonction cot minimiser, ncessite le calcul de linverse de sa Hessienne, chose impossible mettre en uvre un cot raisonnable pour des problmes de grandes dimensions. Pour cette raison, la mthode de QuasiNewton calcule la direction de descente de la manire suivante : dk = Wk j(xk ) , (1.45)
o W k est une matrice symtrique dnie positive, approximation ltape k de linverse de la Hessienne de j au point xk .
1.5.2
Approximation de linverse de la Hessienne
Les matrices W k sont gnres par mises jour successives reposant sur la formule Bfgs inverse qui a lavantage de nutiliser que les gradients de j. Avant de prsenter la mthode, introduisons les vecteurs de Rn suivants : si = xi+1 xi et y i = j(xi+1 ) j(xi ) pour i 0 .
La mise jour Bfgs inverse est alors dnie en fonction dune matrice W et dun couple de vecteurs (y, s) Rn Rn par loprateur linaire de Rn dans Rn : bfgs(W, y, s) = I sy y, s W I ys y, s + ss , y, s (1.46)
38
o dsigne le produit tensoriel de deux vecteurs. Applique une matrice carre de taille n, cette mise jour a la proprit de prserver la symtrie dans tous les cas, ainsi que la positivit si et seulement si y, s > 0. chaque itration de lalgorithme de minimisation, lapproximation W k de la Hessienne inverse de j est dtermine par lalgorithme suivant utilisant la formule (1.46) : k,(0) = Dk W (1.47) W k,(i+1) = bfgs W k,(i) , y i , si pour i = 0, . . . , k 1 k W = W k,(k)
k o Dk est une matrice positive dnie diagonale Dk = diag {Dj }j=1,...,n calcule 0 de manire itrative. On a D = I, puis les composantes de Dk+1 sont donnes par :
tel-00273318, version 1 - 15 Apr 2008
k+1 Dj
y k , ej Dk y k , y k + k k k y k , sk Dj y ,s
Dk y k , y k y k , sk Dk
sk , ej
2 k (Dj )2
1 k k s ,s
en notant ej le j e vecteur de la base canonique de Rn . En pratique, on ne stocke pas la matrice W k compltement en mmoire, mais seulement les paires de vecteurs (y i , si ) partir desquelles elle peut tre reconstruite. Comme le module M1qn3 est en fait bas sur une mthode de QuasiNewton mmoire limite, seules les m dernires paires de vecteurs sont stockes chaque itration k, cest dire lensemble : (y i , si ) : k m i k 1 . Par consquent, lorsque k m+1, lalgorithme (1.47) de calcul de W k est remplac par le suivant qui ne prend en compte que les vecteurs sauvegards : k,(0) = Dk W W k,(i+1) = bfgs W k,(i) , y km+i , skm+i pour i = 0, . . . , m 1 (1.48) k W = W k,(m) .
1.5.3
Calcul du pas de descente
La dtermination dun pas de descente k est eectue dans le module M1qn3 par une mthode de recherche linaire de manire vrier les deux conditions de Wolfe suivantes : j(xk + k d k ) j(xk ) + 1 k j(xk + k d k ), d k 2 j(xk ), d k j(xk ), d k
1.5 Algorithme de minimisation o 1 et 2 sont deux scalaires qui doivent vrier 0 < 1 < pratique, ils sont xs 1 = 104 et 2 = 0.99.
1 2
39 et 1 < 2 < 1. En
1.5.4
Critre darrt de lalgorithme
Le processus itratif (1.44) sarrte lorsque la norme du gradient a t divise par une certaine quantit xe lavance, cest--dire lorsque : j(xk ) j(x0 ) .
tel-00273318, version 1 - 15 Apr 2008
o est un seuil que lon choisira dans cette thse de lordre de 105 . En pratique, ce test est renforc en xant un nombre maximal ditrations an dempcher des temps de calcul trop importants.
40
tel-00273318, version 1 - 15 Apr 2008
Chapitre 2 Modle Saint-Venant pour lhydraulique uviale

tel-00273318, version 1 - 15 Apr 2008
Ce chapitre est consacr la prsentation du modle dcoulement qui sert de support aux expriences numriques ralises au cours de cette thse. Nous introduisons dans une premire partie les quations de Saint-Venant sur lesquelles est bas le modle, puis nous prsentons la drivation des quations adjointes. Dans une troisime partie, nous dcrivons le schma numrique utilis pour la discrtisation du modle direct, reposant sur la mthode des volumes nis. Finalement, nous prsentons le logiciel Dassow crit au cours de cette thse qui est la mise en uvre des modles direct et adjoint pour la ralisation dexpriences numriques dassimilation de donnes.
2.1
Le modle Saint-Venant
Le modle dcoulement utilis dans le cadre de ce travail de thse est bas sur les quations de Saint-Venant. Ces quations aux drives partielles ont t introduites initialement en 1871 par lingnieur des Ponts et Chausses Adhmar Barr de SaintVenant [81] et tiennent aujourdhui encore un rle important pour la modlisation des coulements surface libre en eaux peu profondes do leur nom anglais dquations shallow water , notamment en hydraulique maritime et uviale. Elles forment un systme dquations deux dimensions despace dans le plan horizontal et dcoulent de lintgration verticale des quations de Navier-Stokes incompressibles tridimensionnelles en posant direntes hypothses simplicatrices sur lcoulement. 41
42
Chapitre 2 : Modle Saint-Venant pour lhydraulique uviale
2.1.1
Drivation des quations de Saint-Venant
Une prsentation dtaille et rigoureuse de la drivation des quations de SaintVenant est donne dans le cours dOlivier Thual lINPT [90]. Dans la prsentation qui en est faite ici, nous nous contenterons dans un premier temps dnoncer les principales hypothses faites sur le uide en mouvement et sur la conguration hydraulique pour les coulements considrs, puis nous prsenterons les grandes tapes de la procdure. Les quations de NavierStokes tridimensionnelles avec gravit pour un uide newtonien incompressible comme leau peuvent scrire de la manire suivante : x u + y v + z w = 0 u + u u + v u + w u + 1 p u = 0 x y z t x (N S) (2.1) 1 t v + u x v + v y v + w z v + y p v = 0 w + u w + v w + w w + 1 p w = g x y z t z o u, v et w sont les trois composantes de la vitesse, p est la pression qui sexerce sur le uide, est sa masse volumique exprime en kg/m3 , g est lacclration de la pesanteur (environ 9.81 m/s2 ) et est la viscosit cinmatique de leau qui est de lordre de 106 m2 /s. On considre un coulement dont la hauteur deau peut tre exprime en tout point du plan horizontal comme une fonction du temps h(x, y, t), comme reprsent sur la gure 2.1. Cela exclut par exemple le dferlement. On note galement zs (x, y, t) le niveau de la surface libre, zb (x, y) llvation du fond que lon suppose stable dans le temps. Ainsi, la hauteur deau scrit h(x, y, t) = zs (x, y, t) zb (x, y).
z
tel-00273318, version 1 - 15 Apr 2008
Air
zs
Surface libre
Eau
Fond
0
zb x
Fig. 2.1 Coupe verticale du domaine uide dun tronon de rivire.
2.1 Le modle Saint-Venant
43
La premire hypothse sur lcoulement porte sur son rapport daspect . Comme on sintresse des coulements en eau peu profonde, on suppose que la dimension caractristique h0 de la hauteur deau est petite devant la dimension L0 despace h 1. horizontale. On a = L0 0 La seconde hypothse concerne le rapport entre forces dinertie et forces visqueuses. Si U0 est la vitesse caractristique de lcoulement, le nombre de Reynolds est dni par Re = h0U0 . On suppose alors que linverse de ce nombre sans dimension est 1 petit devant le rapport daspect : Re . Combin la premire hypothse, cela revient ngliger leet de la viscosit sur lcoulement. Par ailleurs, le nombre de Froude mesure le rapport entre les forces lies la vitesse et la force de pesanteur. On note F r = U0 0 . On se place dans le cas o ce gh nombre est de lordre de lunit. Si ce nombre est infrieur 1, lcoulement est dit souscritique, sil est suprieur 1, lcoulement est dit super-critique.
tel-00273318, version 1 - 15 Apr 2008
Des deux hypothses sur le rapport daspect et sur la grandeur du nombre de Reynolds dcoule le fait que la pression p exerce sur le uide correspond la pression hydrostatique. Dans les quations de NavierStokes (2.1), lacclration verticale due au gradient de pression est quilibre avec la force de gravit et la quatrime 1 quation du systme se rduit : z p = g. Cela signie que toutes les autres forces dans la direction verticale sont ngliges et quen tout point du domaine uide, la pression est donne par p(x, y, z, t) = patm (x, y, t) + g zs (x, y, t) z o patm est la pression atmosphrique la surface de leau, que lon supposera constante en espace et en temps. En ralit, la restriction sur la forme de la surface libre introduite au dbut de cette partie (absence de dferlement) est lie la condition de pression hydrostatique. Avec toutes ces hypothses, le systme dquation (2.1) se rduit au suivant : 0 x u + y v + z w = u + (u) + (v ) + (w) + 1 p = 0 t x u y u z u x (2.2) 1 u v v t v + x (v ) + y (v ) + z (w) + y p = 0 1 p = g z Par ailleurs, on suppose que la surface libre et le fond sont impermables. Une particule uide de la surface libre reste attache la surface au cours du temps et lhypothse similaire est faite pour le fond. Cela nous donne deux conditions aux limites pour le systme (2.2) : en notant us , v s et ws les composantes de la vitesse b dune particule uide xe la surface libre et u , v b et wb celles dune particule uide xe au fond, ces conditions dimpermabilit scrivent : t zs + us x zs + v s y zs ws = 0 t zb + ub x zb + v b y zb wb = 0
44
Ensuite, pour obtenir les quations de Saint-Venant, on procde lintgration sur la verticale, entre les cotes zb (x, y) et zs (x, y, t) de chaque quation du systme (2.2). Cette opration fait apparatre les variables u et v qui correspondent aux deux composantes de la vitesse moyenne sur la verticale. On a en particulier : u(x, y, t) = 1 h(x, y, t)
zs (x,y,t)
u(x, y, z, t) dz .
zb (x,y)
En faisant lhypothse, compatible avec labsence de viscosit du uide, que la vitesse est constante sur une colonne verticale, cest--dire : u(x, y, z, t) = u(x, y, t) v (x, y, z, t) = v(x, y, t) z zb (x, y), zs (x, y, t) , z zb (x, y), zs (x, y, t) ,
tel-00273318, version 1 - 15 Apr 2008
alors les termes non-linaires dans (2.2) se simplient comme fonctions des quantits u et v seules et on arrive nalement une formulation conservative des quations de Saint-Venant bidimensionnelles non-visqueuses : t h + x (hu) + y (hv) = 0 t (hu) + x (huu) + y (huv) + ghx zs = 0 (2.3) (SV ) (hv) + (huv) + (hvv) + gh z = 0 t x y y s Les inconnues h, u et v sont des fonctions des variables despaces horizontales x et y ainsi que du temps t. Pour des coulements ralistes, il est cependant ncessaire de prendre en compte leet des forces de friction sur le fond, qui sont lies la viscosit nglige ici. Ceci va tre fait dans la partie suivante par lintroduction dun terme de frottement sur le fond. Une forme visqueuse des quations de Saint-Venant a t propose de manire rigoureuse dans [26].
2.1.2
quations de Saint-Venant pour lhydraulique uviale
Nous allons maintenant prsenter les quations de Saint-Venant bidimensionnelles sous la forme qui va servir dans la suite de ce travail, et en particulier pour leur mise en uvre numrique dans le logiciel Dassow. On reprend la notation du paragraphe prcdent en dnissant en chaque point du domaine spatial R2 la hauteur deau h et on introduit le vecteur u = (u, v)T des vitesses moyennes sur la verticale. On dnit galement le dbit local de lcoulement q = hu. Ainsi,
2.1 Le modle Saint-Venant
45
les quations de Saint-Venant avec friction peuvent scrire sous forme compacte : t h + div(q) = 0 2 q 1 t q + div( h qq) + 1 g h2 + gh zb + g nh7/3 q = 0 2 h(0) = h0 , q(0) = q0 ,
(2.4)
o g est lintensit de la force de pesanteur, zb llvation du fond, n est le coecient de Manning qui paramtre la loi de frottement reprsente par le dernier terme dans la seconde quation. Les variables h0 et q0 sont les conditions initiales sur la hauteur et le dbit.
2.1.3
tel-00273318, version 1 - 15 Apr 2008
Conditions aux limites
Pour la dnition des conditions aux limites, on divise le bord du domaine en quatre types distincts, selon les conditions qui y sont appliques : = q z t w . Les bords de type q , z et t correspondent des interfaces uideuide, cest--dire des frontires ouvertes, tandis que les bords de type w correspondent des frontires uidesolide, des murs. Pour rsumer, on impose : sur sur sur sur q , un dbit scalaire q ; z , un niveau de surface libre zs ; t , des conditions de Neumann homognes pour toutes les variables dtat ; w , une condition dimpermabilit pour la vitesse.
Sur les bords de type q et w , une condition de Neumann homogne est impose sur la hauteur deau h. Il nest possible de dnir un bord de type z que dans le cas o lcoulement est en rgime uvial, ou sous-critique, cest--dire lorsque u < gh. On se situe alors dans le cas o la caractristique entrante correspond une onde de rarfaction et on impose que linvariant de Riemann correspondant soit constant le long de cette caractristique [92, p. 50]. En rgime super-critique, lorsque lcoulement est sortant, les bords de type z sont remplacs par des bords de type t et des conditions de Neumann sont imposes sur toutes les variables. Le cas dun coulement super-critique entrant dans le domaine nest pas trait. Les conditions aux limites compltes appliques aux dirents types de bords sont rsumes dans le tableau suivant : (C.L.) q (q n)|q = , (q n)|w = 0 , (n q)|t = 0 , (2.5)
(n h)|q w t = 0 , h|z = zs zb |z , n (u n + 2c)|z = 0 , gh dsigne la clrit des ondes longues.
o la variable c =
46
2.2
Drivation des quations adjointes
Dans cette partie, nous allons crire la drivation des quations adjointes de notre modle dcoulement bas sur les quations de Saint-Venant, en suivant la dmarche prsente dans le cadre gnral de la partie 1.2. Les variables qui contrlent le systme dquations (2.4)(2.5) sont les conditions initiales h0 et q0 , llvation du fond zb , le coecient de Manning n, ainsi que les valeurs des conditions aux limites pour le dbit q et le niveau de surface libre zs . Nous allons donc considrer T 0 0 le vecteur de contrle complet k = h , q , zb , n, q , zs .
2.2.1
tel-00273318, version 1 - 15 Apr 2008
Fonction cot
Comme nous lavons vu dans le paragraphe 1.2.6, le contenu de la fonction cot napparat dans le systme doptimalit que dans le second membre du modle adjoint. Par consquent, on peut modier cette fonction cot sans avoir rcrire compltement le modle adjoint. Nous allons donc dans cette partie utiliser une fonction cot gnrique prenant en compte des observations de hauteur deau hobs et des observations de dbit qobs, denses sur le domaine et continues en temps. On introduit donc : j(k) = 1 2
T
Ch h(t) hobs(t)
0
2 + Oh
Cq q(t) qobs(t)
2 Oq
dt +
p Dzb 2
2
D
(2.6)
o Oh et Oq sont des normes respectivement sur les espaces dobservation des hauteurs deau et des dbits. On suppose que ces derniers sont des espaces de Hilbert et lon peut dnir ces normes par le produit scalaire associ en prenant ventuellement en compte les covariances derreur sur les observations. Par exemple : 2 O = R1 , O
h h
o R est une matrice de covariance symtrique dnie positive. Dans la suite, cependant, nous nintroduirons pas dinformation sur les erreurs dobservation dans les fonctions cot et nous prendrons donc la matrice R gale lidentit. Les oprateurs Ch et Cq sont les oprateurs dobservation qui projettent les variables h et q respectivement dans les espaces dobservations Oh et Oq . Pour plus de lisibilit, nous utiliserons par la suite la norme , issue du produit scalaire , la place des normes Oh et Oq . Le dernier terme, donn titre dexemple, introduit une rgularisation [91] sur la variable zb : loprateur D est un oprateur direntiel et D est une norme dans lespace image de cet oprateur.
2.2 Drivation des quations adjointes
47
2.2.2
Modle linaris
Comme nous lavions fait dans le cadre gnral du chapitre prcdent dans la partie 1.2.4, on crit la drive de Gteaux du modle (2.4)(2.5) en un point donn T k de lespace de contrle et pour une direction k = h0 , k0 , zb , n, q , zs . Les variables dtat du modle linaris sont les drives de Gteaux dh(k, k) et dq(k, k) de la hauteur et du dbit, que lon notera plus simplement dh et dq : t dh + div(dq) = 0 t dq + div 1 (dqq + q dq) div dh qq h h2 q +g (h dh) + g zb dh + gh (zb ) + 2gn h7/3 q n 2 q 2 1 +g hn qq dq + q dq 7 g n 10/3 q dh = 0 7/3 q 3 h C.I. dh(0) = h0 , dq(0) = q0 . C.L. (dq n) = q , (dq n) = 0 , |q |w (n dh)|q w t = 0 , (n dq)|t = 0 , g n (du n + h dh)|z = 0 . dh|z = zs , De la mme manire, on crit la drive de Gteaux de la fonction cot (2.6) au point k et dans la direction k :
T T Ch Ch h(t) hobs(t) , dh(t) 0
tel-00273318, version 1 - 15 Apr 2008
(2.7)
dj(k, k) = +
T Cq
Cq q(t) q (t) , dq(t)

D
obs
dt
(2.8)
+ p DTDzb , zb
2.2.3
Drivation des quations adjointes
Lobjectif est dexprimer la linarit de la drive de Gteaux (2.8) de la fonction cot par rapport aux direntes variables de contrle du modle. En reprenant la dmarche adopte dans la partie 1.2.5, on crit le produit scalaire de lquation (2.7) par un vecteur (h, q)T de variables dites adjointes et lon intgre le
48
rsultat en temps entre 0 et T :

T T
t dh + div(dq), h
0 T
+
0
t dq + div
1 (dqq + q dq) , q h
+
0 T
div g
0
q dh qq + g (h dh) + g zb dh + gh zb + 2gn 7/3 q n, q h2 h 7 n2 q 1 qq dq + q dq g 10/3 q dh, q q 3 h
n2 h7/3
= 0.
Ensuite, on eectue des intgrations par parties suivies de la transposition des oprateurs de gradient et de divergence pour obtenir :
T T T
dh(T ), h(T )
dh(0), h(0)
t h, dh
T
h, dq
T
+
0
h, dq n
tel-00273318, version 1 - 15 Apr 2008
+ dq(T ), q(T )
T
dq(0), q(0)
T
t q, dq
1 (q )q, dq h
0 T
T 1 ( q) q, dq h
+
0
1 1 (q n)q + (q q)n, dq h h
T
+
0 T
1 (q )q q, dh h2 gh(q n), dh +
T 0
1 (q q)(q n), dh h2
T
gh div(q), dh
+
0 T
gq zb , dh
0 T
div(ghq), zb
+
0 T
gh(q n), zb g
0
+
0
2gn
q h7/3
(q q), n
T
n h7/3
1 qq q + q q , dq q
7 2 q gn 10/3 (q q), dh 3 h
= 0.
(2.9) On pose alors le systme adjoint : 1 t h h2 (q ) q q + gh div(q) 2 q T g q zb + 7 g nh7/3 q q = Ch Ch h hobs 3 1 1 q + h + h (q ) q + h ( q)T q t 2 q n2 T g nh7/3 q g h7/3 q (qq)q = Cq Cq q qobs h(T ) = 0 , q(T ) = 0 .
(2.10)
En substituant les quations du systme adjoint (2.10) et la drive de Gteaux de la fonction cot (2.8) lintrieur de lquation (2.9) et en rorganisant les
2.2 Drivation des quations adjointes dirents termes, il reste :

T
49
dj(k, k) = h(0), h0
T
q(0), q0
div(ghq), zb
+
0 T
+
0 T
T q h, dq n 2gn 7/3 (q q), n + h 0 T 1 1 1 (q n)q + (q q)n, dq (q q)(q n), dh h h h2 0 T
(2.11)
+
0
gh(q n), dh
+
0
gh(q n), zb
+ p DTDzb , zb
tel-00273318, version 1 - 15 Apr 2008
Les variables de contrle h0 , q0 , n et zb ne dpendent pas du temps et sont des variables dnies sur le domaine . Avec les notations introduites prcdemment, on crit alors la drive directionnelle de la fonction cot comme le produit scalaire entre les drives partielles au sens de Frchet et les composantes du vecteur de perturbation. Par exemple pour la condition initiale sur la hauteur deau : dj(k, h0 ) = j (k), h0 h0
Les variables de contrle q et zs dpendent du temps et sont des variables dnies respectivement sur les bords q et z du domaine . On crit alors :
T
dj(k, q ) =
0
j (k)(t), q (t) q j (k)(t), zs (t) zs
dt
q
et dj(k, zs ) =
0
dt .
z
On obtient alors pour la drive directionnelle de la fonction cot lexpression suivante : dj(k, k) = + + j j j (k), h0 (k), q0 (k), n + + 0 0 h q n T j j (k), zb (k)(t), q (t) dt + zb q q 0 T j (k)(t), zs (t) dt . zs z 0
(2.12)
Une certaine similitude entre les expressions (2.11) et (2.12) transparat. On utilise les conditions aux limites du modle linaris (2.7) qui imposent des conditions
50
sur les variables dh et dq pour simplier certains termes de bords de (2.12). On se dbarrasse des autres termes de bord qui dpendent de dh ou dq en posant des conditions aux limites sur le systme adjoint : C.L. : q|q = 0 , (q n)|w = 0 , h|t = 0 , q|t = 0 , (q )|z = 0 , (2.13)
(n h)|q w = 0 ,
h + 2(u n)(q n) |z = 0 .
En comparant les termes restants dans (2.11) avec ceux de lquation (2.12), on en dduit nalement lexpression des drives partielles de la fonction cot par rapport chaque variable de contrle en fonction des variables adjointes : j (k) h0 j (k) zb j (k) n j (k) q j (k) zs = h(0) , = p DTDzb
0 T
j (k) = q(0) , q0
T
div gh(t)q(t) dt ,
1
tel-00273318, version 1 - 15 Apr 2008
= 2gn
0
u(t) h(t) 3 u(t), q(t)
dt ,
(2.14)
= h|q , = (q n) c2 (u n)2 |z .
Le systme obtenu en assemblant les quations (2.4), (2.5), (2.10), (2.13) et en annulant les quations de (2.14) est le systme doptimalit contenant toute linformation disponible sur le systme dobservation correspondant notre modle Saint-Venant associ la fonction cot (2.6).
2.3
Discrtisation des quations
Dans cette partie, nous prsentons la mthode de rsolution des quations de SaintVenant bidimensionnelles du modle direct (2.4)(2.5) base sur la mthode des volumes nis [60], pour des maillages forms dlments triangulaires et quadrangulaires.
2.3.1
Hyperbolicit
Les quations de Saint-Venant bidimensionnelles sous forme conservative (2.4) peuvent scrire sous forme compacte de la manire suivante : t U + div F (U ) = S(U ) , (2.15)
2.3 Discrtisation des quations
51
o U est le vecteur des variables dtat conservatives, F un vecteur de ux et S un T T terme source. Le vecteur dtat scrit indiremment U = h, q ou h, qx , qy T ou h, hu, hv et les vecteurs F et S sont dnis par : G(U ) H(U ) 0 n2 q S(U ) = gh x zb g h7/3 2 qx , n2 q gh y zb g h7/3 2 qy
F (U ) =
et
avec qx 1 2 G(U ) = h qx + 1 gh2 2 1 qx qy h et qy 1 . q q H(U ) = h x y 1 1 2 2 q + 2 gh h y (2.16)
tel-00273318, version 1 - 15 Apr 2008
Le systme dquations (2.15) peut galement scrire sous une forme quasilinaire : t U + G (U ) x U + H (U ) y U = S(U ) (2.17)
o G (U ) et H (U ) sont les matrices jacobiennes de G(U ) et H(U ) respectivement, dont lexpression en fonction des variables scalaires est donne par : 0 1 2 gh qx 2 qx G (U ) = h2 h qy qx qy h2 h 0 0 ,
qx h
0
qy h
1
qx h y 2 qh
(2.18)
qx qy H (U ) = h2 q2 gh hy 2
Dnition 2.3.1 Un systme dquations bidimensionnel de la forme t U + x G(U ) + y H(U ) = 0 est dit hyperbolique si, pour tout vecteur U et pour tout vecteur n = (nx , ny )T donn non nul, la matrice An (U ) = G (U )nx + H (U )ny (2.19)
forme partir des matrices jacobiennes de G(U ) et H(U ), est diagonalisable avec des valeurs propres relles. Le systme est dit strictement hyperbolique si de plus les valeurs propres sont toutes distinctes. Le systme (2.17) homogne, cest--dire avec S(U ) 0, est hyperbolique. En eet, les valeurs propres de la matrice (2.19) pour ce systme sont les suivantes : n = 1 qn h gh , n = 2 qn , h n = 3 qn + h gh . (2.20)
52
De plus, ds que la hauteur deau h est strictement positive, les valeurs propres sont toutes direntes et le systme Saint-Venant homogne est strictement hyperbolique. Pour une tude plus approfondie du caractre hyperbolique de ces quations, le lecteur pourra se rfrer par exemple [92]. Nous mettons prot cette proprit des quations pour construire le schma numrique de rsolution bas sur la mthode des volumes nis.
2.3.2
Schma volumes nis
tel-00273318, version 1 - 15 Apr 2008
La mthode des volumes nis a t introduite initialement par Godunov [32] en 1959 pour la rsolution des quations dEuler non-linaires. Elle est particulirement adapte la discrtisation des quations hyperboliques acceptant des solutions discontinues, comme cest le cas des quations de Saint-Venant. Pour une prsentation dtaille de la mthode des volumes nis pour les problmes hyperboliques, le lecteur peut consulter [60]. Le domaine de calcul est discrtis par un maillage compos dlments triangulaires et/ou quadrangulaires, comme reprsent sur la gure 2.2. partir de cette discrtisation, la mthode des volumes nis consiste calculer une approximation de la valeur moyenne de la solution sur chaque cellule. Plus prcisment, soit = i Ki une partition du domaine de calcul. Les quations sous forme compacte (2.15) sont intgres sur chaque cellule Ki , ce qui donne aprs intgration par parties du terme de divergence : t U d +
Ki
F (U ) n ds =
Ki
S(U ) d ,
Ki
(2.21)
o n est le vecteur normal unitaire extrieur Ki . Le terme de ux peut scrire, en dcomposant lintgrale sur toutes les faces de la cellule, de la manire suivante :
Ni
F (U ) n ds =
Ki j=1
F (U ) nij ds
Eij
(2.22)
o Ni est le nombre de faces (3 ou 4) de la cellule Ki , Eij est la j me face de la cellule Ki (voir la gure 2.3), le vecteur nij est le vecteur normal unitaire extrieur, formant un angle ij avec laxe des abscisses de rfrence x. Enn, les quations de Saint-Venant possdent une proprit dinvariance par rotation entre les vecteurs G et H [92, p. 65] qui permet dcrire :
1 F (U ) nij = Tij G(Tij U ) ,
(2.23)
53
tel-00273318, version 1 - 15 Apr 2008
Fig. 2.2 Partie dun maillage non structur compos dlments triangulaires et quadrangulaires.
o Tij est la matrice de rotation dangle ij : 1 0 0 cos ij sin ij . = 0 0 sin ij cos ij
Tij
Cette proprit dinvariance par rotation permet de rduire le calcul du terme de ux une somme de problmes unidimensionnels, que lon pourra rsoudre numriquement laide dun solveur de Riemann. Auparavant, on fait lapproximation que la variable dtat U est constante sur chacune des cellules Ki du maillage et correspond sa moyenne sur celle-ci : Ui = 1 |Ki | U d ,
Ki
o |Ki | est la surface de la cellule. partir de la relation intgrale (2.21), on peut alors crire lvolution de lapproximation Ui au cours du temps : d 1 Ui + dt |Ki |
Ni 1 Tij G(Tij U ) ds = Si j=1 Eij
54

y y
nij
ij Eij
L Ki
x
Fig. 2.3 Deux volumes de contrle adjacents. o Si est une approximation de la moyenne de S(U ) sur la cellule Ki . On voit que le terme de ux se rduit une somme dintgrales sur les faces Eij des cellules. En pratique, ces intgrales vont tre calcules numriquement laide dun solveur de Riemann approch. Pour prsenter cela, introduisons les notations suivantes : soit UL = Tij Ui et UR la valeur moyenne de Tij U sur le volume adjacent Ki par la face Eij . Un solveur de Riemann approch calcule partir de ces donnes la quantit G(UL , UR ) 1 |Eij | G(Tij U ) ds ,
Eij
tel-00273318, version 1 - 15 Apr 2008
(2.24)
approximation du terme de ux, o |Eij | dsigne la longueur de la face Eij . Le schma volumes nis utilis par le logiciel Dassow est bas sur le solveur de Riemann approch HLLC. Schma HLLC Le solveur HLLC [93] est une extension du solveur de Riemann HLL introduit par Harten, Lax et van Leer [38]. Ce schma est dordre un et permet de traiter correctement la transition entre le rgime sous-critique et le rgime super-critique, contrairement la plupart des autres schmas du premier ordre [100]. La description complte du schma HLLC qui a servi son implmentation dans le logiciel Dassow se trouve dans [92]. Prsentons tout dabord brivement le schma HLL. Soient sL et sR les vitesses donde gauche et droite respectivement, dont lexpression sera donne plus loin. Le ux (2.24) est approch numriquement de la manire suivante : si sL 0 G(UL ) hll G(UR ) si sR 0 G (UL , UR ) = (2.25) G (UL , UR ) si sL < 0 et sR > 0
2.3 Discrtisation des quations o G (UL , UR ) est donn par : G (UL , UR ) = sR G(UL ) sL G(UR ) + sR sL (UR UL ) sR sL
55
(2.26)
Les valeurs des vitesses donde sL et sR sont estimes par : et sR = uR + cR pR (2.27) o, pour k = L, R la clrit des ondes ck est dnie par ck = ghk et le coecient pk est donn par pk =
1 hk 1 h 2
sL = u L c L p L
h + hk
si h > hk si h hk
tel-00273318, version 1 - 15 Apr 2008
o h est la hauteur deau linterface entre les cellules L et R. Sa valeur est estime en deux temps, par la procdure suivante. Une premire approximation h 0 base sur une condition de positivit de la hauteur deau est donne par : h = 0 hL + hR 2 1 uR uL 2 cL + cR .
Si h min(hL , hR ), alors on est en prsence de deux ondes de rarfaction et h 0 est estim par la formule : 1 h = g
c L + c R uL uR + 2 4
Si h > max(hL , hR ), on est en prsence de deux ondes de choc et h est estim 0 par la formule : hL gL + hR gR + uL uR , h = gL + gR o gL et gR sont des coecients dnis par gk = g h + hk 0 pour k = L, R. 2h kk 0
Si min(hL , hR ) < h < max(hL , hR ), on garde lestimation h = h . 0 0 La modication du schma HLL apporte par Toro dans le schma HLLC pour rsoudre correctement la discontinuit de contact fait intervenir une onde intermdiaire de vitesse s . Par rapport au schma HLL, seule la troisime composante du ux discret est modie. Si lon note le ux discret sous forme vectorielle T G = G1 , G2 , G3 , on a alors : Ghllc (UL , UR ) = 3 vL Ghll (UL , UR ) si s 0 1 vR Ghll (UL , UR ) si s < 0 1
56 avec
s =
sL hR uR sR sR hL uL sL . hR uR sR hL uL sL
Traitement du front sec En prsence dun front sec, cest--dire lorsque la hauteur deau h est nulle sur une cellule adjacente une cellule mouille, les vitesses donde introduites en (2.27) pour le calcul du terme de ux ne sont plus valables et doivent tre adaptes selon la conguration. Toro [92, p. 197] propose le schma suivant : si hL = 0 si hR = 0 alors alors sL = uR 2cR , sR = uR + cR , s = sL sL = uL cL , sR = uL + 2cL , s = sR . (2.28)
tel-00273318, version 1 - 15 Apr 2008
Cette mthode est ecace quand le terme de gradient de topographie zb est absent des quations. Si ce dernier nest pas nul, le schma numrique peut se rvler instable. Pour pallier ce problme et pouvoir nanmoins traiter des congurations dans lesquelles la topographie zb nest pas constante, on introduit une hauteur deau minimale h > 0. Si la hauteur deau dans une cellule est infrieure cette valeur, la cellule est considre comme sche et la vitesse du uide nulle. Dans le calcul du ux discret faisant intervenir une cellule sche, les vitesses donde modies (2.28) sont alors utilises. La valeur de h doit idalement tre la plus petite possible ; on la choisit en pratique de lordre de 103 . Traitement du terme source Pour rsumer, la forme semi-discrtise en espace de lquation dvolution sous forme compacte de la variable dtat Ui pour une cellule Ki L scrit avec les notations introduites prcdemment : 1 d Ui + dt |Ki |
Ni 1 |Eij | Tij G(UL , UR ) = Si . j=1
Le terme de ux G(UL , UR ) est calcul numriquement par le solveur de Riemann HLLC prsent dans le paragraphe prcdent. Pour la rsolution de lquation complte et la discrtisation en temps, on peut envisager une mthode pas fractionnaire ou de dcomposition doprateur (par exemple le schma de Strang [87]), simple mettre en uvre car elle permet un traitement explicite ou semi-implicite du terme source Si . Malheureusement, cette mthode ne prserve pas certains tats stationnaires comme celui par exemple du lac au repos. cause de la production
57
doscillations numriques par ces mthodes, lquilibre entre le terme de ux et le terme de gradient de topographie nest pas prserv. La question du traitement quilibr du terme source dans les quations de Saint-Venant fait lobjet dune abondante srie de publications (voir entre autres [9, 8, 59, 73]). La mthode adopte pour le traitement du terme source dans le logiciel Dassow consiste modier le calcul du terme de ux an dy inclure celui du gradient de topographie, de manire ce que certains tats stationnaires soient prservs. Pour cela, une discrtisation adquate du terme source doit tre eectue. Bermdez et. al [8] et LeVeque [61] utilisent cette approche pour dirents solveurs de Riemann. Concernant le schma HLLC, le vecteur G utilis dans le calcul du ux discret (2.25) est modi pour y intgrer le calcul du terme de gradient de topographie [25] : 0 GS (UR ) = G(UR ) + 1 g hL + hR zb,R zb,L . 2 0 Cette expression est utilise la place de G(UR ) dans les quations (2.25) et (2.26). Il en rsulte que le ux discret GS (UL , UR ) calcul par lquation (2.25) ainsi modie prserve les tats stationnaires de type lac au repos. Dans le terme source Si ne reste plus que le terme non-linaire li aux forces de frottement dont la discrtisation en espace scrit : 0 2 2 2 n uL + v L uL (2.29) Sif = g 1/3 hL vL Ainsi, lquation dvolution semi-discrtise en espace de la variable dtat Ui pour une cellule Ki L, avec intgration du terme de gradient de topographie dans le terme de ux scrit : d 1 Ui + dt |Ki |
Ni 1 |Eij | Tij GS (UL , UR ) = Sif j=1
tel-00273318, version 1 - 15 Apr 2008
(2.30)
Schma de discrtisation temporelle Finalement, lquation (2.30) est discrtise en temps par un schma dEuler explicite pour obtenir : Uin+1 = Uin t |Ki |
Ni 1 n n Tij GS (UL , UR ) + t Sif,n , j=1
(2.31)
58
o Uin = (hn , qn )T est lapproximation de Ui au temps tn et Sif,n lvaluation au i i temps tn du terme (2.29). Ce choix dun schma explicite permet dviter la coteuse rsolution dun systme non-linaire chaque itration en temps mais impose une condition de stabilit sur le choix du pas de temps. Une analyse de stabilit sur les quations linarises fournit la restriction CFL suivante [92, p. 157] : CFL = t max ( u + c) 1, min(dL,R ) (2.32)
o dL,R est la distance entre le centre de la cellule L et le centre de sa face qui le spare du volume R. Tel qucrit dans lquation (2.31), le terme de frottement Sif est trait comme les autres de manire explicite. Il peut nanmoins tre trait de manire semi-implicite avec un cot de calcul supplmentaire ngligeable.
tel-00273318, version 1 - 15 Apr 2008
Conditions aux limites Les conditions aux limites sont prises en compte en calculant le ux travers les faces du bord entre les cellules intrieures et des cellules voisines, dites fantmes, extrieures au domaine. Si le volume L Ki est adjacent , alors on dnit un volume fantme R de mme aire, avec une valeur particulire de la n n variable dtat UR telle que le ux numrique G(UL , UR ) calcul corresponde la condition aux limites dsire : sur q : on prescrit un dbit scalaire q (t) exprim en m3 s1 . Cette valeur scalaire est distribue sur toute la frontire chaque pas de temps sous la forme dun n dbit local par unit de longueur qL exprim en m2 s1 . La distribution du dbit est faite de manire ce que la vitesse normale sur q soit constante sur la section mouille. Cela donne :
n qL =
1 n n h q (t ) , An L
o An est la surface de la section mouille sur le bord linstant tn . Numriquement, on calcule donc le ux travers chaque face de q en utilisant le solveur n n n HLLC avec UR = (hn , qL /hn , vL )T . L L sur w : on prescrit la condition de Neumann homogne sur la hauteur en imposant hR = hL et la condition dimpermabilit sur la vitesse en imposant uR = uL et vR = vL . Ainsi, on calcule le ux travers chaque face de w en n n utilisant le solveur HLLC avec UR = (hn , un , vL )T . L L
2.4 Le logiciel Dassow
59
sur t : on prescrit des conditions de Neumann homognes sur toutes les van n riables dtat en utilisant le solveur HLLC avec les donnes UR = UL . sur z : on prescrit un niveau deau zs en imposant une hauteur deau dans le volume fantme adjacent hR = zs zb,R et en imposant galement la vitesse de manire ce que linvariant de Riemann correspondant la caractristique entrante soit constant sur linterface, cest--dire que lon impose : un + 2 ghn = un + 2 ghn . L R L R Ainsi, le ux travers chaque face de z est calcul en utilisant le solveur HLLC avec les donnes : zs zb,R n n UR = un + 2 g hn zs zb,R . n L L
tel-00273318, version 1 - 15 Apr 2008
n vL
2.4
Le logiciel Dassow
Le logiciel Dassow [44, 45] a t co-dvelopp1 dans le cadre de cette thse an de pouvoir raliser des simulations numriques dcoulements Saint-Venant ainsi que des expriences dassimilation variationnelle de donnes. crit en Fortran 90, le code direct permet la rsolution des quations introduites dans la partie 2.1 laide du schma numrique dcrit dans la partie 2.3 de ce chapitre. Par ailleurs, son code adjoint [17] a t dvelopp laide du logiciel de direntiation automatique par transformation de source Tapenade, prsent dans la partie 1.4. Ces deux modules sont combins avec la routine de minimisation M1qn3 prsente dans la partie 1.5 et toutes les routines de lecture et criture ncessaires la ralisation dexpriences dassimilation de donnes, y compris des expriences jumelles dans lesquelles les observations sont cres par le modle (voir partie 3.1). Le logiciel ore trois modes de fonctionnement : 1. un mode libre permet de raliser des simulations numriques avec le code direct. Les donnes du problme sont dnies principalement partir de routines modiables par lutilisateur. Le pas de temps de calcul peut tre calcul automatiquement partir de la condition CFL (2.32). Ce mode de fonctionnement sert notamment enregistrer dans un chier la variable dtat nale dune simulation dcoulement, pour pouvoir lutiliser comme condition initiale dans des simulations ultrieures. Ce mode sert galement crer des observations synthtiques destines aux expriences jumelles.
1
Site web : http://dassflow.gforge.inria.fr/
60
Chapitre 2 : Modle Saint-Venant pour lhydraulique uviale 2. un mode impos rend possible, comme le mode libre, des simulations avec le code direct. Mais il permet en plus de calculer une fonction cot dans les mmes conditions que dans une exprience dassimilation de donnes. Les observations sont lues partir dun chier et les variables de contrle du modle peuvent tre modies par rapport leur valeur de rfrence. Le pas de temps de calcul doit tre x par lutilisateur une valeur constante. Ce mode de fonctionnement sert entre autres vrier que toute la procdure de calcul en mode direct fonctionne correctement avant de passer lassimilation de donnes. 3. un mode assimilation permet deectuer des expriences dassimilation de donnes. Les valeurs initiales des variables de contrle du modle direct sont dnies soit par lintermdiaire de routines utilisateur, soit sont lues dans des chiers de donnes. La routine M1qn3 est ensuite appele directement an de procder la minimisation de la fonction cot.
tel-00273318, version 1 - 15 Apr 2008
Les chiers de rsultats peuvent tre produits sous dirents formats de donnes : pour les rsultats correspondant des maillages structurs, un format en mode colonnes est directement lisible par le logiciel de visualisation Gnuplot [97]. Pour les rsultats correspondant des maillages non-structurs, le format ouvert VTK [53] est disponible ainsi que le format propritaire Tecplot [89]. An de mettre en uvre dun point de vue numrique lassimilation de donnes lagrangiennes prsente dans les chapitres 4 et 5, les fonctionnalits de base du logiciel ont t tendues sous la forme dun module de calcul additionnel. Le schma numrique utilis est dcrit en dtails dans les parties 4.3 et 4.4. Toutes les simulations numriques et les expriences dassimilation de donnes prsentes dans les chapitres 3 et 5 ont t eectues avec le logiciel Dassow.
Chapitre 3 Expriences dassimilation de donnes eulriennes

tel-00273318, version 1 - 15 Apr 2008
Ce chapitre prsente des expriences dassimilation de donnes utilisant des observations eulriennes. Comme indiqu dans le chapitre dintroduction, nous appelons eulriennes les observations faites en un point xe du domaine. En hydraulique uviales, il sagit des observations communment disponibles de hauteur deau et de vitesse. Lassimilation variationnelle de donnes eulriennes en hydraulique uviale a t tudie notamment par Yang [99] pour des problmes de transport de sdiments en rivire avec un modle simple bas sur les quations de Saint-Venant bidimensionnelles. Ce modle a t repris par Mazauric [64] pour tudier des problmes didentication de paramtres, danalyse de sensibilit, de couplage et de paralllisation. Ces travaux ont montr la faisabilit de lassimilation variationnelle de donnes pour lhydraulique uviale, principalement pour des ensembles dobservations denses en espace. En pratique cependant, les techniques de mesure sur les rivires permettent actuellement dobtenir des observations de hauteur deau avec une frquence potentiellement importante en temps, mais seulement pour un nombre trs restreint de stations de mesures. Concernant les observations de vitesse, elles sont encore plus diciles obtenir. Nous allons donc nous intresser dans ce chapitre des applications dans lesquelles les observations ne sont disponibles quavec une faible densit en espace. Nous prsentons, travers deux sries dexpriences, des problmes didentication de paramtres du modle Saint-Venant. Nous montrons tout dabord des rsultats obtenus avec des donnes relles sur une portion de la Pearl River en Chine. Il sagit de lidentication de conditions aux limites partir dobservations de hauteur deau 61
62
Chapitre 3 : Expriences dassimilation de donnes eulriennes
et de dbit. Dans une seconde partie, une srie dexpriences jumelles montre sur un cas-test simple les consquences dune trop faible quantit dobservations pour un problme didentication de dbit. Mais dans un premier temps, introduisons la notion dexpriences jumelles.
3.1
Principe des expriences jumelles
Les expriences jumelles dassimilation de donnes sont bases sur lutilisation dobservations synthtiques cres par le modle avec un jeu de paramtres donn. Elles permettent dvaluer une mthode dassimilation de donnes dans un cadre matris, avec une connaissance complte de tous les paramtres. Nous les utiliserons dans la partie 3.3 de ce chapitre, ainsi que dans le chapitre 5.
tel-00273318, version 1 - 15 Apr 2008
Dans un premier temps, une simulation de rfrence est ralise partir dun vecteur de contrle kref connu. Le rsultat de cette simulation, cest--dire la valeur des variables dtat que lon note (href, qref), est utilis pour crer des observations. Dans le cadre de lhydraulique uviale, on peut ainsi produire des observations de hauteur deau notes hobs, des observations de dbit notes qobs, ainsi que des observations de vitesse notes uobs en se basant sur la vitesse modle de rfrence re f uref = qref . h Lobjectif de lexprience est didentier le vecteur de contrle de rfrence kref en partant dune valeur k0 donne a priori. La fonction cot que lon cherche minimiser est forme partir des observations synthtiques. An dvaluer la qualit de lidentication, on introduit une fonction diagnostique note jdiag mesurant sur lensemble du domaine de calcul [0, T ] la dirence entre ltat de rfrence de lcoulement et ltat issu dun vecteur de contrle quelconque k : jdiag(k) = 1 2
T
h(t) href(t)
0
+ u(t) uref(t)
dt .
(3.1)
Cette fonction diagnostique vrie jdiag(kref) = 0. Elle permet de donner une mesure dans lespace dtat de lcart entre le vecteur de contrle obtenu lissue de lassimilation de donnes, not kopt, et le vecteur de rfrence. Le vecteur kopt est idalement optimal, cest--dire quil doit minimiser la fonction cot j. Mais une identication sera juge de qualit seulement si la valeur de jdiag(kopt) est sufsamment petite, cest--dire si le vecteur de contrle identi kopt produit une simulation qui est susamment proche globalement de la simulation de rfrence.
3.2 Donnes relles : Pearl River
63
3.2
Donnes relles : Pearl River
Dans cette partie, nous prsentons les rsultats dune exprience dassimilation de donnes utilisant des observations relles sur une section de la rivire des Perles. Le paramtre identi est le niveau de surface libre zs aux limites du domaine de calcul. Les observations sont constitues de mesures rgulires de hauteur deau et de dbit. Ce travail [43] a t eectu en collaboration avec Xun Lai, qui est lorigine des donnes disponibles.
3.2.1
Domaine de calcul
tel-00273318, version 1 - 15 Apr 2008
La zone dtude se situe sur lestuaire de la rivire des Perles (Xi Jiang en Chinois ou Pearl River en Anglais). Troisime euve de Chine par sa longueur et deuxime par son dbit aprs le Yangzi Jiang, la rivire des Perles se jette dans la mer de Chine mridionale, entre Hong Kong et Macau. Le domaine tudi est compris dans un rectangle de 30 km (nord-sud) par 15 km (est-ouest). De par sa proximit avec la mer, cette partie du euve est trs inuence par la mare. Le maillage du domaine est form de 1684 cellules triangulaires et quadrangulaires, ce qui constitue une grille relativement grossire. Une valeur moyenne de la topographie du fond est disponible pour chaque cellule du maillage.
3.2.2
Observations
On dispose dobservations de dbit et de niveau de la surface libre sur plusieurs sections du domaine. Celles-ci sont notes de BC1 BC6 et de O1 O3 sur la gure 3.1 (a). Plus prcisment, le niveau zs de la surface libre est donn toutes les stations sauf en BC3 , o aucune information nest connue, le dbit est donn aux bords BC4 et BC5 ainsi quaux stations O1 , O2 et O3 . Les mesures sont disponibles avec un intervalle de temps de une heure et pour une priode dobservation totale qui stend du 30 septembre 1998 13 heures jusquau 5 octobre 1998 23 heures.
3.2.3
Identication de conditions aux limites
tant donns le maillage et la conguration type de lcoulement, le pas de temps de simulation t est x 3 secondes pour respecter la condition de stabilit (2.32). An de limiter lempreinte mmoire du logiciel Dassow 2 giga-octets, quantit
64
BC1
BC2
zs
BC3
-0.7
-0.8
BC5
tel-00273318, version 1 - 15 Apr 2008
BC4 O3 O2 O1
-0.9
-1.0
BC6
(a) Maillage du domaine sur fond
(b) Niveau de la surface libre et vecteurs
de carte satellite
vitesse dans la conguration de rfrence.
Fig. 3.1 Maillage du domaine et rsultat de simulation pour la Pearl River. disponible sur la machine de test, et an de garder des temps de simulation raisonnables, nous navons utilis quune partie des observations disponibles. Ainsi, la fentre dassimilation, cest--dire la dure en temps physique de la simulation a t xe T = 35 heures, soit un peu moins dun cycle et demi de mare. Cette dure correspond donc 42 000 pas de temps de simulation. Lexprience dassimilation de donnes consiste identier le niveau de la surface libre zs aux bords BC1 , BC2 et BC6 en utilisant les observations disponibles aux trois stations O1 , O2 et O3 . Des conditions de Neumann homognes sont appliques au bord BC3 (conditions de type t ) ; les donnes de dbit disponibles aux bords BC4 et BC5 sont utilises pour y prescrire une condition limite de type q (dbit impos). Le dbit chaque pas de temps est calcul par une interpolation linaire entre chaque donne disponible.
3.2 Donnes relles : Pearl River Sur les bords BC1 , BC2 et BC6 , une condition de type z est prescrite.
65
La variable de contrle de lexprience dassimilation de donnes est le vecteur constitu de la valeur du niveau de surface libre zs sur ces trois frontires. On note ses composantes respectivement zs1 , zs2 et zs6 et on leur donne comme valeur a 0 priori zs = 0.5 m. An didentier la valeur optimale des variables de contrle, on utilise la fonction cot jp constitue de deux termes. Le premier mesure lcart entre les hauteurs deau calcules et celles observes le long des sections aux trois stations dobservation O1 , O2 et O3 . Le second terme mesure lcart entre le dbit calcul et le dbit observ la station dobservation O3 : 1 jp (zs1 , zs2 , zs6 ) = 2
35 3 obs hi (kt) hobs(kt) + q3 (kt) q3 (kt) i k=0 i=1 2 2
(3.2)
tel-00273318, version 1 - 15 Apr 2008
Lintervalle dobservation t est de 3600 secondes. La quantit q3 (t) est le dbit au temps t de lcoulement intgr sur la largeur de la section O3 : q3 (t) =
O3
q(s; t) n(s) ds ,
o s est la coordonne curviligne le long de la section O3 et n(s) est le vecteur normal cette dernire.
3.2.4
Rsultats numriques
La gure 3.2 montre le rsultat de lidentication des conditions aux limites. Les valeurs moyennes sur chaque section des variables de contrle zs1 , zs2 et zs6 sont traces respectivement sur les gures (a), (b) et (c) en fonction du temps. La valeur a priori zs0 est reprsente par un trait en pointills, la valeur identie est reprsente par un trait continu gris tandis que la valeur de rfrence est reprsente par des points noirs. Cette dernire faisait partie des observations disponibles (voir partie 3.2.2) mais na pas t utilise pour lidentication. Sur la gure (d) est reprsent le niveau moyen sur les trois stations dobservation de la surface libre obtenu avec la valeur a priori (trait en pointills) et la valeur identie (trait continu gris) des variables de contrle. Le niveau moyen correspondant aux observations utilises dans la fonction cot est reprsent par des points noirs. On remarque sur cette dernire gure que le niveau de la surface libre calcul avec les variables identies correspond parfaitement aux observations, contrairement celui obtenu avec la valeur zs0 donne a priori. La valeur identie de zs6 correspond trs bien celle de rfrence. En revanche, on observe un cart plus important pour zs1 et particulirement pour zs2 .
66
1.5 1 0.5 0 0.5 1 1.5 0 5

Niveau en BC1 Initial Identifi Rfrence
1.5 1 0.5 0 0.5 1 1.5
Niveau zs (m)
10
15 20 Temps (h)
25
30
35
Niveau zs (m)
10
15 20 Temps (h)
25
30
35
(a) Frontire BC1 .

1.5 1 0.5 0 0.5 1 1.5 0 5 10 15 20 Temps (h) 25 30 35
(b) Frontire BC2 .

1.5 1 0.5 0 0.5 1 1.5 0 5 10 15 20 Temps (h) 25 30 35
Niveau en OBS Initial Identifi Observations
Niveau zs (m)
tel-00273318, version 1 - 15 Apr 2008
(c) Frontire BC6 .
Niveau zs (m)
(d) Stations dobservation.
Fig. 3.2 Identication des conditions aux limites zs partir dobservations de hauteur
deau et de dbit. Niveau moyen de surface libre sur la section pour chacune des trois frontires BC1 , BC2 et BC6 ainsi que pour les stations dobservation O1 O3 .
La plus grande proximit du bord BC6 aux stations dobservations par rapport aux bords BC1 et BC2 explique une plus grande sensibilit de la fonction cot jp aux variations de la variable de contrle zs6 . Cela est mis en vidence par le fait que la variable zs6 est la premire tre correctement identie, ds les premires itrations du processus doptimisation, et que lidentication de zs2 nest pas compltement satisfaisante mme la n de la minimisation de la fonction cot, comme le montre la gure 3.2 (b).
3.2.5
Conclusion
Avec cette premire exprience, nous avons montr que le logiciel Dassow est capable de simuler une conguration hydraulique relle et dassimiler des observations de hauteur deau et de dbit pour lidentication de la valeur des conditions aux limites du domaine. Du point de vue de lassimilation, la problmatique lie
3.3 Cas test : identication du dbit et du coecient de Manning
67
lexprience reste simple puisque les variables de contrle et une partie des observations sont de mme nature. Cependant, on note que la mthode se rvle ecace malgr la faible densit spatiale des observations.
3.3
Cas test : identication du dbit et du coefcient de Manning
tel-00273318, version 1 - 15 Apr 2008
Nous prsentons dans cette partie des expriences jumelles dassimilation de donnes dont le but est lidentication de la variable de contrle dbit note q dans les quations partir dobservations synthtiques de hauteur deau ayant une faible densit spatiale. Deux cas sont tudis : dans le premier, la seule variable de contrle inconnue a priori est la valeur du dbit q ; dans le second cas, on a en plus une incertitude sur la valeur du coecient de Manning n.
3.3.1
Conguration de test
On considre un coulement dans un canal rectangulaire de 100 m de long et 8 m de large, reprsent de manire schmatique sur la gure 3.3. Llvation du fond, trace en perspective sur la gure 3.4 (b), est donne par la fonction suivante :
re zb f(x, y) =
1 x x 1 + sin 2 200 10 20
cos
(y 2) 60
(3.3)
Le coecient de Manning est x de manire uniforme sur le domaine la valeur nref = 0.025. Concernant les conditions aux limites, les bords dnis par y = 0 et y = 8 m sont constitus de murs et nots w . Des conditions de Neumann homognes sont imposes au bord t dni par x = 100 m. Enn, un dbit est impos sur le bord gauche du domaine dni par x = 0 et not q (voir gure 3.3). La condition initiale de lcoulement pour les exprience jumelles est dnie comme ltat stationnaire obtenu en xant la valeur q du dbit 5 m3 /s. Le domaine est discrtis par un maillage structur compos de 100 10 cellules rectangulaires.
3.3.2
Cration des observations
Pour la ralisation des expriences jumelles, des observations de hauteur deau notes hobs sont cres partir dune simulation eectue dans une conguration
68

y
8 q 0
(x1 , y1 )
x
100
Fig. 3.3 Identication du dbit et du coecient de Manning : vue schmatique de haut du domaine de calcul. de rfrence. Cette dernire est obtenue en utilisant les conditions initiales dcrites dans le paragraphe prcdent et en imposant sur q un dbit de rfrence correspondant une onde de crue rapide :
tel-00273318, version 1 - 15 Apr 2008
qref(t) =
5 5 + 2(t 10) exp

1 (t 100
si t < 10 15)
2
si t 10
(3.4)
Ce dbit de rfrence est trac en fonction du temps sur la gure 3.4 (a). Le temps de simulation est de T = 80 secondes et le pas de discrtisation en temps est x t = 0.05 seconde. La gure 3.5 montre une coupe du domaine uide dans le plan y = 1.6 m. On y voit en particulier llvation de la surface libre pour dirents pas de temps. Lobservation hobs consiste en la mesure dans cette conguration de la hauteur deau en un unique point de coordonnes (x1 , y1 ) = (40, 2) chaque pas de temps.
0.6
25 qref 20 Dbit (m3/s) 15 10 5 0 0 10 20 30 40 50 Temps (s) 60 70 80
Hauteur z (m) 0.6 0.4 0.2 8 0 0.2 40 60 Distance x (m) 20 4 2 80 100 0 Distance y (m) 6
0.4 0.2 0
(a) Dbit de rfrence qref
re (b) Topographie de rfrence zb f
Fig. 3.4 Reprsentation des valeurs de rfrence des paramtres du modle utili-
ss pour la cration des observations synthtiques. Dbit qref en fonction du temps et re topographie zb f en fonction des variables despace.

1.6 1.4 1.2 Hauteur (m) 1 0.8 0.6 0.4 0.2 0 0 20 40 60 Distance x (m) 80 100
69
Surface libre t = 10 s t = 20 s t = 30 s t = 45 s
Fig. 3.5 Coupe verticale dans le plan y = 1.6 m du domaine uide dans la conguration
de rfrence. lvation de la surface libre dirents pas de temps.
tel-00273318, version 1 - 15 Apr 2008
3.3.3
Rsultats numriques
On dispose donc de lobservation de la hauteur deau en un unique point du domaine et de manire continue en temps. Dans les expriences jumelles dassimilation de donnes prsentes dans cette partie, on suppose inconnu le dbit rel de lcoulement. On part de lhypothse a priori que sa valeur initiale q 0 est constante en temps et gale 5 m3 /s, cest--dire quelle correspond ltat permanent des conditions initiales. Identication du dbit seul : conguration idale Lobjectif de ces expriences jumelles est didentier correctement le dbit de rfrence qref qui a servi la cration des observations. Dans un premier temps, on suppose que toutes les autres variables de contrle de lcoulement (coecient de Manning, lvation du fond, conditions initiales) sont connues de manire exacte. Pour une valeur quelconque q du dbit, la fonction cot j1 (3.5) mesure lcart entre la hauteur deau simule au point (x1 , y1 ) et les observations hobs tout au long de lintervalle de temps [0, T ]. Le processus dassimilation de donnes consiste minimiser cette fonction cot : j1 () = q 1 2
T
h(x1 , y1 , t) hobs(t)
0
dt
(3.5)
Le rsultat de lassimilation est prsent sur la gure 3.6 (a). La gure de gauche montre le dbit identi qopt en fonction du temps sur toute la priode de simulation avec un trait plein. Ce dernier concorde presque parfaitement avec le dbit de
70

100 j | j | jdiag
Dbit
20 Identifi Rfrence
102
Dbit (m3/s)
15
104
10
106
108
10
20
30
40 50 Temps (s)
60
70
80
1010
20
40 60 Nb. ditrations
80
100
(a) Identication du dbit seulement avec coecient de Manning exact.

Dbit
20
j | j | jdiag
tel-00273318, version 1 - 15 Apr 2008
Identifi Rfrence
100
Dbit (m3/s)
15
102
10
104
5
10
6
10
20
30
40 50 Temps (s)
60
70
80
50
100 Nb. ditrations
150
200
(b) Identication du dbit seulement avec coecient de Manning modi.

Dbit
20 Identifi Rfrence
100 j | j | jdiag
Dbit (m3/s)
15
102
10
104
5
106
10
20
30
40 50 Temps (s)
60
70
80
20
40
60 80 100 Nb. ditrations
120
140
160
(c) Identication conjointe du dbit et du coecient de Manning.
Fig. 3.6 Identication du dbit et du coecient de Manning en utilisant des mesures

de hauteur deau seulement. Colonne de gauche : dbit identi en fonction du temps. Colonne de droite : volution de la fonction cot, de la norme de son gradient et de la fonction diagnostique jdiag.
71
rfrence qref qui est reprsent avec des points noirs. Sur la gure de droite est trace lvolution de la valeur de j1 au cours des itrations. On observe que le processus doptimisation a ncessit 100 itrations au terme desquelles la valeur de la fonction cot a t divise par 1010 par rapport sa valeur initiale pour valoir 4.62 108 . Par ailleurs, la valeur de la fonction diagnostique jdiag introduite en (3.1) a t divise par 106 pour ne valoir plus que 0.53 la n de la minimisation de j1 . Sa valeur nale nest pas 0, ce qui montre que le dbit identi qopt nest pas re f strictement gal au dbit de rfrence q . Mais il nen reste pas moins que lidentication du dbit partir de lobservation continue en temps de hauteurs deau est excellente dans ce cadre dexpriences jumelles. Identication du dbit seul : conguration dgrade
tel-00273318, version 1 - 15 Apr 2008
Dgradons prsent les hypothses de dpart. Dans lexprience prcdente, on supposait connues et exactes toutes les autres variables de contrle de lcoulement part le dbit. Faisons maintenant lhypothse que la valeur connue du coecient de Manning n est sous-estime de 20%. En dautres termes, recommenons lexprience dassimilation prcdente avec une valeur a priori n0 gale 0.02 au lieu de la valeur de rfrence nref = 0.025. On cherche minimiser la mme fonction cot j1 (3.5). Le rsultat est prsent sur la gure 3.6 (b). On y voit que le dbit identi prsente de fortes dirences avec le dbit de rfrence. Si lamplitude de la crue est grossirement retrouve, de grandes oscillations sont prsentes sur les 10 premires secondes de simulation ; par ailleurs, tout au long de la partie de dcrue, la valeur du dbit identi est largement surestime. Sur le graphique de la colonne de droite, le nombre ditrations du processus doptimisation a volontairement t limit 200, bien que celui-ci continue bien aprs. En eet, la valeur de la fonction cot atteint rapidement un palier au-del duquel elle ne dcrot que trs lentement. Quant la valeur de la fonction diagnostique, elle atteint un palier situ 2.5 fois sa valeur initiale, ce qui signie que le dbit identi correspond une solution globale moins bonne que celle obtenue partir de la valeur a priori q 0 . Cependant, le processus doptimisation a russi diviser la fonction cot par presque 105 . Si cela signie que la hauteur deau au point (x1 , y1 ) simule avec la valeur identie du dbit correspond assez bien aux observations, la valeur leve de la fonction diagnostique montre que la solution globale reste trs loigne de celle de rfrence. Pour illustrer ce phnomne, la gure 3.7 reprsente lvolution en fonction du temps de la hauteur deau simule et de la hauteur deau
72
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0 10 20

0.9 0.8 0.7 0.6 0.5 0.4 0.3 30 40 50 Temps (s) 60 70 80 0 10 20 30 40 50 Temps (s) 60 70 80
Hauteur deau h
Identifie en (x1,y1) Rfrence en (x1,y1)
Hauteur deau h
Identifie en (x2,y2) Rfrence en (x2,y2)
Hauteur (m)
(a) Hauteur deau au point (x1 , y1 )
Hauteur (m)
(b) Hauteur deau au point (x2 , y2 )
Fig. 3.7 Identication du dbit seulement avec coecient de Manning modi : hau-
tel-00273318, version 1 - 15 Apr 2008
teur deau simule et mesures de rfrence au point dobservation (x1 , y1 ) et au point (x2 , y2 ).
de rfrence au point dobservation (x1 , y1 ) ainsi qu un autre point du domaine (x2 , y2 ) = (30, 6). La hauteur deau obtenue avec le dbit identi est trace en traits pleins gris tandis que celle de la solution de rfrence est reprsente avec des points noirs. On observe une bonne correspondance au point dobservation (x1 , y1 ) o a t calcule la fonction cot. En revanche, on note un cart sensible entre les deux courbes au point (x2 , y2 ) dans les deux derniers tiers de la simulation. Cela conrme que la solution globale nest pas bonne et donc que lidentication du dbit nest pas satisfaisante.
Identication du dbit et du coecient de Manning Dans lexprience prcdente, le coecient de Manning utilis pour lidentication du dbit ne correspondait pas la valeur de rfrence qui avait servi la cration des observations. Sa valeur a t xe a priori n0 = 0.02 et lon a obtenu une mauvaise identication du dbit. Pour essayer damliorer le rsultat, il semble naturel de chercher identier conjointement le dbit et le coecient de Manning. Cest ce que nous allons faire dans cette exprience. Nous utilisons pour cela une fonction cot semblable j1 dans le sens o elle mesure la mme quantit ; elle en dire cependant car on la fait dpendre du coecient de Manning n en plus du dbit q : 1 j2 (, n) = q 2
T
h(x1 , y1 , t) hobs(t)
0
dt .
(3.6)
73
On cherche le coecient de Manning dans la classe des fonctions constantes par morceaux sur les sous-domaines dnis par : 1 : 0 x < 25 2 : 25 x < 50 4 : 75 x 100 . 3 : 50 x < 75
Le rsultat est prsent sur la gure 3.6 (c). On remarque que la valeur du dbit identi est sous-estime par rapport celle de rfrence, contrairement lexprience prcdente o elle tait surestime. Les oscillations sont toujours prsentes sur les 10 premires secondes de simulation, mais leur amplitude est plus importante. Le coecient de Manning identi est quant lui reprsent sur la gure 3.8 en fonction de la variable despace x. Ce dernier est trs loign de la valeur de
0.045 0.040 0.035 Manning n 0.030 0.025 0.020 0.015 0 10 20 30 40 50 60 Distance x (m) 70 80 90 100
Manning
Identifi Rfrence
tel-00273318, version 1 - 15 Apr 2008
Fig. 3.8 Identication du dbit et du coecient de Manning en utilisant des mesures

de hauteur deau seulement : valeur identie du coecient de Manning (trait gris) et valeur de rfrence (trait noir).
rfrence nref = 0.025. Il est en particulier largement surestim dans les trois premiers quarts du domaine. La qualit de lidentication des deux paramtres est mauvaise, ce que vient conrmer la valeur de la fonction diagnostique jdiag qui na t diminue que de 20% par rapport sa valeur initiale. Cependant, on peut faire la mme remarque que dans lexprience prcdente concernant la convergence de la fonction cot : celle-ci a t raisonnablement bien minimise malgr la mauvaise qualit globale de lidentication.
3.3.4
Conclusion
Dans les trois expriences dassimilation de donnes prsentes dans cette partie, la fonction cot a chaque fois t correctement minimise, que ce soit pour lidenti-
74
cation du dbit seul ou pour lidentication conjointe du dbit et du coecient de Manning. Dans un sens, chaque exprience a russi puisque le vecteur de contrle identi conduit une simulation dans laquelle la hauteur deau correspond parfaitement aux observations. Cependant, si lon prend en compte lcoulement dans sa globalit, nous avons vu que seule la premire exprience a rellement donn un rsultat satisfaisant. Dans ce cas, le dbit de lcoulement tait la seule variable modie par rapport la conguration de rfrence. Dans les deux autres expriences o le coecient de Manning tait galement modi, nous ne sommes pas parvenus retrouver le dbit de rfrence, que lon prenne ou pas en compte le Manning dans le problme didentication. Nous avons montr un exemple dans lequel le manque dinformation sur le systme pse sur la qualit de la simulation. Comme nous allons le voir dans le chapitre 5, on peut amliorer la situation en apportant plus dobservations dans le processus dassimilation de donnes. La mme conguration sera reprise en ajoutant la prise en compte dobservations lagrangiennes de trajectoires de particules.
tel-00273318, version 1 - 15 Apr 2008
Chapitre 4 Principes de lassimilation de trajectoires

tel-00273318, version 1 - 15 Apr 2008
Nous avons vu au chapitre prcdent des exemples de problmes dassimilation de donnes dans lesquels des observations de hauteur deau, utilises seules, ne sont pas susantes pour permettre une identication satisfaisante des paramtres dun modle Saint-Venant. Par ailleurs, les contraintes lies aux techniques usuelles de mesure in situ de la vitesse dans le cours deau conduisent envisager dautres sources dobservation. Dans ce chapitre, nous nous intressons en particulier linformation supplmentaire que peut apporter lobservation distance de particules transportes la surface de lcoulement. Plus prcisment, nous considrons comme observations les trajectoires de telles particules. En ocanographie, lutilisation de linformation que constituent des sries chronologiques de positions de boues drivantes dans locan a t tudie dans un cadre dassimilation de donnes partir des annes 1990. On peut noter en particulier Carter [16] qui a utilis le ltre de Kalman sur un modle shallow water du Gulf Stream. Kamachi et OBrien [51], toujours avec un modle shallow water, ont t les premiers en 1995 utiliser une mthode variationnelle pour assimiler des donnes de type trajectoire, an didentier lpaisseur initiale de la couche suprieure. Plus rcemment, Nodet [69, 70] a dvelopp cette mthode variationnelle pour lidentication de la condition initiale dun modle docan bas sur les quations primitives (OPA). Dautres tudes ont plutt employ la mthode du ltre de Kalman dEnsemble [54, 82]. Nous prsentons ici lassimilation de trajectoires de particules transportes la surface de leau, laide dune mthode variationnelle, dans le contexte de la simulation dune section de rivire par les quations de Saint-Venant bidimensionnelles. 75
76
Chapitre 4 : Principes de lassimilation de trajectoires
On exposera dans un premier temps le type de donnes considres et le principe de la mthode, puis on prsentera le modle ainsi que sa discrtisation et sa mise en uvre au sein du logiciel Dassow. On proposera galement une mthode simple de ltrage des observations de trajectoires an damliorer lassimilation de donnes relles.
4.1
Donnes lagrangiennes
La trajectoire dune particule entrane par le courant la surface de lcoulement contient de linformation sur la dynamique de ce dernier. Lobservation dune telle trajectoire peut ainsi apporter une certaine connaissance sur la vitesse de lcoulement.
tel-00273318, version 1 - 15 Apr 2008
La gure 4.1 prsente de manire schmatique la trajectoire dune particule situe au point x0 au temps initial t0 . Cette trajectoire est constitue de toutes les positions successives que prend la particule au cours du temps. On note X x0, t0 ;t sa position au temps t.
x0, t0
X(x0, t0;t)
Fig. 4.1 Trajectoire dune particule la surface dun coulement. linverse dune vitesse ou dune hauteur deau mesure par une sonde place un endroit x lavance dans le cours deau, linformation porte par une trajectoire de particule concerne un point de position variable dans le temps. On dira que linformation mesure par la sonde est de nature eulrienne, celle vhicule par une particule sera de nature lagrangienne. On utilisera donc des observations de trajectoires de particules comme donnes supplmentaires aux observations traditionnelles de hauteur deau et de vitesse eulrienne. Plus prcisment, on considrera pour les problmes dassimilation la srie chronologique des positions Xiobs(t) dun ensemble de Np particules.
4.2 Modle de transport
77
En pratique, on peut envisager dirents moyens dobservation des trajectoires, en fonction des chelles spatiales et temporelles auxquelles on situe lobservation. Sans entrer dans le dtail de leur mise en uvre, imaginons deux pistes potentielles pour la construction dun systme dobservation : chelle locale : observation dune petite portion du domaine laide par exemple dune camra vido situe au-dessus de lcoulement. Lextraction de la position de traceurs lagrangiens, image par image partir dune squence vido peut permettre de reconstituer des trajectoires locales avec une densit potentiellement importante la fois en espace et en temps. grande chelle : suivi de traceurs par des moyens de tldtection, par exemple de petits otteurs quips de capteurs GPS. Cela permet denvisager une couverture dobservation une chelle beaucoup plus large la fois en espace et sur des dures plus longues, au dtriment dune densit moins grande.
tel-00273318, version 1 - 15 Apr 2008
Du point de vue de la modlisation, ces deux approches dirent uniquement par lchelle dobservation considre. La reprsentation des donnes dans le modle dcoulement est aborde de la mme manire dans les deux cas.
4.2
Modle de transport
Lassimilation des observations de trajectoires de particules ncessite leur prise en compte par le modle dcoulement Saint-Venant. An de construire une fonction cot mesurant la distance entre les observations et les variables dtat du modle, sur le mme principe que pour la prise en compte des observations eulriennes classiques, une reprsentation numrique des trajectoires au sein du modle est cre. Pour cela, le vecteur dtat compos de la hauteur deau h et du dbit local q va tre tendu par des composantes additionnelles reprsentant la position de particules numriques, ou particules modles.
4.2.1
quation de transport
On considre donc un ensemble de Np particules modles, dont les positions au cours du temps lintrieur dun domaine ouvert sont notes Xi (t) pour i = 1, . . . , Np . Leur volution est rgie par le systme dquations de transport suivant : Pour i = 1, . . . , Np :
d X (t) dt i Xi (t0 ) i
= v Xi (t), t = x0 i
t ]t0 , tf [ i i
(4.1)
78
o v est le champ de vitesse par lequel sont transportes les particules et x0 i est le point de dpart linstant t0 . Pour une particule i donne, t0 et tf sont i i i les temps auxquels celle-ci entre et sort du domaine dobservation . Ils sont tous deux compris dans un intervalle [0, T ]. Ainsi, lensemble {Xi (t)}t[t0 ,t0 ] constitue i f la trajectoire de la particule modle numro i. Si la fonction v : [0, T ] R2 est continue sur [0, T ] et localement lipschitzienne par rapport la variable despace, alors daprs le thorme de CauchyLipschitz, chaque quation direntielle du systme (4.1) admet une unique solution : Xx0 ,t0 : [t0 , tf [ R2 , i i i i t Xi x0 , t0 ; t , i i en notant Xi x0 , t0 ; t la position au temps t de la particule se trouvant la i i position initiale x0 au temps t0 . i i
tel-00273318, version 1 - 15 Apr 2008
4.2.2
Vitesse de transport
Dans le systme dquations prcdent, la vitesse v de transport des particules doit tre dnie. Si lon suppose que les particules sont susamment petites pour ne pas avoir dinuence sur lcoulement et quelles ninteragissent pas entre elles, la vitesse v correspond idalement la vitesse de surface de lcoulement. Si lon considre le cas dun coulement dans un canal fond plat avec friction, la vitesse de surface, que lon note us , est gnralement dirente de la vitesse u du modle Saint-Venant. Cette dernire correspond la vitesse moyenne intgre sur la verticale du domaine uide. La gure 4.2 reprsente de manire schmatique une coupe verticale du domaine physique avec la vitesse du uide en fonction de la hauteur z dans lcoulement. Dans cette conguration, la vitesse de surface us est suprieure la vitesse du modle u. Dans le cas gnral, un certain nombre de facteurs comme les variations de topographie du fond, le frottement d lair et au vent, viennent perturber cette reprsentation. Dans la suite, nanmoins, la vitesse de transport v utilise dans le systme (4.1) sera dnie comme un multiple de la vitesse du modle dcoulement : v = u. La valeur du coecient reste dterminer en fonction de la conguration hydraulique. Cette modlisation de la vitesse de surface ne prend pas en compte un certain nombre de phnomnes physiques prsents dans les coulements rels qui ne rentrent pas dans les hypothses habituelles des quations de Saint-Venant en eaux peu profondes. Au nombre de ces phnomnes physiques [68], on peut noter la turbulence et les tourbillons de surface, les courants secondaires, les recirculations, etc.
79
Surface libre
0 u
us
u(z)
Fig. 4.2 Prol de vitesses de lcoulement sur une coupe verticale du domaine uide.
tel-00273318, version 1 - 15 Apr 2008
4.2.3
Intgration au modle gnral
Dans ce paragraphe, nous allons crire le couplage entre le modle dcoulement Saint-Venant (2.4)(2.5) dcrit dans la partie 2.1 et le systme de transport (4.1) en utilisant la dnition de la vitesse de transport v = u . Celle-ci dpend directement de la vitesse u du modle Saint-Venant, qui nest cependant pas dpendante de la trajectoire des particules dans le modle de transport propos. Ainsi, le modle de transport est faiblement coupl avec le modle dcoulement Saint-Venant. En reprenant le formalisme concernant le couplage faible de modles introduit dans la partie 1.2.7 page 22, on peut crire le modle de transport (4.1) sous la mme forme que le systme (1.22) en considrant que la variable transporte et loprateur de transport G sont des vecteurs de dimension Np en notant : (t) = G w(t), y(t); (t) = i (t)
i=1,...,Np
Gi w(t), y(t); i (t)
i=1,...,Np
et en substituant les notations de la partie 1.2.7 par celles introduites prcdemment : w = 0 = x0 i i i (t) = Xi (t) Gi w(t), y(t); i (t) = Xi (t) u Xi (t), t 0 t ]t0 , tf [ i i t ]0, t0 [ ]tf , T [ i i
80
Le coecient multiplicateur est dni comme une fonction de la variable despace, ce que lon note par (x). Dans lquation de transport (4.1), sa valeur est value la position de la particule i au temps t. Le caractre faible du couplage entre les deux modles permet de sparer les calculs et de rsoudre le modle de transport une fois la solution du modle dcoulement connue. Ainsi, le systme coupl modle Saint-Venant modle de transport des particules scrit de la manire suivante : t h + div(q) = 0 q t q + div( 1 qq) + 1 g h2 + gh zb + g n27/3 q = 0 h 2 h C.I. h(0) = h0 , q(0) = q0 .
tel-00273318, version 1 - 15 Apr 2008
C.L. (q n) = , (q n) = 0 , q |q |w (n h)|q w t = 0 , (n q)|t = 0 , h|z = zs zb |z , n (u n + 2c)|z = 0 , Pour i = 1, . . . , Np :

d X (t) dt i
(4.2)
= Xi (t) u Xi (t), t = x0 . i
t ]t0 , tf [ i i
Xi (t0 ) i
4.2.4
Fonction cot et systme adjoint
Nous proposons dans ce chapitre dassimiler des observations de trajectoires de particules Xiobs(t) que lon suppose continues en temps an de simplier lexpos de la mthode. La trajectoire numro i est observe entre les temps t0 et tf et i i lon dnit la position initiale de la particule modle numro i dans lquation de transport (4.1) par x0 = Xiobs t0 . i i La prise en compte de ces observations de trajectoires dans le processus dassimilation de donnes passe par lajout dun terme supplmentaire la fonction cot introduite dans la partie 2.2. Nous en donnons un exemple gnrique ici : j(k) = 1 2 t + 2
T
Ch(t) hobs(t)
0 Np tf i
dt p dt + Dzb 2 (4.3)
2
D
Xi (t)
i=1 t0 i
2 Xiobs(t) O h
81
o k = (h0 , q0 , n, zb , q , zs ) est le vecteur de contrle dni dans la partie 2.2, t est un paramtre dchelle, C un oprateur dobservation qui projette la variable de hauteur du modle dans lespace des observations eulriennes et D un oprateur direntiel, comme un gradient ou un laplacien par exemple. Le premier terme mesure la dirence entre les observations de hauteur deau et la variable dtat. Le second terme mesure la distance entre les positions des particules observes et celles de leurs homologues du modle. Enn, le dernier est un terme de rgularisation sur la variation de topographie. En utilisant le formalisme dvelopp dans le chapitre 1 pour le couplage faible de modles, il est ais dcrire le systme coupl adjoint. La variable adjointe est alors remplace par le vecteur X de composantes Xi et les termes prsents dans le systme doptimalit (1.25) scrivent :
tel-00273318, version 1 - 15 Apr 2008
Xi (t) G u Xi (t), t , Xi (t) (t) = y h Xi (t), t Xi (t) i=1 T Gi u Xi (t), t Xi (t) Xi (t) u Xi (t), t Xi (t) i (t) = Xi (t) i G w
Np
Np
(t) =
i=1
tf i t0 i
u Xi (t), t , Xi (t)
dt .
Les autres termes ont ts dcrits en dtails dans le chapitre 2. On a donc pour la fonction cot gnrique dnie en (4.3) le systme adjoint coupl suivant : Pour i = 1, . . . , Np T d Xi (t) + Xi (t) dt u Xi (t), t Xi (t) + Xi (t) u Xi (t), t Xi (t) = t Xi (t) Xiobs(t) t ]t0 , tf [ i i Xi (t) = 0 t ]0, t0 ] [tf , T [ i i t h(t) (u ) q u + gh div(q) 2 u 7 (4.4) g q zb + 3 g nh4/3 u q Np h i=1 u Xi (t) = C T Ch(t) hobs(t) t ]0, T [ t q(t) + h + (u ) q + ( q)T u g n2 u q h4/3 Np n2 g h4/3 u (u u)q + h i=1 Xi (t) = 0 t ]0, T [ C.I h(T ) = 0 , q(T ) = 0 , C.L q| = 0 , (q n)| = 0 , q| = 0 , (q )| = 0 , w t z q h + 2(u n)(q n) |z = 0 (n h)|q w = 0 , h|t = 0 ,
82
Tout comme le systme direct, ce systme adjoint est compos de deux systmes faiblement coupls. Cependant, la direction du couplage est inverse par rapport au systme direct : la variable dtat des quations de Saint-Venant adjointes dpend de la variable dtat des quations de transport adjointes. Dun point de vue pratique, on rsoudra donc ces dernires en premier. Lexpression des drives partielles de la fonction cot j par rapport aux composantes de la variable de contrle k nest pas modie par rapport celle qui est donne dans le cas du modle Saint-Venant simple dcrit dans la partie 2.2. Si lon ajoute le coecient la liste des variables de contrle, la drive partielle de j par rapport cette dernire scrit de manire formelle de la faon suivante : j (k) =
Np tf i
u Xi (t), t , Xi (t)
i=1 t0 i
dt .
tel-00273318, version 1 - 15 Apr 2008
4.3
Discrtisation numrique des trajectoires
Dans cette partie, nous allons prsenter la mise en uvre numrique du modle de transport prsent prcdemment. Pour des raisons de simplicit, nous limiterons cette mise en uvre des domaines rectangulaires et des maillages structurs utilisant des quadrangles. Par ailleurs, pour la prsentation du schma numrique, on considrera une unique particule lche linstant t0 au point x0 et transporte par un champ de vitesse v, ce qui permettra domettre lindice i sur les variables.
4.3.1
Discrtisation en temps
Dans un premier temps, prsentons la discrtisation en temps dune quation diffrentielle du systme (4.1) dcrivant lvolution au cours du temps de la position dune particule. Pour cela, on introduit une subdivision (tn )n de lintervalle [t0 , tf [ telle que tn+1 > tn pour tout n et tn = tn+1 tn . En intgrant lquation de transport entre les temps tn et tn+1 on obtient :
tn+1
X(x , t ; t
n+1
) = X(x , t ; t ) +
tn
v X(x0 , t0 ; s), s ds .
(4.5)
Les positions de la particule aux temps tn , s et tn+1 sont reprsentes dans un repre espacetemps sur la gure 4.3. Dans la suite, on notera X n = X(x0 , t0 ; tn ). On utilise un schma dintgration de type Runge-Kutta dordre 2 pour calculer une approximation de ces positions : le schma dit de Heun. Nous allons justier
4.3 Discrtisation numrique des trajectoires
83
t
tn+1
s tn
t0 x0 X(x0 , t0 ; tn ) X(x0 , t0 ; s) X(x0 , t0 ; tn+1 )
Fig. 4.3 Vue dans un repre espacetemps de la trajectoire dune particule transporte
par un champ de vitesse v.
tel-00273318, version 1 - 15 Apr 2008
ce choix. La discrtisation de lquation (4.5) par le schma Runge-Kutta dordre 1 explicite (Euler explicite) scrit : Euler : X n+1 = X n + tn v X n , tn + O (tn )2 . lordre 2, plusieurs schmas Runge-Kutta explicites sont envisageables. On va sintresser deux dentre eux, le schma dit de Heun et celui du point milieu (PM). 1 1 Ce dernier fait intervenir la valeur de la vitesse v au pas de temps tn+ 2 = tn + 2 tn . En posant k1 = v X n , tn , ces deux schmas scrivent de la manire suivante : Heun : X n+1 = X n + 1 tn k1 + v X n + tn k1 , tn+1 2 PM
1
+ O (tn )3 ,
: X n+1 = X n + tn v X n + 1 tn k1 , tn+ 2 + O (tn )3 . 2
Le schma de Runge-Kutta dordre 4 le plus couramment utilis scrit : RK4 : X n+1 = X n + 1 tn k1 + 2k2 + 2k3 + k4 + O (tn )5 , 6 en posant k1 = v X n , tn , k3 = v X n + 1 tn k2 , tn+ 2 , 2
1
k2 = v X n + 1 tn k1 , tn+ 2 , 2 k4 = v X n + tn k3 , tn+1 .
Cependant, lorsque le champ de vitesse v nest connu que de manire discrte aux pas de temps (tn )n , il faut eectuer une interpolation pour obtenir une ap1 proximation de sa valeur au temps tn+ 2 . Si lon utilise une interpolation linaire, cest--dire : v x, tn+ 2
1
vn (x) =
1 v(x, tn ) + v(x, tn+1 ) , 2
(4.6)
84
une erreur dordre 1 est commise. En eet, en eectuant des dveloppements de 1 Taylor autour du temps tn+ 2 , on a : v(x, tn ) = v(x, tn+ 2 ) v(x, tn+1 ) = v(x, tn+ 2 ) +
1 1
tn 2 tn 2
1 v (x, tn+ 2 ) t 1 v (x, tn+ 2 ) t
+ +
(tn )2 8 (tn )2 8
1 2v (x, tn+ 2 ) t2 1 2v (x, tn+ 2 ) t2
+ O (tn )3 , + O (tn )3 ,
ce qui permet de conclure que : v x, tn+ 2

1
= vn (x) + O (tn )2 .
(4.7)
tel-00273318, version 1 - 15 Apr 2008
Ainsi, si lon utilise lapproximation (4.6) pour la valeur du champ de vitesse 1 au temps tn+ 2 dans le schma dintgration RK4, on y introduit un terme en O (tn )3 . Par consquent, on obtient un schma prcis lordre 2 seulement. Il ne sert donc rien dutiliser une mthode dintgration en temps dordre lev si lon ne dispose pas dune approximation susamment prcise du champ de vitesse 1 au temps tn+ 2 . Le problme est moindre avec le schma PM puisque le terme derreur introduit par linterpolation est du mme ordre que lerreur de troncature du schma. Dautre part, la mthode de Heun ne prsente pas cet inconvnient de ncessiter linterpolation du champ de vitesse. Nous choisirons donc cette dernire par la suite. Par ailleurs, le champ de vitesses v est issu de la solution des quations de SaintVenant rsolues par un schma volumes nis prcis lordre 1 en temps et en espace ; le choix dun schma dordre suprieur 2 pour lintgration des trajectoires ne se justie donc pas.
4.3.2
Discrtisation en espace
Pour calculer la position des particules laide du schma numrique dcrit dans le paragraphe prcdent, il faut connatre la vitesse de transport v en un point quelconque du domaine . Or, dans le cas qui nous proccupe, ce champ de vitesse nest connu qu partir de sa valeur moyenne sur les volumes de contrle du schma volumes nis. Il faut donc recourir une interpolation. Dans cette partie nous prsentons donc un schma dinterpolation pour un champ scalaire quelconque en un point P = (px , py ) du domaine . Une partie du maillage structur, rectangulaire et rgulier du domaine est reprsente sur la gure 4.4. On suppose que le champ scalaire est connu par sa valeur moyenne sur chaque maille rectangulaire : j,k = 1 |Kj,k | (x, y) dx dy ,
Kj,k
4.3 Discrtisation numrique des trajectoires
85
k+1
x
P
y
hy
tel-00273318, version 1 - 15 Apr 2008
k j j +1
hx
Fig. 4.4 Grille dinterpolation en espace du champ de vitesse sur un maillage structur,
rectangulaire et structur.
o |Kj,k | = hx hy est la surface de la maille centre sur le point dindices (j, k). Avec les notations de la gure 4.4, on utilise le schma dinterpolation Q1Lagrange suivant : P =
1 hx hy
(hx x)(hy y) j,k + xy j+1,k+1
+ x (hy y) j+1,k + (hx x)y j,k+1
(4.8)
Ce schma est dordre 2 en espace si le champ est susamment rgulier. Plus prcisment, on montre laide de dveloppements de Taylor de autour du point P que : 2 P = (px , py ) + 1 x(hx x) (px , py ) 2 x2
1 + 2 y(hy y) (px , py ) y 2 2 2 2 + o x ; y ; hx ; h2 . y Or les longueurs x et y sont bornes par hx et hy respectivement, ce qui permet dcrire que x = O(hx ) et y = O(hy ). Ainsi, on conclut que le schma dinterpolation (4.8) est dordre 2 :
2
P = (px , py ) + O h2 ; h2 x y Ce schma est utilis pour calculer une approximation de chaque composante de la vitesse v en un point quelconque du domaine de calcul.
86
4.4
Filtrage des observations de trajectoires
Lorsque lon considre des coulements rels, la surface libre est perturbe par des phnomnes physiques qui ne sont pris en compte ni dans les quations de Saint-Venant, ni dans le modle de transport. Les observations de trajectoires de particules peuvent donc sourir dun dfaut de reprsentativit dans le modle coupl. Par ailleurs, le systme dacquisition des observations est galement une source derreur de mesure. Par exemple, dans le cas de lacquisition de donnes par un systme vido, la pixellisation de limage entrane une quantication des donnes de position qui peut devenir une source prpondrante derreur dobservation si la rsolution de la camra est faible. Cependant, si un grand nombre de trajectoires observes est disponible, il est envisageable de les ltrer an de tenter de supprimer linformation relative aux petites chelles de lcoulement ainsi quune partie des erreurs de mesure. Cest ce que nous proposons dans cette partie. Ceci passe par la reconstruction de trajectoires ltres partir de champs de vitesse moyenns sur des fentres spatio-temporelles. Une tape prliminaire consiste rchantillonner les trajectoires pour que leur frquence dobservation corresponde au pas de temps de la simulation.
tel-00273318, version 1 - 15 Apr 2008
4.4.1
Rchantillonnage des observations
Le rchantillonnage des observations de trajectoires consiste interpoler les positions observes des particules sur les pas de temps de simulation du modle dcoulement. Cette opration permet de synchroniser les moments dobservation et les moments dvaluation de la vitesse v lors de lintgration du modle de transport pour faciliter celle-ci ainsi que le calcul de la fonction cot. An de simplier lexpos de la mthode, on considre le cas o lon dispose des ob0 1 M servations dune unique trajectoire, des moments obs = { tobs, tobs, . . . , tobs }. On obs j note cette trajectoire observe X (tobs ) pour j = 0, . . . , M . Par ailleurs, le modle dcoulement est discrtis en temps sur une subdivision rgulire de lintervalle [0, T ] note c = {t0 , t1 , . . . , tN } avec tn = nt. Dans le cas o les deux subdivisions ne sont pas identiques, cest--dire lorsque les instants dobservation ne correspondent pas aux temps de calcul tn , les trajectoires observes sont rchantillonnes sur la subdivision c pour obtenir une trajectoire que lon note X r (tn ) pour n = 0, . . . , N . Selon la densit relative dobservation par rapport au pas de temps de calcul, deux cas limites peuvent se prsenter. Il sont reprsents sur la gure 4.5. Dans le cas 1, la subdivision c est plus ne que obs. On choisit donc dinterpoler les trajectoires observes sur c . Dans le cas 2, la subdivision obs est plus plus ne que c , cest--dire que lon dispose dau moins
4.4 Filtrage des observations de trajectoires

tn1 tn tn+1 tn+p
j+1 tobs
87
tn+p+1
Cas 1 :
j tobs
tn
tn+1
j+1 tobs j+2 tobs j+p tobs j+p+1 tobs
Cas 2 :
j tobs
Fig. 4.5 Rchantillonnage des trajectoires : deux cas limites. une observation par pas de temps de calcul. On choisit alors de dnir la position X r des particules sur la subdivision la plus grossire c de manire ce que la vitesse de la particule rchantillonne soit gale la vitesse moyenne observe sur chaque intervalle [tn , tn+1 ]. Le schma de rchantillonnage dcrit dans la suite prend en compte ces deux cas limites. Lobservation rchantillonne X r (tn ) est dnie pour tout temps tn vriant 0 M tobs tn tobs . On construit alors la trajectoire avec le schma suivant :
0 0 1 X r (tn ) = X obs(tobs) + t vn1 pour tobs tn < tobs 0 M X r (tn+1 ) = X r (tn ) + t vn pour tobs < tn < tn+1 tobs ,
tel-00273318, version 1 - 15 Apr 2008
o la vitesse vn de la particule sur lintervalle de temps [ tn , tn+1 ] est dnie par : vn =

jsn j o sn est lensemble des indices des temps dobservation tobs qui sont pris en compte j dans le calcul de la vitesse de la particule, vobs la vitesse observe sur lintervalle j j+1 n de temps [ tobs, tobs ] et wj son poids relatif dans le calcul de vn . Ces direntes quantits sont calcules de la manire suivante : n j wj vobs ,
sn =
j vobs n wj
j j+1 j [0, M 1] / tobs tn+1 et tobs tn
j+1 j X obs (tobs ) X obs (tobs) = , j+1 j tobs tobs 1 j+1 j = min tobs , tn+1 max tobs, tn t
Dans le cas particulier o les subdivisions c et obs sont identiques, on a bien sr lgalit X r = X obs. Nous serons par exemple dans cette situation pour les expriences jumelles prsentes dans la suite. An de simplier les notations, on dsignera par X obs une trajectoire observe, quelle soit rchantillonne ou pas.
88
4.4.2
Construction dune trajectoire ltre
Le ltrage des observations de trajectoires est bas sur la reconstruction de trajectoires synthtiques partir de champs de vitesse moyenne sur des fentres spatio-temporelles. Ces champs sont construits partir des observations de trajectoires brutes ou rchantillonnes. Pour simplier lcriture, on supposera dans cette partie que les trajectoires que lon considre sont continues en temps. Soit Xiobs}i=1,Np lensemble des trajectoires observes, quelles soient rchantillonnes ou non. On cherche crer un ensemble X j }j=1,Nm de trajectoires ltres, construites partir dun champ de vitesse moyenne que lon note v. Pour cela, il sut dintgrer en temps le systme dquations direntielles ordinaires suivant : Pour j = 1, . . . , Nm :
tel-00273318, version 1 - 15 Apr 2008
d X (t) dt j
= v X j (t), t = x0 . j
t ]t0 , T [ j
(4.9)
X j (t0 ) j
Le point de dpart x0 de la trajectoire ltre j doit tre dni en fonction des j observations disponibles et de la conguration de lcoulement. La vitesse v au temps t et au point X j (t), que lon note pour simplier vj (t) = v X j (t), t , est calcule comme la vitesse moyenne des observations sur une fentre spatio-temporelle W = Wt WX j (t) . La fentre temporelle Wt est un voisinage de
WX(t)
X(t)
os b Xi+1
o Xi bs
Fig. 4.6 Fentre de ltrage spatio-temporelle pour la construction de trajectoires

ltres partir dobservations.
t et la fentre spatiale WX j (t) est un voisinage du point X j (t). On dnit alors la
4.4 Filtrage des observations de trajectoires vitesse vj (t) de la manire suivante : 1

Np Wt
89
vj (t) = o
t j i=1
d obs X (s) 1Xiobs(s)WX (t) ds , j ds i
(4.10)
Np
W =
t j i=1 Wt
1Xiobs(s)WX
j (t)
ds .
tel-00273318, version 1 - 15 Apr 2008
Sur la gure 4.6 est reprsente une fentre de ltrage autour dune particule de position X linstant t. Les deux lignes en traits pointills correspondent des trajectoires observes, les traits pleins ns correspondent aux parties de trajectoires incluses dans la fentre temporelle, tandis que leur intersection avec la fentre spatiale, reprsente par les traits pleins gras, correspondent aux morceaux de trajectoires qui sont pris en compte dans le calcul de la vitesse moyenne vj (t).
4.4.3
Mise en uvre numrique du ltrage
En pratique, lintgration numrique du systme (4.9) utilise la mthode prsente dans la partie 4.3. En ce qui concerne la discrtisation de lquation (4.10) pour le calcul de la vitesse v, on suppose que les observations ont t rchantillon nes par la procdure prsente dans la partie 4.4.1. La vitesse instantane dune d particule observe dindice i, crite ds Xiobs(s) dans lquation (4.10), est approche numriquement au temps tn par un schma aux dirences centr dordre 2 : Xiobs(tn+1 ) Xiobs(tn1 ) d obs Xi (s)|tn . ds 2t Si lon utilise une fentre de ltrage en temps Wtn centre en tn et de rayon qt, la vitesse moyenne discrte vj au temps tn scrit : vj n 1 = 2t Wn j
Np Np n+q
Xiobs tk+1 Xiobs tk1

i=1 k=nq n+q
1Xiobs(tk ) WX n ,
j
(4.11)
o le poids W =
n j i=1 k=nq
1Xiobs(tk ) WX n mesure le nombre de points dobservations

j
prsents dans la fentre spatio-temporelle W.
90
4.5
Conclusion
Nous avons prsent dans ce chapitre une mthode dassimilation variationnelle de donnes lagrangiennes de trajectoires dans le cadre de la simulation en hydraulique uviale. Les donnes lagrangiennes sont reprsentes dans le modle comme la variable dtat dun modle de transport faiblement coupl avec le modle dcoulement. Par ailleurs, une mthode de ltrage des observations de trajectoires a t propose dans le but damliorer lassimilation de donnes relles. Le schma numrique prsent dans la partie 4.3 a t cod dans le logiciel Dassow et le code adjoint correspondant a t produit. Le couplage avec le modle dcoulement a ensuite t eectu de manire pouvoir mettre en uvre la mthode. Nous prsentons dans le chapitre suivant des expriences dassimilation de donnes utilisant des observations de trajectoires, synthtiques et relles, pour lidentication de paramtres dans notre modle dcoulement Saint-Venant.
tel-00273318, version 1 - 15 Apr 2008
Chapitre 5 Expriences dassimilation de trajectoires

tel-00273318, version 1 - 15 Apr 2008
Nous prsentons dans ce chapitre des expriences numriques dassimilation de donnes lagrangiennes utilisant la mthode variationnelle introduite dans le chapitre prcdent. Dans une premire partie, nous montrons la suite de la srie dexpriences jumelles dbute dans le chapitre 3 et qui concernait lidentication conjointe du dbit et du coecient de Manning pour une conguration acadmique simple dans un canal. Nous tudions sur ce cas test ce quapporte lajout dobservations de trajectoires par rapport de simples observations locales de hauteur deau. Une deuxime srie dexpriences jumelles est ensuite consacre lidentication dune topographie locale et des conditions initiales de lcoulement, partir dobservations de trajectoires bruites. Le ltre dcrit dans la partie 4.4 sera mis en uvre. Enn, nous prsentons des rsultats dassimilation dobservations relles de trajectoires dans un coulement ralis en laboratoire dans un canal. Les positions de particules lches dans lcoulement sont extraites de prises de vues vido, ltres, puis utilises comme observations pour lidentication de plusieurs paramtres du modle Saint-Venant.
5.1
Cas test : identication du dbit et du coefcient de Manning
Cette partie est consacre des expriences jumelles dassimilation de trajectoires qui font suite aux expriences prsentes dans la partie 3.3. Nous avions montr que lutilisation dobservations ponctuelles en espace et continues en temps de hauteurs deau pouvait tre insusante pour lidentication du dbit en condition 91
92
Chapitre 5 : Expriences dassimilation de trajectoires
limite dans le cas o une autre variable de contrle le coecient de Manning en loccurrence ntait connue que de manire approximative.
5.1.1
Conguration de lexprience
Nous reprenons donc la mme conguration que celle dcrite page 67, en considrant cette fois-ci des observations additionnelles de trajectoires synthtiques. Le canal est rectangulaire de 100 m de long et 8 m de large, la topographie est dnie par lquation (3.3) et le coecient de Manning de rfrence est constant sur le domaine nref = 0.025. Le dbit de rfrence est dni par lquation (3.4).
5.1.2
tel-00273318, version 1 - 15 Apr 2008
Observations de trajectoires
En plus des mesures de hauteur deau eectues au point (x1 , y1 ) = (40, 2) dans la conguration de rfrence, on cre des observations de trajectoires synthtiques en mesurant chaque pas de temps la position de particules modles lches dans lcoulement. Au temps t = 0 sont lches 48 particules uniformment rparties sur lensemble du domaine. Puis, toutes les 2.5 secondes et 16 reprises, 8 particules uniformment rparties sur la largeur du domaine sont lches au point x = 5 m. Au total, Np = 176 trajectoires synthtiques sont ainsi construites. On dsigne la position au temps t de la particule observe numro i par Xiobs(t). La gure 5.1 montre les trajectoires de six particules modles lches dans lcoulement
2 100
Lcher initial
t=0s t = 15 s t = 20 s t = 25 s t = 30 s t = 40 s
Lcher initial
t=0s t = 15 s t = 20 s t = 25 s t = 30 s t = 40 s
80 Distance x (m) 40 60 Distance x (m) 80 100
1.5 Distance y (m)
60
40
0.5 20
0 0 20
0 0 10 20 30 40 50 Temps (s) 60 70 80
(a) Trajectoires dans le plan xy.
(b) Trajectoires dans le plan tx.
Fig. 5.1 Identication conjointe du dbit et du coecient de Manning en utilisant des

mesures de hauteur deau et des observations de trajectoires. Trajectoires synthtiques de rfrence de six particules lches dans lcoulement au point (5, 8 ) dirent instants. 9
93
8 de rfrence au point (5, 9 ). La gure de gauche les reprsente dans une partie du domaine spatial vue du dessus tandis que la gure de droite les reprsente dans un plan espace-temps o labscisse des particules est trace en fonction du temps de simulation.
5.1.3
Rsultats numriques
Nous allons prsenter deux expriences dassimilation de donnes pour lidentication conjointe du dbit et du coecient de Manning partir des observations de hauteur deau et de trajectoires. Exprience 1
tel-00273318, version 1 - 15 Apr 2008
La premire exprience consiste utiliser toutes les observations disponibles dcrites dans la partie prcdente. Les conditions sont les mmes que dans la troisime exprience de la partie 3.3.3, prsente page 72. Mais le modle inclut dsormais le transport des particules et la fonction cot est modie en consquence : an de prendre en compte les observations de trajectoires, on ajoute la fonction cot j2 dnie en (3.6) un terme mesurant la distance entre les particules modles et les particules observes pour obtenir : 1 j3 (, n) = q 2
T 0
t h(x1 , y1 , t) hobs(t) dt + 2
2
Np
tf i t0 i
Xi (t) Xiobs(t) dt (5.1)
i=1
o le paramtre t est le poids accord aux observations de trajectoires. Il est x t = 106 , de manire donner peu prs autant dimportance au terme associ aux observations de trajectoires et celui associ aux observations de hauteur deau. On cherche toujours le coecient de Manning dans une classe des fonctions constantes par morceaux. Le rsultat de lidentication du dbit est prsent dans la colonne de gauche sur la gure 5.2 (a). En comparant avec les rsultats prsents sur la gure 3.6 (c), on remarque une nette amlioration par rapport lexprience dassimilation sans les trajectoires : le dbit identi correspond trs bien celui de rfrence. En ce qui concerne le coecient de Manning, lerreur relative en norme innie sur sa valeur identie est de 3.2 105 . La fonction diagnostique jdiag a t divise par 106 la n du processus dassimilation de donnes par rapport sa valeur initiale, ce qui est aussi bien que dans la premire exprience o lon avait une connaissance exacte du coecient de Manning et o lon identiait uniquement le dbit (voir partie 3.3.3, page 69).
94

Dbit
20 Identifi Rfrence
10
10
j | j | jdiag
Dbit (m3/s)
15
104
10
10
108
10
20
30
40 50 Temps (s)
60
70
80
1010
20
40
60 80 Nb. ditrations
100
120
140
(a) Observation des particules chaque pas de temps.

Dbit
20 Identifi Rfrence
100 j | j | jdiag
tel-00273318, version 1 - 15 Apr 2008
102
Dbit (m3/s)
15
104
10
106
108
10
20
30
40 50 Temps (s)
60
70
80
1010
20
40
120
140
160
(b) Observation des particules au temps tobs = 50 secondes.
Fig. 5.2 Identication conjointe du dbit et du coecient de Manning en utilisant

des mesures de hauteur deau et des observations de trajectoires. Colonne de gauche : dbit identi en fonction du temps. Colonne de droite : volution de la fonction cot, de la norme de son gradient et de la fonction diagnostique jdiag.
Exprience 2 Pour la deuxime exprience, seule une toute petite partie des observations de trajectoires disponibles est utilise. Plus prcisment, on ne prend en compte que les positions des particules observes au temps tobs = 50 secondes. La fonction cot scrit alors : 1 j4 (, n) = q 2
T
h(x1 , y1 , t) h (t)
0
obs
t dt + 2
Np
Xi (tobs) Xiobs(tobs)
i=1
. (5.2)
La valeur du paramtre t est multiplie par 1000 par rapport lexprience prcdente an de prserver lquilibre entre les deux termes de la fonction cot.
5.2 Cas test : identication de la topographie et des conditions initiales On a donc t = 103 .
95
Le rsultat est prsent sur la gure 5.2 (b). Tout comme dans lexprience prcdente, le dbit identi correspond trs bien celui de rfrence. Lerreur relative en norme innie sur la valeur identie du coecient de Manning augmente 1.3 104 , le processus doptimisation ncessite une vingtaine ditrations supplmentaires et la valeur nale de la fonction diagnostique est lgrement suprieure. Qualitativement, on peut dire que lidentication est presque aussi bonne que dans lexprience prcdente.
5.1.4
tel-00273318, version 1 - 15 Apr 2008
Conclusion
Dans la partie 3.3, nous avions prsent les rsultats de lassimilation dobservations de hauteur uniquement. Nous avions alors montr que dans la conguration acadmique tudie, ces donnes ntaient pas susantes pour identier correctement le dbit lorsque le coecient de Manning tait dgrad. Ici, la prise en compte dobservations de trajectoires de particules permet didentier de manire trs satisfaisante la fois le dbit et le coecient de Manning dans la mme conguration dcoulement. Mme dans le cas o les observations de trajectoires sont trs ponctuelles dans le temps, linformation additionnelle quelles vhiculent suft amliorer sensiblement la qualit de lidentication par rapport de simples observations de hauteur deau.
5.2
Cas test : identication de la topographie et des conditions initiales
Cette partie fait lobjet dun article soumis publication [46]. Les expriences prsentes ici sont consacres lidentication conjointe de llvation du fond et des conditions initiales partir dobservations de hauteur deau et de trajectoires de particules. Il sagit dexpriences jumelles. Une exprience similaire utilisant des observations relles de trajectoires sera prsente dans la partie 5.3. An de tester lalgorithme de ltrage des trajectoires, nous considrons des observations de trajectoires synthtiques perturbes par lajout dun bruit dans la vitesse de transport simulant des perturbations de petite chelle sur la surface libre. Avant de prsenter les expriences dassimilation en elles-mmes, la mthode de perturbation des trajectoires est rapidement dcrite dans le paragraphe suivant.
96
5.2.1
Perturbation des trajectoires numriques
Les trajectoires bruites utilises comme observations dans cette exprience sont cres laide du modle direct en enregistrant les positions successives de particules modles transportes par un champ de vitesse turbulent not vtr. Ce dernier est form partir de la vitesse modle de transport v = u et dune perturbation note v : vtr(x, t) = u(x, t) + v(x, t) . (5.3) La perturbation v est dnie par un processus de Markov gaussien. On dsigne par la variable alatoire vn = v(, tn ) la perturbation sur le champ de vitesse au n temps t . On introduit galement le tenseur de Reynolds R(tn ) et le tenseur de corrlation en temps (tn , tm ) dnis par : v R(tn ) = E vn ( n )T , v (tn , tm ) = E vn ( m )T . Le tenseur de Reynolds R est une matrice symtrique dnie positive. On considre le cas particulier o est une fonction exponentiellement dcroissante en temps de R : n t (tn + tn , tn ) = e TL R(tn ) , o TL est le temps caractristique de la turbulence locale. La perturbation vn est alors dnie par lquation suivante : vn+1 = e
t T
n L
tel-00273318, version 1 - 15 Apr 2008
vn + wn ,
o wn est une variable alatoire gaussienne de moyenne nulle et de matrice de covariance Wn dnie par : Wn = 1e
2t T
n L
R(tn ) .
Ainsi, lesprance de la variable alatoire vn est toujours nulle. Sa covariance R sera dnie par la suite.
5.2.2
La conguration pour les expriences jumelles consiste en un coulement dans un canal rectangulaire de dimensions 100 16 m avec un fond inclin 0.4% qui prsente une bosse damplitude 0.25 m sur toute la largeur, centre en x = 40 m et de longueur 30 m. La prsence de cette bosse provoque une acclration de lcoulement dans la rgion x [25, 60].
5.2 Cas test : identication de la topographie et des conditions initiales
97
Un dbit constant q = 8 m3 /s est impos au bord q dni par x = 0. Les bords dnis par y = 0 et y = 16 m sont constitus de murs et nots w . Enn, des conditions de Neumann homognes sont imposes au bord t dni par x = 100 m (voir gure 5.3 (a)). An de simuler un ralentissement de lcoulement li aux eets de bord, le coecient de Manning n est variable en espace. Dans la partie centrale du domaine, note 1 et dnie par |y 8| < 4 m, la valeur de n est xe 0.02. Dans les parties latrales du domaine, notes 2 , elle augmente de manire linaire de 0.02 jusqu 0.04 aux bords w .
y
1.2 1 Fond Surface libre
16
2
Hauteur z (m)
0.8 0.6 0.4 0.2
1
2
tel-00273318, version 1 - 15 Apr 2008
0 0 20 40 60 Distance x (m) 80 100
100
(a) Vue schmatique de haut et dcoupage en zones du domaine de calcul.
(b) Coupe verticale du domaine uide dans la conguration de rfrence.
Fig. 5.3 Identication conjointe de la topographie et des conditions initiales : conguration de lcoulement pour les expriences jumelles dassimilation lagrangiennes de donnes.
Cette conguration conduit lcoulement jusqu un tat permanent qui sert de condition initiale pour la construction des observations et pour les expriences jumelles. Une coupe verticale du domaine uide dans le plan longitudinal sur la gure 5.3 (b) reprsente la topographie du fond et la surface libre pour cet coulement stationnaire. Les expriences jumelles dassimilation de donnes sont ralises sur une dure de simulation T = 100 s, avec un pas de temps constant t = 0.1 s.
5.2.3
Cration des observations
Cration des observations de hauteur deau Sur une priode de calcul T = 100 s, la hauteur deau est enregistre aux points dabscisse x1 = 15 m et x2 = 70 m, cest--dire de part et dautre de la bosse, sur toute la largeur du domaine et de manire continue en temps. Ces mesures serviront
98
par la suite dobservations notes hobs(y; t) pour i = 1, 2 dans les expriences i jumelles. Construction des trajectoires bruites Des particules sont lches en amont de lcoulement et transporte par une vitesse vtr = u + v pour laquelle la perturbation v est la ralisation dun processus de Markov gaussien dont les paramtres dpendent de la position dans le domaine et de ltat de lcoulement. En reprenant les notations du paragraphe 5.2.1, la matrice de corrlation est dnie par : R =
2 x x y 2 x y y
tel-00273318, version 1 - 15 Apr 2008
o est le coecient de corrlation entre les deux composantes de la vitesse. Nous choisissons de dnir les carts-types x et y par : x = cx 1 + (vx )2 et y = cy , 1 + (vy )2
o cx et cy sont deux coecients dont la valeur est donne ci-aprs, vx et vy sont les composantes longitudinales et transversales de la vitesse de transport des particules. Ce choix correspond une perturbation relative qui sattnue avec la vitesse de lcoulement. Les valeurs numriques des paramtres utilises pour la zone centrale de lcoulement et les deux bandes latrales sont reportes dans le tableau 5.1. Ces valeurs correspondent une perturbation damplitude plus importante dans les bandes latrales que dans le canal central, o le temps caractristique des perturbations est deux fois plus long. Un total de Np = 640 particules est lch dans lcoulement par paquets de 32, toutes les 2 secondes au point dabscisse x = 10. chaque fois, les particules sont rparties de manire uniforme sur la largeur du domaine. Les trajectoires de ces particules transportes par le champ de vitesse perturb vtr seront utilises comme observations et notes Xiobs. Elles sont reprsentes dans le plan (x, y) en traits pointills ns sur la gure 5.4, tandis que les partie centrale 1 bandes latrales 2 0.2 0.3 cx 0.5 0.6 cy 0.3 0.4 TL 0.6 0.3
Tab. 5.1 Tableau de valeurs des paramtres pour le modle de perturbation des
trajectoires synthtiques.
99
16 14 12 Distance y (m) 10 8 6 4 2 0 10 20 30 40 50 60 Distance x (m) 70
Observations Reference
80
90
100
Fig. 5.4 Trajectoires bruites et trajectoires de rfrence dans le plan (x, y).
tel-00273318, version 1 - 15 Apr 2008
trajectoires de particules qui seraient transportes par un champ de vitesse non perturb (correspondant au cas o v 0) sont reprsentes en traits gras noirs. Ces trajectoires de rfrence seront notes Xiref par la suite. La vitesse longitudinale (dans le sens des x croissants) et la vitesse transversale (dans le sens des y croissants) des particules bruites et des particules de rfrence sont reprsentes selon le mme principe en fonction de x et de y respectivement sur les gures 5.5 (a) et 5.5 (b).
3 2.5 Velocity u (m/s) 2 1.5 1 0.5
0.6 0.8
0.6 0.4 Velocity v (m/s) 0.2 0 0.2 0.4
0 10 20 30 40 50 60 70 Distance x (m) 80 90 100
0.8 10 20 30 40 50 60 Distance x (m) 70 80 90 100
(a) Vitesse longitudinale
(b) Vitesse transversale
Fig. 5.5 Vitesses des particules bruites et des particules de rfrence en fonction de
la variable despace x.
Filtrage des trajectoires Des trajectoires ltres sont reconstruites partir des observations de trajectoires bruites Xiobs en utilisant la mthode dtaille dans la partie 4.4. Ce ltrage peut tre eectu direntes chelles, en utilisant des ltres de dimensions direntes.
100
En pratique, ces dimensions doivent tre choisies en fonction des chelles et des variations caractristiques en temps et en espace de lcoulement, ou dfaut de connaissance, partir dhypothses a priori. Ainsi, dans le cas test en question, on prend en compte le fait que lcoulement considr est dans un tat stationnaire pour adopter une fentre temporelle la plus large possible, cest--dire Wt = [0, T ] pour tout temps t. Concernant les dimensions de la fentre spatiale, elle doivent tre choisies susamment grandes an de supprimer le plus de perturbations de petites chelles possible, tout en ne lissant pas trop les variations caractristiques de lcoulement. On se limitera une taille de ltre constante en temps et en espace. Comme on observe sur les trajectoires brutes Xiobs des variations de vitesse longitudinale importantes, la dimension correspondante du ltre est xe une petite valeur, soit 1% de la longueur du domaine. Pour la dimension transversale, un compromis est possible entre une valeur trop petite pour ltrer susamment les petites chelles de perturbation et une valeur trop grande qui amnerait lisser les eets de bord : 1 nous choisissons une largeur correspondant 16 de celle du canal, soit 1 m. Ainsi, la fentre spatiale est forme par le carr de ct 1 m. Le nombre total de trajectoires reconstruites est du mme ordre de grandeur que pour les observations brutes avant ltrage, soit Nm = 200. Elles sont cres par intgration en temps du systme dquations (4.9), partir de lots de 10 particules lches toutes les 2 secondes au point dabscisse x = 10 m et rparties de manire uniforme sur la largeur.
tel-00273318, version 1 - 15 Apr 2008
5.2.4
Identication de la topographie seule
Dans cette premire exprience, nous cherchons identier la topographie de rfrence qui a servi la cration des observations partir de lhypothse a priori dun fond pente constante de 0.4%, sans bosse, en utilisant les observations disponibles que sont les mesures de hauteur deau et les trajectoires de particules. La topographie zb est la seule variable de contrle modie par rapport la conguration de rfrence. En particulier, la condition initiale de lcoulement est toujours celle de lcoulement permanent ayant servi la cration des observations. Ce choix contraint le problme didentication et facilite sensiblement lidentication de la valeur optimale de la topographie. Dmarrer lassimilation de donne partir dune valeur dirente de la condition initiale serait plus raliste car celle de rfrence nest a priori pas connue. Mais cela ncessiterait didentier ce paramtre conjointement la topographie. Ce problme sera abord dans la partie 5.2.5. Nous allons maintenant prsenter dirents rsultats didentication de la topographie, en faisant varier les observations utilises pour lassimilation de donnes.
5.2 Cas test : identication de la topographie et des conditions initiales Observations de hauteur deau seules
101
Dans un premier temps, nous utilisons uniquement comme observations les hauteurs deau hobs disponibles aux points dabscisse x1 = 15 m et x2 = 70 m pour i identier la topographie zb . Pour cela, on cherche minimiser la fonction cot suivante : 1 j1 (zb ) = 2
2 0 T 0 yL
h(xi , y; t) hobs(y; t) dy dt + i
i=1
p 2
zb
(5.4)
tel-00273318, version 1 - 15 Apr 2008
o yL dsigne la largeur du domaine . Un terme de rgularisation construit sur la norme du gradient de topographie est introduit an de lisser la solution. La valeur du paramtre p est choisie de manire ce que le poids de la rgularisation nentrave pas leet de lautre terme. Dans cette exprience, elle a t xe p = 103 . Sur la gure 5.6 (a) dans la colonne de gauche, la topographie de rfrence est dessine avec le trait gras noir et la topographie identie avec le trait n gris. On remarque que cette dernire prsente de fortes variations de niveau par rapport la topographie de rfrence, notamment dans la premire partie du domaine. La gure de la colonne de droite montre lvolution de la valeur de la fonction cot, de la norme de son gradient et de la valeur de la fonction diagnostique jdiag, toutes normalises par leur valeur initiale, au cours des itrations du processus doptimisation. On peut noter que lalgorithme doptimisation converge trs lentement et que la valeur de la fonction diagnostique, dont la dcroissance au cours de lassimilation peut tre utilise comme une mesure de la qualit de lidentication, a tout juste t divise par 2. Cela conrme que lidentication est globalement loin dtre satisfaisante.
Observations de trajectoires non bruites Dans cette exprience, on ajoute aux observations de hauteur deau celles des Np = 640 trajectoires de rfrence Xiref (voir page 99). Les particules observes tant transportes par la vitesse de transport u non perturbe, cette exprience sert de rfrence pour tester la performance de la mthode dassimilation dans des conditions idales, sans bruit, ainsi que pour valuer lecacit du ltrage des trajectoires bruites dans les expriences suivantes. La fonction cot est construite partir de celle du paragraphe prcdent, avec un terme supplmentaire qui mesure lcart entre les particules modles et les
102 particules de rfrence :
t j2 (zb ) = j1 (zb ) + 2
Np
tf i t0 i
Xi (t) Xiref(t)
dt .
(5.5)
i=1
Le paramtre t dtermine le poids accord aux observations de trajectoires. Sa valeur est xe t = 105 , de manire donner peu prs autant dimportance au terme associ aux observations de trajectoires qu celui associ aux observations de hauteur deau. Le paramtre p reste x 103 . Comme on peut le voir sur la gure 5.6 (b), la topographie identie est trs proche de celle de rfrence, ce que conrme la valeur de la fonction jdiag qui est divise par 80 la n de loptimisation. La fonction cot j2 atteint un minimum 0.15075, valeur constitue pour 93% par le terme de rgularisation. La qualit de lidentication est donc trs bonne.
tel-00273318, version 1 - 15 Apr 2008
Observations de trajectoires bruites Cette fois, la place des observations de trajectoires de rfrence, on utilise les 640 trajectoires bruites Xiobs, avant ltrage. La fonction cot est construite partir de j1 , avec un terme supplmentaire qui prend en compte lcart entre les trajectoires des particules modles et les trajectoires bruites : t j3 (zb ) = j1 (zb ) + 2
Np tf i t0 i
Xi (t) Xiobs(t)
dt .
(5.6)
i=1
En utilisant les mmes valeurs pour les paramtres p et t que dans le paragraphe prcdent, la topographie identie prsente des variations de grande amplitude, bien que la forme de la bosse soit relativement bien retrouve, comme on peut le voir sur la gure 5.6 (c). La valeur de la fonction diagnostique jdiag est divise par 6 par rapport sa valeur initiale, ce qui est beaucoup moins bien que dans le paragraphe prcdent avec les trajectoires non bruites. Observations de trajectoires ltres Dans cette exprience, on utilise maintenant comme observations les trajectoires ltres notes X j . La fonction cot est construite partir de j1 , avec un terme supplmentaire qui prend en compte lcart entre les trajectoires des particules modles et les trajectoires ltres : t j4 (zb ) = j1 (zb ) + 2
Nm tf j
Xj (t) X j (t)
j=1 t0 j
dt .
(5.7)

0.6 0.5 0.4
0.1 100
103
Topographie Rfrence Identifie

10 1
j | j | jdiag
Hauteur z (m)
0.3
0.01
0.2
0.001
0.1 0 0 20 40 60 Distance x (m) 80 100
1e04 1e05 0 100 200 300 Nb. ditrations 400 500
(a) Mesures de hauteur deau seulement. p = 103 .

0.6 0.5 0.4
0.01 1

0.1
j | j | jdiag
Hauteur z (m)
0.3
0.001
tel-00273318, version 1 - 15 Apr 2008
0.2 0.1 0 0 20 40 60 Distance x (m) 80 100

1e04
1e05 0 20 40 60 80 Nb. ditrations 100 120 140
(b) Mesures de hauteur deau et trajectoires de rfrence. t = 105 , p = 103 .

0.6 0.5 0.4
0.1 10

1
j | j | jdiag
Hauteur z (m)
0.3
0.01
0.2 0.1 0 0 20 40 60 Distance x (m) 80 100

0.001
1e04 0 10 20 30 40 50 Nb. ditrations 60 70 80 90
(c) Mesures de hauteur deau et trajectoires bruites. t = 105 , p = 103 .

0.6 0.5 0.4
0.1 10

1
j | j | jdiag
Hauteur z (m)
0.3
0.01
0.2 0.1 0 0 20 40 60 Distance x (m) 80 100

0.001
1e04 0 20 40 60 80 Nb. ditrations 100 120 140
(d) Mesures de hauteur deau et trajectoires ltres. t = 2 105 , p = 103 .
Fig. 5.6 Identication de la topographie en utilisant des mesures de hauteur deau et des observations de trajectoires. Colonne de gauche : topographie identie. Colonne de droite : volution de la fonction cot, de la norme de son gradient et de la fonction diagnostique jdiag.
104
On considre les Nm = 200 trajectoires ltres dont la construction a t dcrite dans la partie 5.2.3. Puisque le nombre de trajectoires est moins important que dans les expriences prcdentes, on augmente la valeur du paramtre t an de rquilibrer les poids respectifs des dirents termes de la fonction cot. Ainsi, on a maintenant t = 2105 tandis que lon maintient p = 103 . Sur la gure 5.6 (d), on observe une amlioration notable de la qualit de lidentication par rapport lexprience utilisant les observations de trajectoires non ltres. La topographie identie est plus proche de celle de rfrence. Cette impression est conrme par la valeur de la fonction jdiag la n du processus doptimisation qui est divise par 37 par rapport sa valeur initiale.
5.2.5
tel-00273318, version 1 - 15 Apr 2008
Identication de la topographie et des conditions initiales
Nous allons maintenant nous rapprocher de conditions exprimentales plus relles en cherchant identier la fois la topographie et les conditions initiales (hauteur deau h0 et vitesse u0 ), en partant de lhypothse que les deux paramtres sont inconnus. Comme dans la partie 5.2.4, on part dune valeur initiale de la topographie correspondant un fond pente constante de 0.4% sans bosse. Mais cette fois, au lieu dutiliser la condition initiale correspondant lcoulement de rfrence, reprsente en trait noir sur la gure 5.7, on part de ltat stationnaire obtenu partir de la topographie modie, reprsent en trait gris.
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 20 40 60 Distance x (m) 80 100 Vitesse u (m/s) Hauteur z (m) Hauteur h0 Rfrence Initiale 3 2.5 2 1.5 1 0.5 0 0 20 40 60 Distance x (m) 80 100 Vitesse u0 Rfrence Initiale
(a) Hauteur deau h0
(b) Composante longitudinale de la vitesse u0
Fig. 5.7 Conditions initiales servant dhypothse a priori pour les expriences jumelles
dassimilation.
Observations de hauteur deau seules Comme dans le cas de lidentication de la topographie seule, utilisons dans un premier temps seulement les observations de hauteur deau hobs aux points dabscisses i
5.2 Cas test : identication de la topographie et des conditions initiales x1 = 15 m et x2 = 70 m.
105
Une fonction cot similaire celle note j1 dans la partie 5.2.4 est utilise ici, deux variantes prs. Tout dabord, les conditions initiales h0 et u0 sont galement des variables de contrle. Ensuite, un terme de rgularisation faisant intervenir la norme du laplacien de la condition initiale est introduit. Elle scrit donc de la manire suivante :
T yL 1 2 h(xi , y; t) hobs(y; t) dy dt j5 (zb , h , u ) = i 2 i=1 0 0 p i 2 2 2 + zb + h0 + u0 . 2 2 0 0 2
(5.8)
tel-00273318, version 1 - 15 Apr 2008
La valeur p = 103 est utilise pour le poids accord au terme de rgularisation sur la topographie, tandis que lon xe i = 102 . La gure 5.8 montre la topographie identie ainsi que lvolution de la valeur de la fonction cot au cours des itrations du processus de doptimisation. On voit clairement que la topographie identie est trs loigne de celle de rfrence. Bien que la valeur de la fonction cot j5 ait t divise par prs de 45 000, pour valoir 2.5 102 la n du processus de doptimisation (valeur compose 98% par les termes de rgularisation), la fonction diagnostique jdiag est peine diminue de 30%. Lutilisation dobservations ponctuelles en espace de hauteur deau est donc largement insusante pour lidentication conjointe de la topographie et des conditions initiales dans ces conditions dexprience. Observations de trajectoires non-bruites Ajoutons aux observations de hauteur deau celles des trajectoires de rfrence Xiref. Tout comme dans la partie 5.2.4, la fonction cot est construite partir de la
0.6 0.5 0.4
0.1 100

10 1
j | j | jdiag
Hauteur z (m)
0.3
0.01
0.2
0.001
0.1 0 0 20 40 60 Distance x (m) 80 100
1e04 1e05 0 100 200 300 Nombre ditrations 400 500
(a) Topographie identie
(b) Convergence de la fonction cot
Fig. 5.8 Identication de la topographie du fond et des conditions initiales partir

des observations de hauteur deau seules. p = 103 , i = 102 .
106
prcdente avec un terme supplmentaire mesurant la distance entre les particules modles et les particules de rfrence : t j6 (zb , h , u ) = j5 (zb , h , u ) + 2
0 0 0 0 Np tf i t0 i
Xi (t) Xiref(t)
dt .
(5.9)
i=1
On souhaite, comme dans la partie 5.2.4, accorder autant dimportance au terme associ aux observations de trajectoire et celui associ aux observations de hauteur deau. Le paramtre t est alors x 5 105 . On laisse p = 103 et i = 102 . Comme le montre la gure 5.9 (a), la topographie identie reproduit nement la bosse de la topographie de rfrence et elle est semblable celle, reprsente sur la gure 5.6 (b), issue de lexprience didentication de la topographie seule avec les trajectoires de rfrence.
tel-00273318, version 1 - 15 Apr 2008
Concernant les variables h0 et u0 , dont la valeur est reprsente sur les gures 5.9 (c) et (d), la qualit de lidentication est trs bonne dans la premire moiti de lcoulement (pour des valeurs de la variable despace x comprises entre 0 et 40) puis se dgrade sensiblement dans la seconde moiti. On attribue ce phnomne la plus faible sensibilit des observations aux variations de la condition initiale dans cette partie du domaine proche de laval. Cela signie que lcart constat entre la
0.6 0.5 0.4 0.3 0.2 0.1 0 0 20 40 60 Distance x (m) 80 100
10

1
j | j | jdiag
Hauteur z (m)
0.1
0.01
0.001
1e04
1e05 0 100 200 300 Nb. ditrations 400 500

0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 20 40 60 Distance x (m) 80 100 Hauteur h0 Rfrence Identifie

3 2.5 Vitesse u (m/s) 2 1.5 1 0.5 0 0 20 40 60 Distance x (m) 80 100 Vitesse u0 Rfrence Identifie
Hauteur z (m)
(c) h0 identie
(d) u0 identie
Fig. 5.9 Identication de la topographie du fond et des conditions initiales partir des observations de hauteur deau et de trajectoires non bruites. t = 5 105 , p = 103 , i = 102 .
107
valeur identie de la condition initiale et celle de rfrence ne correspond pas une dirence notable dans les observations. Par ailleurs, les consquences de cet cart sur lcoulement dans sa globalit sont faibles. La valeur de la fonction diagnostique jdiag diminue rgulirement dans un premier temps au cours des itrations du processus de minimisation, puis augmente lgrement jusqu se stabiliser une valeur 28 fois plus petite quinitialement.
Observations de trajectoires ltres Utilisons prsent les observations de trajectoires ltres X j en plus des observations de hauteur deau pour identier conjointement la topographie et les conditions initiales. La fonction cot est construite partir j5 avec un terme supplmentaire mesurant lcart entre les trajectoires des particules modles et les trajectoires ltres : t j7 (zb , h , u ) = j5 (zb , h , u ) + 2
0 0 0 0 Nm tf i 2
tel-00273318, version 1 - 15 Apr 2008
Xj (t) X j (t)
j=1 t0 i
dt .
(5.10)
La valeur du paramtre t est double par rapport lexprience prcdente utilisant les trajectoires de rfrence, de la mme manire que dans la partie 5.2.4. On a donc t = 104 . Concernant les paramtres p et i , si la mme valeur que dans les expriences prcdentes est utilise, la topographie ainsi que les conditions initiales identies sont sensiblement dgrades par rapport la solution de rfrence. Elles prsentent des oscillations importantes notamment dans la partie amont du domaine. En utilisant p = 102 et en laissant i inchange, les rsultats sont bien meilleurs, comme le montre la gure 5.10. La topographie identie reproduit correctement la bosse de la topographie de rfrence. Sur les gures 5.10 (c) et (d), on observe que les conditions initiales identies sont qualitativement semblables celles obtenues dans lexprience prcdente utilisant les trajectoires de rfrence : bonne qualit dans la premire moiti de lcoulement et dgradation dans la seconde moiti due une plus faible sensibilit des observations aux conditions initiales dans cette partie du domaine. Nanmoins, de lgres variations irrgulires apparaissent dans la zone la plus en amont du domaine. Dautre part, la profondeur est lgrement sur-value et la vitesse sous-value dans la zone situe immdiatement au-dessus la bosse. La valeur de la fonction diagnostique jdiag est divise par 19 par rapport sa valeur initiale la n du processus doptimisation.
108
0.6 0.5 0.4

10

1
j | j | jdiag
Hauteur z (m)
0.1
0.3
0.01
0.2 0.1 0 0 20 40 60 Distance x (m) 80 100

0.001
1e04 0 20 40 60 80 Nb. ditrations 100 120 140

0.8 0.7 0.6 0.5 0.4 0.3 0.2 Hauteur h0 Rfrence Identifie

3 2.5 Vitesse u (m/s) 2 1.5 1 0.5 0 Vitesse u0 Rfrence Identifie
tel-00273318, version 1 - 15 Apr 2008
Hauteur z (m)
0.1 0 20 40 60 Distance x (m) 80 100
20
40 60 Distance x (m)
80
100
(c) h0 identie
(d) u0 identie
Fig. 5.10 Identication de la topographie du fond et des conditions initiales partir des observations de hauteur deau et de trajectoires ltres. t = 104 , p = 102 , i = 102 .
5.2.6
Conclusion
Nous venons de prsenter des expriences jumelles dassimilation de trajectoires concernant lidentication de la topographie et des conditions initiales dans une conguration simple de canal en rgime permanent. Le contexte est dirent des expriences prsentes dans la partie 5.1. En eet, les variables de contrle ne sont pas les mmes et la dynamique de lcoulement prsente moins de variations en temps puisque lon considre un coulement stationnaire. Par ailleurs, les observations de trajectoires sont plus denses en temps et en espace, ce qui nous a permis de mettre en uvre une mthode de ltrage. Nous avons mis en vidence lintrt des observations de trajectoires comme complment dinformation pour lidentication conjointe de la topographie et des conditions initiales par rapport de simples observations de hauteur deau. Ce rsultat a t obtenu dans le cadre dexpriences jumelles, dans lesquelles une grande partie des incertitudes sur les donnes du problme est matrise. An de confronter la mthode un contexte moins idal, une exprience similaire utilisant des observations relles de trajectoires est prsente dans la partie suivante.
5.3 Assimilation de donnes relles
109
5.3
Assimilation de donnes relles
Cette partie prsente une exprience dassimilation de donnes relles de trajectoires dans un canal. Les particules observes sont des confettis dissmins la surface de leau, entrans par lcoulement dans un canal et lms par une camra vido. Les trajectoires de ces confettis sont ensuite extraites des images vido et exploites dans le cadre dune exprience dassimilation de donnes. Ce travail a t eectu en collaboration avec Nicolas Rivire (LMFA1 ) pour la ralisation de lcoulement en canal et la prise de vue vido et avec tienne Huot (INRIA2 ) pour lexploitation des images vido. Il fait lobjet dun article en cours de rdaction [42].
5.3.1
tel-00273318, version 1 - 15 Apr 2008
Lexprience utilise un canal section rectangulaire de 8 m de long et de largeur L = 0.805 m. La zone dobservation stend dans la direction longitudinale sur 1.1 m. Un obstacle est plac sur toute la largeur du domaine entre les points dabscisses x1 = 0.43 m et x2 = 0.524 m. Il sagit dune planche de bois de 94 mm de largeur et de 37 mm de hauteur. Le canal est inclin dans le sens de lcoulement 1.8 avec une pente estime 1000 . lentre du canal est impos un dbit constant de q = 20 litres par seconde et la sortie, le niveau de la surface libre est x zs = 0.107 m. Ces conditions aux limites, maintenues constantes au cours du temps, conduisent lcoulement un tat permanent en moyenne. Cest dans cette conguration hydraulique que sont eectues les observations. Une description schmatique du domaine dtude est dessine sur la gure 5.11, par une vue de dessus ainsi quune vue de prol. Le sens de lcoulement y est indiqu par les grandes ches.
5.3.2
Observations
Une fois ltat permanent de lcoulement atteint, la hauteur deau h est mesure sur dirents points, entre les abscisses x = 0.18 m et x = 0.85 m dans le repre de la zone dtude reprsente sur la gure 5.11. Les points dobservation sont reprsents par de petits carrs noirs.
Laboratoire de mcanique des uides et dacoustique, Unit Mixte de Recherche CNRS, cole centrale de Lyon, Universit Claude Bernard (Lyon 1) et Institut National des Sciences Appliques de Lyon. 2 Projet CLIME, INRIA Rocquencourt
1
110

430 mm 94 mm
Zone dobservation
805 mm
hobs
y x
(0, 0)
1100 mm 2 mm 37 mm
Fig. 5.11 Assimilation de donnes de trajectoires relles : description schmatique du
tel-00273318, version 1 - 15 Apr 2008
montage exprimental.
Par ailleurs, des confettis sont dissmins sur la surface libre quelques mtres en amont de lobstacle, en dehors de la zone dobservation. Leur passage lintrieur de celle-ci est lm laide dune camra vido place la verticale du canal, au dessus de lobstacle. Les positions dune srie de confettis ont t releves sur chaque image dune squence vido sur une dure totale de 35 secondes. Un exemple dimage extraite dune squence est donn sur la gure 5.12. La position initiale dun confetti est repre manuellement sur une image, puis sa localisation dune image sur lautre repose sur une mthode classique de corrlation, utilise notamment par la mthode PIV (pour Particle Image Velocimetry [1]). Ce travail dextraction a t eectu par tienne Huot (INRIA). Les positions ainsi releves tout au long de la squence vido dans lespace de limage sont projetes dans lespace physique en leur appliquant une simple transformation gomtrique. La distorsion lie au systme optique de la camra nest pas prise en compte dans cette transformation et nglige par la suite. Enn, les positions dans lespace physique des confettis observs sont assembles an de reconstituer un ensemble de Np = 256 trajectoires. Ces trajectoires, dites brutes, sont ensuite ltres laide de la mthode prsente dans la partie 4.4. Les dimensions de la fentre spatio-temporelle W sont choisies en fonction des caractristiques visibles de lcoulement. Comme celui-ci est permanent en moyenne, la dimension temporelle de la fentre de ltrage est choisie large par rapport la dure dobservation : elle stend sur 20 secondes. Dautre part, lcoulement est rapidement vari dans la direction longitudinale et ne prsente pas de variation transversale hormis proximit des parois en raison de la prsence dune couche limite. Les dimensions spatiales de la fentre sont
111
tel-00273318, version 1 - 15 Apr 2008
Fig. 5.12 Image extraite dune squence vido utilise pour lexprience. On y voit
les confettis la surface de leau (point blancs) ainsi que la planche au fond du canal servant dobstacle.
1 0.8 Distance x (m) 0.6 0.4 0.2 0 0
Trajectoires
Obs. brute Obs. filtre
0.5 0.45 0.4 0.35 0.3 0.25 0.2
Vitesse
Obs. brute Obs. filtre
4 5 Temps (s)
Vitesse (m/s)
0.2
0.4 0.6 Distance x (m)
0.8
(a) Repre tx
(b) Repre xu
Fig. 5.13 Trajectoires et vitesse longitudinale des particules observes. Trait n : observations brutes issues de lextraction des donnes vido. Trait gras : trajectoires ltres.
112
donc xes en consquence : sa dimension transversale correspond la moiti de la largeur du canal, soit 400 mm, et sa dimension longitudinale est beaucoup plus courte, xe 22 mm. Au total, Nm = 150 trajectoires ltres sont reconstruites par le processus de ltrage. Sur la gure 5.13 (a) est trace la premire coordonne x dune srie de trajectoires en fonction du temps. Les trajectoires brutes sont reprsentes par un trait n en pointills tandis que quatre trajectoires ltres sont reprsentes par un trait gras continu. La gure 5.13 (b) montre quant elle la vitesse longitudinale des particules en fonction de la premire variable despace. On peut remarquer une quantication de la vitesse des particules observes avant ltrage. Cela est d lchantillonnage de limage vido : dune image la suivante, on ne peut observer une particule se dplacer que dun nombre entier de pixels. Sa vitesse observe est donc ncessairement une quantit discrte. Cependant, cette quantication est fortement lisse par le processus de ltrage.
tel-00273318, version 1 - 15 Apr 2008
5.3.3
Simulation Saint-Venant de rfrence
Une simulation, dite de rfrence, a t ralise avec le logiciel Dassow, en prenant en compte toutes les informations disponibles sur la conguration et sur lcoulement, an de pouvoir comparer les rsultats numriques avec les observations recueillies. Il sagit dune simple simulation directe, eectue sans aucune assimilation de donnes sur un maillage structur rectangulaire compos de 6116 cellules. Il y sera fait mention, dans la suite et notamment dans les gures, sous lappellation rfrence. La gure 5.14 montre une comparaison entre le rsultat de la simulation SaintVenant de rfrence et les observations. Sur la gure 5.14 (a), la hauteur deau h simule est trace en fonction de la variable despace x avec une ligne en pointills et les observations hobs sont reproduites par des points noirs. On remarque une bonne correspondance entre les deux, ce qui montre que le modle Saint-Venant arrive reprsenter correctement les observations de hauteur deau. Sur la gure 5.14 (b), on compare direntes vitesses longitudinales. La vitesse modle u tire de la simulation de rfrence est trace en traits pointills. Les points noirs reprsentent la vitesse dbitante issue des observations de hauteur deau : il ne sagit pas de la vitesse relle de lcoulement qui serait issue dune mesure de vitesse, mais une vitesse note uobs calcule partir de la valeur du dbit impos q et des observations obs de hauteur deau h par la formule : q uobs = , (5.11) L hobs o L est la largeur du canal. La bonne correspondance entre ces deux courbes est mettre en parallle avec celle observe sur la gure prcdente concernant les hauteurs.

0.12 0.11 0.10 0.09 0.08 h 0.07 0.06 0 0.2 0.4 0.6 Distance x (m) 0.8 1
Rfrence Observations
113
0.45
Vitesse u
Rfrence uobs Particule
0.4 Vitesse u (m)
Hauteur h (m)
0.35
0.3
0.25
0.2 0 0.2 0.4 0.6 Distance x (m) 0.8 1
(a) Hauteur deau
(b) Vitesse longitudinale
tel-00273318, version 1 - 15 Apr 2008
Fig. 5.14 Comparaison entre lcoulement de rfrence simul et les observations. Trait en pointills : simulation Saint-Venant de rfrence. Points noirs : observations issues de lcoulement rel partir des mesures de hauteur deau. Trait continu : vitesse dune particule observe. Par ailleurs, la ligne continue noire sur la gure 5.14 (b) correspond la vitesse obtenue en drivant une trajectoire ltre par rapport au temps. Cest en quelque sorte la vitesse longitudinale laquelle voyagerait une particule la surface de lcoulement le long dune trajectoire ltre. On note un dcalage important entre cette vitesse de surface et la vitesse dbitante. Pour la premire partie de lcoulement (x < 0.5 m), ce dcalage peut tre expliqu en grande partie par la relation entre la vitesse modle u et la vitesse de transport v = u introduite dans la partie 4.2.2 et justie dans le cas dun canal fond plat. Le dcalage correspond alors une valeur du coecient gale 1.1 environ. Dans la seconde partie de lcoulement, cette relation nest cependant plus valable car la prsence de lobstacle correspond un fort gradient de topographie. Il savre quune telle variation nest pas compatible avec les hypothses des quations de Saint-Venant. En eet, dun point de vue hydraulique, ce genre dobstacle produit leet dune marche de part et dautre de laquelle des recirculations verticales de lcoulement peuvent se former [76], comme le montre de manire schmatique la gure 5.15. lintrieur dune zone de recirculation, le dbit est globalement nul. Dans ce cas, le dcalage observ sur la gure 5.14 (b) entre la vitesse de transport et la vitesse dbitante peut tre expliqu par la prsence de telles recirculations, ce quil convient dtudier de plus prs. Au-dessus dune planche de section rectangulaire, dirents rgimes dcoulement sont possibles, en fonction de la hauteur deau en amont et de la submersion de lobstacle [98]. Si celui-ci est faiblement immerg, il peut se produire un jet plongeant : en aval de lobstacle, les valeurs positives de la vitesse longitudinale

zone de recirculation ligne de sparation
Nous souhaitons donc identier les paramtres de notre modle Saint-Venant qui reprsentent de la meilleure manire possible lcoulement observ dans le canal. Plus prcisment, nous allons chercher identier la valeur de la topographie zb , du coecient de Manning n, des conditions initiales de lcoulement h0 et q0 , ainsi que la valeur du coecient du modle de transport.
5.3.4
tel-00273318, version 1 - 15 Apr 2008
114
La prsence de ces recirculations nest donc pas compatible avec les hypothses des quations utilises par notre modle, qui est par consquent a priori inadapt la ralit de lcoulement. Il faudrait pour cela un code de calcul bas sur les quations de Navier-Stokes 3D avec surface libre. Nous pouvons nanmoins essayer deectuer une exprience dassimilation de donnes de trajectoires avec notre code Saint-Venant an didentier les paramtres permettant de reprsenter au mieux ces structures hydrauliques tridimensionnelles. Cest ce que nous proposons dans la partie suivante.
sont situes au fond du canal tandis quune recirculation se forme la surface. Pour des submersions plus importantes, lcoulement forme un jet de surface : la recirculation se produit au fond, les valeurs positives de la vitesse longitudinale tant localises entre la recirculation et la surface libre. La gure 5.15 montre un exemple de conguration en jet de surface, avec des ondes de surface.
de section rectangulaire avec surface libre.
Fig. 5.15 Vue schmatique de zones de recirculation en amont et aval dun obstacle
Assimilation de donnes
surface libre
5.3 Assimilation de donnes relles Exprience 1
115
Nous posons des hypothses a priori sur la valeur de tous ces paramtres identier : le fond du canal est plat, sans obstacle ; le coecient de Manning est x n = 0.01 sur tout le domaine ; les conditions initiales utilises pour la simulation correspondent lcoulement permanent obtenu avec ces dnitions de la topographie et du coecient de Manning. Par ailleurs, on suppose que les particules observes sont transportes par la vitesse de transport v = u o u est la vitesse du modle dcoulement. Les observations utilises sont dune part la mesure de hauteur deau au seul point dabscisse xobs = 0.18 m, suppose constante dans le temps (ltat observ tant obs stationnaire), dautre part les Nm = 150 trajectoires ltres notes Xj (t). partir de ces observations, on construit la fonction cot suivante :
tel-00273318, version 1 - 15 Apr 2008
1 T L 2 h(xobs, y ; t) hobs(t) dy dt j(zb , n, h , q , ) = 2 0 0 Nm tf j t obs (5.12) + |Xj (t) Xj (t)|2 dt 2 j=1 t0 j h q z 2 2 2 zb + h0 + q0 . + 2 2 2 Pour un jeu de paramtres du modle donn, le premier terme mesure sur toute la largeur L du canal lcart entre la hauteur deau simule et la hauteur deau observe au point xobs . Le second terme mesure la distance entre des particules modles transportes par la vitesse v = u et les observations de trajectoires ltres. Les trois derniers sont des termes de rgularisation pour la topographie et les conditions initiales, pondrs par des coecients z , h et q de faible valeur.
0 0
Lassimilation de donnes consiste trouver le vecteur de paramtres (zb , n, h0 , q0 , ) qui minimise la fonction cot j. On cherche identier simultanment la topographie du fond zb en tout point du domaine. La condition initiale h0 sur la hauteur deau et celle q0 sur le dbit local sont identies comme des fonctions de la variable despace x (et donc constantes sur la largeur du domaine). Le coecient de Manning n est cherch constant sur les zones i dnies par :
1 : 0 x < 0.10 m 4 : 0.30 x < 0.40 m 7 : 0.65 x < 0.80 m 2 : 0.10 x < 0.20 m 5 : 0.40 x < 0.55 m 8 : 0.80 x < 0.95 m 3 : 0.20 x < 0.30 m 6 : 0.55 x < 0.65 m 9 : 0.95 x 1.10 m .
Enn, on cherche le coecient multiplicateur comme une fonction de la variable despace x. La valeur du coecient de pondration t est xe 105 an de donner autant de poids aux observations de trajectoires quaux observations de hauteur deau. Les coecients z , h et q des termes de rgularisation sont xs 109 , 1012 et 1012 respectivement.
116
Topographie 0.04
Rfrence Identifie
0.02
Manning n
Initial Identifi
0.015 0.03 Hauteur z (m) Manning n
0.02
0.01
0.01 0.005 0 0 0 0.2 0.4 0.6 Distance x (m) 0.8 1 0 0.2 0.4 0.6 Distance x (m) 0.8 1
(a) Topographie zb .
0.12 0.4
(b) Coecient de Manning.

u0
Rfrence Identifie
tel-00273318, version 1 - 15 Apr 2008
0.11 0.35 Vitesse u (m/s) h0

Rfrence Identifi
Hauteur h (m)
0.1 0.09 0.08 0.07 0.06 0 0.2 0.4 0.6 Distance x (m) 0.8 1
0.3
0.25
0.2 0 0.2 0.4 0.6 Distance x (m) 0.8 1
(c) Hauteur deau initiale h0 .

1.4 Coefficient
Initial Identifi
(d) Vitesse longitudinale initiale u0 .

100
1
1.3 Coefficient
10
j | j |
102
1.2
103
1.1
104 105
1 0 0.2 0.4 0.6 Distance x (m) 0.8 1
50
100
300
350
400
(e) Coecient .
(f) Fonction cot
Fig. 5.16 Identication de la topographie zb , du coecient de Manning, des conditions

initiales et du coecient partir dobservations de hauteur deau et de trajectoires de particules transportes par lcoulement. Trait en pointills : solution Saint-Venant avec paramtres de rfrence. Trait plein gris : valeur des paramtres identis.
5.3 Assimilation de donnes relles Interprtation des rsultats
117
Le rsultat de lassimilation de donnes est prsent sur la gure 5.16. Pour chaque variable de contrle, la valeur identie est trace avec trait continu gris. Sur les gures (a), (b) et (c), le trait en pointills reprsente la valeur de la variable correspondant la solution de rfrence des quations de Saint-Venant. Sur les gures (d) et (e), le trait en pointills correspond la valeur de la variable donne a priori. Lvolution de la fonction cot et de la norme de son gradient est trace en fonction du nombre ditrations du processus de minimisation sur la gure (f). On observe que la valeur de la fonction cot a t divise par 10 000 au cours de lassimilation, pour atteindre 5 106 . Cela signie que la fonction cot a t correctement minimise. Pour sen convaincre, la gure 5.17 reprsente sur le mme graphique la composante longitudinale de la vitesse u de transport des particules calcule dune part en utilisant les valeurs de rfrence des variables et u (trait en pointills), dautre part en utilisant leur valeur optimale identie (trait continu gris). Enn, la vitesse dune particule observe est trace avec des points noirs. On voit une bonne correspondance entre les deux dernires courbes, qui correspond une trs faible valeur du second terme de la fonction cot.
0.45 Vitesse
u rfrence u identifi Particule
tel-00273318, version 1 - 15 Apr 2008
0.4 Vitesse (m/s)
0.35
0.3
0.25 0 0.2 0.4 0.6 Distance x (m) 0.8 1
Fig. 5.17 Comparaison de la vitesse des particules ltres et de la vitesse de surface

modle. Trait n : composante longitudinale de la vitesse de surface u. Points noirs : vitesse dune particule correspondant une trajectoire ltre utilise pour lassimilation de donnes.
En ce qui concerne les variables de contrle, on remarque tout dabord sur la gure 5.16 (a) que la topographie identie ne correspond pas lobstacle prsent dans lcoulement rel : au lieu dune forme rectangulaire bien marque, on trouve une bosse dont ltalement dans la direction longitudinale est beaucoup plus importante. Cependant, en comparant avec lhypothse a priori du fond plat, on constate que lamplitude de lobstacle rel est relativement bien retrouve.
118
Comment interprter lextension de la forme identie de part et dautre de lobstacle rel ? Nous avons voqu dans le paragraphe 5.3.3 la formation dans les coulements hydrauliques de zones de recirculation en prsence dune marche, cest--dire en prsence dune variation importante de la topographie. lintrieur dune telle structure, le uide tourne sur lui-mme et par consquent le dbit est globalement nul sur le volume total dune zone de recirculation. Or, du point de vue des quations de Saint-Venant, le dbit en un point donn correspond lintgration sur la verticale du dbit tridimensionnel. On pourrait ds lors interprter la topographie identie comme le recouvrement de telles zones de recirculation : celles-ci seraient vues par le modle comme faisant partie du fond du canal. Seule la partie de lcoulement participant au dbit eectif serait alors reprsente dans les quations de conservation du modle Saint-Venant. Dun point de vue qualitatif, la forme de la recirculation en aval correspondrait bien celle prsente de manire schmatique sur la gure 5.15. Une recirculation plus petite serait galement prsente juste en amont de lobstacle. Dun point de vue quantitatif, un critre de validation pertinent est le rapport entre la longueur Lr de la recirculation dans la direction longitudinale et la hauteur de lobstacle hp [76]. Si lon regarde nos rsultats, en interprtant la topographie identie comme structure intgrant des zones de recirculation, ce rapport est proche de 12 pour la recirculation en aval de lobstacle. Fritz et Hager [24] ont tudi exprimentalement des coulements au-dessus de seuils trapzodaux symtriques. Ils ont observ que dans le cas dcoulements de type jet de surface avec recircur lation et ondes de surface, le rapport Lp est correctement estim par la relation : h hs Lr = 6.8 hp hp hs hp 1 he hp
1 6
tel-00273318, version 1 - 15 Apr 2008
(5.13)
o he et hs sont les hauteurs deau respectivement en amont et en aval de lobstacle. Avec nos donnes (approximativement he = 109 mm et hs = 107 mm), cette formule donne un rapport gal 10.8. Cependant, cette formule a t tablie pour un obstacle de forme trapzodale et dans notre cas, lobstacle est de forme rectangulaire. Nakayama et Yokojima [66] ont eectu des simulations numriques bases sur les quations de Navier-Stokes surface libre dans une conguration semblable celle de notre coulement. Leurs rsultats sont confronts des donnes exprimentales issues de travaux prcdents r et montrent un rapport Lp proche de 11. Cela indique que lordre de grandeur h obtenu par application de la formule (5.13) est encore bon pour notre obstacle de section rectangulaire. Cette vraisemblance physique vient conrmer notre hypothse selon laquelle la topographie identie correspondrait bien aux zones de recirculations autour de lobstacle.
119
Pour ce qui est des autres variables de contrle, on note que les conditions initiales identies, reprsentes sur les gures 5.16 (c) et (d), correspondent plutt bien un coulement stationnaire. En eet, si lon ralise une simulation en utilisant les variables de contrle optimales, ltat nal stabilis de lcoulement nest pas trs loign des conditions initiales identies, mises part de petites variations dans la direction transversale. Le coecient sur la gure 5.16 (e) est lgrement infrieur sa valeur de rfrence au dessus de la recirculation amont et lgrement suprieur au dessus de la recirculation aval. Concernant la brusque augmentation de sa valeur lorsque x > 0.9, elle se produit dans une partie du domaine o la correspondance entre la vitesse des particules ltres et la vitesse de transport identie nest pas trs bonne, comme le montre la gure 5.17. Cela laisse supposer que la sensibilit des observations de trajectoires la valeur du coecient dans cette rgion est faible et donc que le rsultat ny est pas signicatif.
tel-00273318, version 1 - 15 Apr 2008
La gure 5.16 (b) montre la valeur identie du coecient de Manning. Ce rsultat ne semble cependant pas pertinent dun point de vue physique. En eet, sur une zone de recirculation, le gradient de vitesse verticale, et par consquent le frottement, ne sont pas traduits correctement par une loi de type Manning. Pour conclure sur cette exprience, on a mis en vidence le fait que la topographie identie rend compte de la prsence de lobstacle rel ainsi que des recirculations de part et dautre de celui-ci. Les conditions initiales identies correspondent quasiment un coulement permanent au-dessus de ce recouvrement. En revanche, la valeur du coecient et celle du coecient de Manning ne semblent pas signicatives. Exprience 2 Ds lors, ces constatations nous mnent raliser une nouvelle exprience dassimilation de donnes en ne cherchant identier que la topographie et les conditions initiales. Le coecient de Manning est x sa valeur initiale n = 0.01 et le coecient sa valeur initiale 1.1. Les observations considres sont les mmes que dans lexprience prcdente et la formulation de la fonction cot reste celle donne en (5.12). Les rsultats de lassimilation sont prsents sur la gure 5.18. On remarque quils ne sont pas fondamentalement dirents dun point de vue qualitatif par rapport lexprience prcdente. La topographie identie nest pas modie de manire importante, si ce nest que lamplitude de la bosse est lgrement suprieure, tout en restant comparable avec la hauteur de lobstacle rel. Les conditions initiales correspondent toujours relativement bien un coulement permanent. Lamplitude
120
Topographie
Rfrence Identifie

100 101
2
0.04 0.03 Hauteur z (m)
j | j |
10
0.02
103
0.01
104
0 0 0.2 0.4 0.6 Distance x (m) 0.8 1

105 0 50 100 150 200 250 Nb. ditrations 300 350 400
(a) Topographie zb .
0.12 0.11 0.35 Vitesse u (m/s) Hauteur h (m) 0.1 0.09 0.08 0.07 0.06 h0
Rfrence Identifi
(b) Fonction cot

0.4 u0
Rfrence Identifie
tel-00273318, version 1 - 15 Apr 2008
0.3
0.25
0.2
0.8
0.2
0.2
0.8
(c) Hauteur deau initiale h0 .
(d) Vitesse longitudinale initiale u0 .
Fig. 5.18 Identication de la topographie zb et des conditions initiales partir dobservations de hauteur deau et de trajectoires de particules transportes par lcoulement. Trait en pointills : solution Saint-Venant avec paramtres de rfrence. Trait plein gris : valeur des paramtres identis. du pic de vitesse longitudinale est galement lgrement suprieure ce quelle tait dans la premire exprience.
5.3.5
Conclusion
Nous avons prsent dans cette partie une exprience dassimilation de donnes relles de trajectoires de particules pour un coulement dans un canal au-dessus dun obstacle immerg. Les particules observes sont des confettis transports la surface de leau et lms par une camra vido. La conguration tudie comportait des structures hydrauliques qui ne sont pas compatibles avec les hypothses des quations de Saint-Venant : deux recirculations dans lcoulement de part et dautre dune planche de section rectangulaire.
121
partir dhypothses a priori sur la conguration ne prenant pas en compte la prsence de lobstacle, lutilisation dobservations de hauteur deau et de trajectoires de particules dans un processus dassimilation de donnes a permis didentier des paramtres du modle Saint-Venant qui reprsentent au mieux cet coulement localement tridimensionnel. Il nous a t possible dinterprter les paramtres identis de manire satisfaisante dun point de vue physique. Ainsi, lamplitude de lobstacle a t correctement retrouve. La prsence des recirculations peut galement tre dtecte dans la topographie quivalente du modle Saint-Venant, qui correspondrait leur recouvrement autour de lobstacle. La longueur de la recirculation identie en aval est conforme aux ordres de grandeurs habituellement rencontrs dans des congurations hydrauliques semblables. Par ailleurs, les conditions initiales identies correspondent quasiment un tat permanent de lcoulement, ce qui montre quelles sont conformes un tat physique cohrent avec les autres paramtres du modle.
tel-00273318, version 1 - 15 Apr 2008
122
tel-00273318, version 1 - 15 Apr 2008
Conclusion gnrale
tel-00273318, version 1 - 15 Apr 2008
La problmatique gnrale des travaux prsents dans cette thse concerne lassimilation variationnelle de donnes dans le cadre de lhydraulique uviale, et plus particulirement lassimilation de donnes lagrangiennes de trajectoires de particules dans un modle dcoulement bas sur les quations de Saint-Venant. Nous avons prsent dans le premier chapitre les fondements de lassimilation variationnelle de donnes du point de vue de la thorie du contrle optimal, en abordant la dnition du problme de contrle du modle direct et la dtermination du modle adjoint, an de pouvoir exprimer le problme dassimilation sous la forme dun systme doptimalit. Laccent a ensuite t mis sur la mise en uvre informatique du modle adjoint laide doutils de direntiation automatique de code.
Le logiciel Dassow
Un aspect important de cette thse a t la mise au point dun modle numrique dcoulement bas sur les quations de Saint-Venant bidimensionnelles et concrtis dans le dveloppement du logiciel Dassow. Pouvant tre utilis pour la ralisation de simulations directes, il a surtout t construit dans le but deffectuer des expriences dassimilation de donnes. Le modle numrique direct repose sur un schma volumes nis et permet dutiliser des maillages structurs sur des domaines rectangulaires aussi bien que des maillages dstructurs mlant des lments triangulaires et quadrangulaires. Le logiciel inclut tous les outils ncessaires la ralisation dexpriences dassimilation de donnes, y compris des expriences jumelles pour lesquelles les observations synthtiques sont cres par le modle. En particulier, le modle numrique adjoint a t crit laide de loutil de direntiation automatique Tapenade. 123
124
Conclusion gnrale
Observations eulriennes
Le logiciel Dassow a t utilis pour toutes les expriences dassimilation ralises au cours de cette thse. Dans une premire srie dexpriences, nous nous sommes intresss des observations de nature eulrienne, classiquement disponibles pour les rivires instrumentes. Nous avons prsent tout dabord lidentication de la valeur de conditions aux limites partir de donnes relles de hauteurs deau et de dbits pour une section du delta de la rivire des Perles (Xi Jiang). Ensuite, pour une conguration correspondant une onde de crue dans un canal, nous avons tudi dans le cadre dexpriences jumelles lidentication conjointe du dbit et du coecient de Manning partir dobservations synthtiques de faible densit spatiale. Nous avons montr pour ce cas-test acadmique que lutilisation de simples mesures de hauteur deau en un point xe du domaine, continues en temps, sut lidentication du dbit si tous les autres paramtres du modle sont connus avec prcision. Dans le cas contraire, si lun des paramtres est mal estim comme ctait le cas du coecient de Manning dans notre exprience, linformation porte par les seules observations de hauteur deau peut devenir insusante et conduire une mauvaise identication. Ce constat illustre un problme plus gnral auquel est confronte la simulation en hydraulique uviale : le manque de donnes dobservation. Le dveloppement des moyens de tldtection pour lobservation des rivires permet cependant denvisager la prise en compte de nouvelles formes de donnes dans les mthodes dassimilation. Dans cette thse, nous nous sommes intresss en particulier des observations de nature lagrangienne.
tel-00273318, version 1 - 15 Apr 2008
Observations lagrangiennes
Nous avons prsent une mthode dassimilation variationnelle de trajectoires de particules. Les donnes lagrangiennes de trajectoires sont reprsentes comme la variable dtat dun modle de transport, faiblement coupl avec le modle dcoulement et dcrivant le dplacement des particules la surface de leau. Ainsi, la prise en compte de ce type dobservations dans le processus dassimilation de donnes est faite par lajout dans la fonction cot dun terme mesurant la distance entre les positions des particules observes et celles de leurs homologues du modle. La dnition de la vitesse de transport est un point dterminant et doit tre tablie en relation avec les variables du modle dcoulement. Dans le cas de notre modle Saint-Venant, nous avons propos de la dnir comme un multiple de la vitesse du modle, sur des considrations physiques valables dans le cadre restreint dun coulement dans un canal fond plat. Par ailleurs, une mthode de ltrage
Conclusion gnrale
125
des observations de trajectoires a t propose dans le but de supprimer les perturbations de surface de petites chelles ainsi que les eets de la quantication introduite par le systme dobservation des trajectoires. La mthode prsente a t mise en uvre avec le logiciel Dassow travers une srie dexpriences numriques. Nous avons tout dabord montr, dans le cadre dexpriences jumelles, que lapport dobservations de trajectoires de particules amliorait sensiblement la qualit de lidentication conjointe du dbit et du coecient de Manning dans le cas test correspondant une onde de crue dans un canal, par rapport de simples observations eulriennes de la hauteur deau. Nous avons ensuite prsent une seconde srie dexpriences jumelles dans laquelle des observations bruites de trajectoires de particules couples des mesures de hauteur deau permettaient didentier conjointement la topographie et des conditions initiales de lcoulement de manire satisfaisante. Dans ce cas, nous avons mis en vidence lintrt du ltrage des trajectoires sur la qualit de lidentication. Enn, nous avons ralis une exprience faisant intervenir des donnes relles issues dun coulement dans un canal avec un obstacle immerg. Les trajectoires de confettis lchs la surface de lcoulement ont t extraites dune squence vido et utilises conjointement des mesures de hauteur deau dans une exprience dassimilation de donnes. La prsence de lobstacle tait lorigine de recirculations verticales dont lexistence est incompatible avec les hypothses des quations Saint-Venant. Nanmoins, lassimilation des donnes de trajectoires a permis lidentication de paramtres auxquels il nous a parfois t possible de donner une interprtation physique satisfaisante. Ainsi, une topographie quivalente a t identie comme reprsentant lobstacle original et le recouvrement des recirculations. Dautre part, nous avons dtermin une valeur du coecient multiplicateur reliant la vitesse Saint-Venant la vitesse de transport, sans toutefois pouvoir en donner une signication physique. De la mme manire, le coecient de Manning obtenu na pas t jug pertinent dun point de vue physique. Ce dernier paramtre ninuence cependant pas lcoulement de manire signicative dans la conguration tudie. Enn, nous sommes parvenus identier des conditions initiales correspondant un coulement permanent en moyenne.
tel-00273318, version 1 - 15 Apr 2008
tel-00273318, version 1 - 15 Apr 2008
126 Conclusion gnrale
Perspectives
De nombreux axes de recherche sont envisageables dans la continuit des travaux prsents dans cette thse. Nous allons maintenant en exposer quelques-uns pour terminer.
tel-00273318, version 1 - 15 Apr 2008
Identication derreurs de modle

Lcoulement considr dans lexprience dassimilation de donnes relles de trajectoires prsente dans la partie 5.3 comportait des structures hydrauliques que le modle numrique bas sur les quations de Saint-Venant ntait a priori pas capable de simuler correctement. Dans les rsultats prsents, une topographie quivalente au recouvrement de la topographie relle et des recirculations a t interprte comme lexpression par le modle de la prsence de ces structures. Un modle capable de simuler directement des recirculations hydrauliques dans un tel contexte devrait tre bas sur les quations de Navier-Stokes tridimensionnelles surface libre. Il demanderait toutefois des capacits de calcul beaucoup plus importantes et serait dicile dployer en pratique pour la simulation dune section de rivire en grandeur relle. Cependant, nous avons introduit brivement dans le chapitre 1 (page 21) une mthode didentication dune erreur de modle [94, 95] permettant de prendre en compte dans le problme dassimilation les dfauts de reprsentativit des observations par le modle dcoulement. Dans cette approche, lquation dtat est modie par lajout dun terme dont on cherche identier la valeur optimale an de rduire au mieux lcart entre la solution numrique et la ralit de lcoulement. Il serait intressant dappliquer cette mthode notre problme dassimilation de trajectoires relles. Plusieurs dicults sont alors prendre en considration. Tout dabord, il faut dterminer la forme que peut prendre le terme derreur dans les quations de Saint-Venant pour quil puisse tre en mesure de rendre compte de la prsence dune structure hydraulique tridimensionnelle. Il sagit dun problme 127
128
Perspectives
de modlisation devant faire intervenir des considrations physiques. Dautre part, lidentication dune erreur de modle est susceptible daugmenter sensiblement la taille du vecteur de contrle. An de rduire ce surcot, il est possible de recourir une mthode de rduction dordre [96].
Flotteurs lagrangiens
Concernant les moyens envisageables dobservation de trajectoires, nous avons mentionn dans la partie 4.1 deux approches possibles en fonction de lchelle dobservation considre. Nous voquions dune part une chelle locale couvrant une partie restreinte en espace du domaine de lcoulement, mais avec une densit dobservation potentiellement importante. Il sagit par exemple de la conguration de lexprience prsente dans la partie 5.3 utilisant des trajectoires de confettis extraites dune squence vido. Une autre possibilit consiste se placer une chelle spatiale plus grande, quitte perdre en densit dobservation. Nous donnions lexemple du suivi de petits otteurs quips de capteurs GPS lchs dans lcoulement. Dans cet ordre dides, Bayen et Stacey [6] proposent dexploiter des donnes de trajectoires de otteurs drivants dans un processus dassimilation de donnes, dans le but damliorer la modlisation de lcoulement dans le delta form par les euves San-Joaquin et Sacramento (Californie). Concernant la collecte dobservations, le projet ambitionne de mettre en place une plate-forme exprimentale permettant de dployer un rseau capteurs lagrangiens et denregistrer en temps rel leur position laide dun systme GPS. Ce projet se rapproche beaucoup des travaux prsents dans cette thse. Il serait trs intressant de vrier si lapport des donnes de position des otteurs permet par exemple de dterminer les conditions aux limites du domaine dtude, comme nous lavons montr dans le cadre des expriences jumelles prsentes dans la partie 5.1. Dune manire plus gnrale, lapplication ces observations relles de la mthode dassimilation de donnes lagrangiennes dveloppe dans Dassow est une perspective enthousiasmante qui va faire lobjet dune collaboration court terme.
tel-00273318, version 1 - 15 Apr 2008
Assimilation de contours
Nous avons prsent dans les chapitres 4 et 5 lassimilation de trajectoires de particules dans un modle Saint-Venant. Une extension naturelle de la mthode consiste considrer lvolution dans lcoulement de structures plus complexes que
Perspectives
129
de simples particules ponctuelles, comme par exemple des structures turbulentes ou des fronts de mousses transports la surface par le courant. Creutin et al. [19] ont tudi ce genre dobservations pour lestimation de champs denses de vitesses de surface dans le but dvaluer le dbit sur une section de la rivire Iowa. Mais on peut imaginer lutilisation de ces observations lagrangiennes dans le cadre dassimilation de donnes prsent dans cette thse. Dans un tout autre ordre dides, limagerie satellite ou arienne rend possible lobservation sur une photographie ou un image radar du domaine dextension dune inondation. En recoupant cette information avec des donnes sur le terrain, il est possible den dduire la hauteur deau de manire distribue sur le domaine [75, 47] et de lutiliser dans un cadre dassimilation de donnes [48, 55]. Les travaux cits portent sur une unique image statique. Mais en considrant une srie temporelle dimages lors dun pisode de crue, il serait intressant dtudier le caractre lagrangien de lvolution dun front dinondation et linformation quune telle observation peut apporter sur la dynamique de lcoulement. Un point commun dans ces deux perspectives tient dans la reprsentation des donnes par le modle numrique. Si la trajectoire dune particule peut tre caractrise simplement par la succession de ses positions dans le domaine, la prise en compte des contours de structures complexes ou de fronts dinondations par une mthode dassimilation de donnes demande de faire appel des formes de reprsentation plus volues. Dans les mthodes de level sets [86], une courbe ferme dans un espace bidimensionnel est vue comme la ligne de niveau zro dune fonction scalaire dnie sur tout le domaine de calcul, par exemple la fonction distance signe. Ces mthodes sont utilises dans un nombre toujours croissant dapplications, notamment dans le domaine du traitement de limage ou pour la reprsentation dinterfaces dans la simulation numrique des uides physiques [71, chapitres III et IV]. Elles permettent de grer implicitement les changements de topologie des courbes au cours du temps. Sur ces principes, Papadakis et al. [72] proposent une mthode pour le suivi de contours dobjets dans une squence dimages, dans un cadre variationnel inspir par les mthodes dassimilation de donnes. Pour une application en hydraulique uviale, un modle de transport de contours bas sur une reprsentation level sets, coupl au modle dcoulement Saint-Venant sur le principe dcrit dans cette thse, permettrait alors la prise en compte de ces observations lagrangiennes dans un processus dassimilation variationnelle de donnes. Dans un tel contexte, il est possible de construire une fonction cot mesurant la distance entre les variables du modle et les observations directement dans lespace des fonctions . Des expriences numriques prliminaires ont donn des rsultats laissant entre-
tel-00273318, version 1 - 15 Apr 2008
130
Perspectives
voir des perspectives encourageantes, mais qui ncessiteraient des dveloppements nayant pas pu tre raliss dans le cadre de cette thse.
tel-00273318, version 1 - 15 Apr 2008
Bibliographie
[1] R. J. Adrian. Twenty years of particle image velocimetry. Experiments in Fluids, 39 :159169, 2005.
tel-00273318, version 1 - 15 Apr 2008
[2] G. J. Arcement and V. R. Schneider. Guide for selecting Mannings roughness coecients for natural channels and ood plains. U.S. Department of Transportation, Federal Highways Administration, 1984. FHWA-TS-84-204. [3] G. A. Atanov, E. G. Evseeva, and E. A. Meselhe. Estimation of roughness prole in trapezoidal open channels. Journal of Hydraulic Engineering, 125(3) :309312, 1999. [4] M. Audinet. Hydromtrie applique au cours deau. Eyrolles, 1995. [5] P. D. Bates, K. J. Marks, and M. S. Horritt. Optimal use of highresolution topographic data in ood inundation models. Hydrological Processes, 17 :537557, 2003. [6] A. Bayen and M. T. Stacey. Calibration-free approach to modeling delta ows and transport. UC Berkeley, 2006. [7] E. Blanger and A. Vincent. Data assimilation (4DVAR) to forecast ood in shallowwaters with sediment erosion. Journal of Hydrology, 300(14) :114 125, 2005. [8] A. Bermdez, A. Dervieux, J.-A. Dsidri, and M. E. Vzquez-Cendn. Upwind schemes for two-dimensional shallow water equations with variable depth using unstructured meshes. Computer Methods in Applied Mechanics and Engineering, 155 :4972, 1998. [9] A. Bermdez and M. E. Vzquez-Cendn. Upwind methods for hyperbolic conservations laws with source term. Computers and Fluids, 23 :10491071, 1994. [10] C. H. Bischof, A. Carle, G. F. Corliss, A. Griewank, and P. D. Hovland. ADIFOR : Generating derivative codes from Fortran programs. Scientic Programming, 1(1) :1129, 1992. 131
132
Bibliographie
[11] C. H. Bischof, A. Carle, P. Khademi, and A. Mauer. ADIFOR 2.0 : Automatic dierentiation of Fortran 77 programs. IEEE Computational Science & Engineering, 3(3) :1832, 1996. [12] C. H. Bischof, B. Lang, and A. Vehreschild. Automatic dierentiation for MATLAB programs. Proceedings in Applied Mathematics and Mechanics, 2(1) :5053, 2003. [13] C. H. Bischof, L. Roh, and A. Mauer. ADIC An extensible automatic dierentiation tool for ANSI-C. SoftwarePractice and Experience, 27(12) :1427 1456, 1997. [14] F. Bouttier and P. Courtier. Data assimilation concepts and methods. Meteorological Training Course Lecture Series, Ecmwf, 1999. [15] H. Brezis. Analyse fonctionnelle : Thorie et applications. Dunod, 1999. [16] E. F. Carter. Assimilation of lagrangian data into a numerical model. Dynamics of Atmospheres and Oceans, 13(34) :335348, 1989. [17] W. Castaings, D. Dartus, M. Honnorat, F.-X. Le Dimet, Y. Loukili, and J. Monnier. Automatic dierentiation : A tool for variational data assimilation and adjoint sensitivity analysis for ood modeling. In H. M. Bcker, G. Corliss, P. Hovland, U. Naumann, and B. Norris, editors, Automatic Dierentiation : Applications, Theory, and Implementations, volume 50 of Lecture Notes in Computational Science and Engineering, pages 249262. Springer, 2005. [18] P. Courtier and O. Talagrand. Variational assimilation of meteorological observations with the adjoint vorticity equation. II : Numerical results. Quarterly Journal of the Royal Meteorological Society, 113(13291347), 1987. [19] J. D. Creutin, M. Muste, A. A. Bradley, S. C. Kim, and A. Kruger. River gauging using PIV techniques : a proof of concept experiment on the Iowa River. Journal of Hydrology, 277 :182194, 2003. [20] Y. Ding, Y. Jia, and S. S. Y. Wang. Identication of Mannings roughness coecients in shallow water ows. Journal of Hydraulic Engineering, 130(6) :501510, 2004. [21] D. Elizondo, C. Faure, and B. Cappelaere. Automatic versus manual differentiation for non-linear inverse modeling. Technical Report RR3981, INRIA, 2000. [22] G. Evensen. Sequential data assimilation with a non-linear quasi-geostrophic model using Monte-Carlo methods to forecast error statistics. Journal of Geophysical Research, 99(C5) :1014310162, 1994. [23] G. Fourquet. Dveloppement dun systme hydromtrique par analyse dimages numriques. valuation dune anne de fonctionnement continu
tel-00273318, version 1 - 15 Apr 2008
Bibliographie
133
sur lIsre Saint-Martin dHres. PhD thesis, LTHE, Institut National Polytechnique de Grenoble, 2005. En franais. [24] H. M. Fritz and W. H. Hager. Hydraulics of embankment weirs. Journal of Hydraulic Engineering, 124(9) :963971, 1998. [25] D. C. Froehlich. Impact project eld tests 1 and 2 : Blind simulation by DaveF, 2002. [26] J.-F. Gerbeau and B. Perthame. Derivation of viscous SaintVenant system for laminar shallow water ; Numerical validation. Discrete and Continuous Dynamical Systems Series B, 1(1) :89102, 2001. [27] M. Ghil and P. Malanotte-Rizzoli. Data assimilation in meteorology and oceanography. Advances in Geophysics, 33 :141266, 1991.
tel-00273318, version 1 - 15 Apr 2008
[28] R. Giering and T. Kaminski. Recipes for adjoint code construction. ACM Transactions on Mathematical Software, 24(4) :437474, 1998. [29] R. Giering and T. Kaminski. Applying TAF to generate ecient derivative code of Fortran 77-95 programs. In Proceedings of GAMM 2002, Augsburg, Germany, volume 2, pages 5457, 2003. [30] J.-C. Gilbert and C. Lemarchal. Some numerical experiments with variable storage QuasiNewton algorithms. Mathematical Programming, 45 :407435, 1989. [31] J.-C. Gilbert and C. Lemarchal. The module M1QN3 Version 3.1. INRIA, 2006. [32] S. K. Godunov. A nite dierence method for the numerical computation of discontinuous solutions of the equations of uid dynamics. Matematicheskii Sbornik, 47 :271306, 1959. En Russe. [33] A. Griewank. Evaluating Derivatives : Principles and Techniques of Algorithmic Dierentiation, volume 19 of Frontiers in Applied Mathematics. SIAM, Philadelphia, 2000. [34] A. Griewank. A mathematical view of automatic dierentiation. Acta Numerica, 12 :321398, 2003. [35] A. Griewank, D. Juedes, and J. Utke. Algorithm 755 : ADOL-C : A package for the automatic dierentiation of algorithms written in C/C++. ACM Transactions on Mathematical Software, 22(2) :131167, 1996. [36] J. Hadamard. Sur les problmes aux drives partielles et leur signication physique. Bull. Univ. Princeton, 13, 1902. [37] J. Hadamard. Le problme de Cauchy et les quations aux drives partielles linaires hyperboliques. Hermann, Paris, 1932.
134
Bibliographie
[38] A. Harten, P. Lax, and A. van Leer. On upstream dierencing and Godunovtype schemes for hyperbolic conservation laws. SIAM Review, 25 :3561, 1983. [39] J. Hartnack and H. Madsen. Data assimilation in river ow modelling. In 4th DHI software conference, 68 june 2001, Scanticon Conference Center, Helsingr, Danemark, 2001. [40] L. Hascot and V. Pascual. Tapenade 2.1 userss guide. Rapport Technique RT300, INRIA, 2004. [41] A. Hauet. Estimation de dbit et mesure de vitesse en rivire par Large-Scale Particle Image Velocimetry. PhD thesis, LTHE, Institut National Polytechnique de Grenoble, 2006. En franais. [42] M. Honnorat, E. Huot, F.-X. Le Dimet, J. Monnier, and N. Rivire. Identication of equivalent topography in an open channel ow using Lagrangian data assimilation. paratre, 2007. [43] M. Honnorat, X. Lai, J. Monnier, and F.-X. Le Dimet. Variational data assimilation for 2d uvial hydraulics simulations. CMWR XVI Computational Methods in Water Resources XVI International Conference, Copenhagen, Denmark, June 1922 2006. [44] M. Honnorat, F.-X. Le Dimet, Y. Loukili, and J. Monnier. Dassflow : a direct and adjoint model for 2d shallow water ows. Research Report RR5756, INRIA, 2005. [45] M. Honnorat, J. Marin, J. Monnier, and X. Lai. Dassflow v1 : a variational data assimilation software for 2d river ows. Research Report RR6150, INRIA, 2007. [46] M. Honnorat, J. Monnier, and F.-X. Le Dimet. Lagrangian data assimilation for river hydraulics simulations. Computing and Visualization in Science, 2007. Accept. [47] R. Hostache. Analyse dimages satellites dinondations pour la caractrisation tridimensionnelle de lala et laide la modlisation hydraulique. PhD thesis, Cemagref / ENGREF, Montpellier, 2006. En franais. [48] R. Hostache, X. Lai, J. Monnier, C. Puech, and A. Paquier. Assimilation of spatial distributed water levels into a shallow-water ood model. Part II : Moselle river. Soumis, 2007. [49] A. H. Jazwinski. Stochastic Processes and Filtering Theory, volume 64 of Applied Mathematical Sciences. Academic Press, New York, 1970. [50] R. E. Kalman. A new approach to linear ltering and prediction problems. Trans. ASME Journal of Basic Engineering, 82 :3545, 1960.
tel-00273318, version 1 - 15 Apr 2008
Bibliographie
135
[51] M. Kamachi and J. J. OBrien. Continuous data assimilation of drifting buoy trajectory into an equatorial Pacic Ocean model. Journal of Marine Systems, 6 :159178, 1995. [52] R. H. Khatibi, J. J. R. Williams, and P. R. Wormleaton. Identication problem of openchannel friction parameters. Journal of Hydraulic Engineering, 123(12) :10781088, 1997. [53] Kitware, Inc, editor. The Visualization Toolkit Users Guide, chapter 15.3, pages 323336. Kitware, Inc, 2004. [54] L. Kuznetsov, K. Ide, and C. K. R. T. Jones. A method for assimilation of lagrangian data. Monthly Weather Review, 131(10) :22472260, 2003. [55] X. Lai and J. Monnier. Assimilation of spatial distributed water levels into a shallow-water ood model. Part I : method and toy test case. Soumis, 2007.
tel-00273318, version 1 - 15 Apr 2008
[56] F.-X. Le Dimet. Une tude gnrale danalyse objective variationnelle des champs mtorologiques. Rapport scientique LAMP 28, Universit de Clermond II, BP 45 63170 Aubire France, 1980. [57] F.-X. Le Dimet and J. Blum. Assimilation de donnes pour les uides gophysiques. Matapli, 67 :3355, 2002. [58] F.-X. Le Dimet and O. Talagrand. Variational algorithms for analysis and assimilation of meteorological observations : theoretical aspects. Tellus, 38(A) :97110, 1986. [59] R. J. LeVeque. Balancing source terms and ux gradients in high-resolution godunov methods : the quasi-steady wave-propagation algorithm. Journal of Computational Physics, 146 :346365, 1998. [60] R. J. LeVeque. Finite Volume Methods for Hyperbolic Problems. Cambridge University Press, 2002. [61] R. J. LeVeque and D. L. George. High-resolution nite volume methods for the shallow water equations with bathymetry and dry states. In P. Liu, editor, Proceedings of Long-Wave Workshop, Catalina, page to appear, 2004. [62] J.-L. Lions. Optimal Control of Systems Governed by Partial Dierential Equations. Springer-Verlag, 1971. [63] H. Madsen, J. Hartnack, and J. V. T. Srensen. Data assimilation in a ood modelling system using the Ensemble Kalman lter. In CMWRXvi, Copenhaguen, Danemark, june 2006. [64] C. Mazauric. Assimilation de donnes pour les modles dhydraulique uviale. Estimation de paramtres, analyse de sensibilit et dcomposition de domaine. PhD thesis, Universit Joseph Fourier, LMCIMAG, 2003. En franais.
136
Bibliographie
[65] M. Muste, Z. Xiong, J. Schne, and Z. Li. Validation and extension of image velocimetry capabilities for ow diagnostic in hydraulic modeling. Journal of Hydraulic Engineering, 130(3) :175185, 2004. [66] A. Nakayama and S. Yokojima. Modeling free-surface uctuation eects for calculation of turbulent open-channel ows. Environmental Fluid Mechanics, 3 :121, 2003. [67] U. Naumann and J. Riehme. A dierentiation-enabled Fortran 95 compiler. ACM Transactions on Mathematical Software, 31(4), 2005. [68] I. Nezu. Open-channel ow turbulence and its research prospect in the 21th century. Journal of Hydraulic Engineering, 131(4) :229246, 2005. [69] M. Nodet. Modlisation mathmatique et assimilation de donnes lagrangiennes pour locanographie. PhD thesis, Universit de Nice Sophia Antipolis, Laboratoire J.-A. Dieudonn, Nice, 2005. En franais. [70] M. Nodet. Variational assimilation of lagrangian data in oceanography. Inverse Problems, 22 :245263, 2006. [71] S. Osher and R. Fedkiw. Level Set Methods and Dynamic Implicit Surfaces. Springer, 2002. [72] N. Papadakis, E. Mmin, and F. Cao. A variational approach for object contour tracking. In ICCV05 Workshop on Variational, Geometric ans Level Set Methods in Computer Vision, Being, China, 2005. [73] B. Perthame and C. Simeoni. A kinetic scheme for the saint-venant system with a source term. Calcolo, 38(4) :201231, 2001. [74] D. T. Pham, J. Verron, and M. C. Roubaud. A singular evolutive extended kalman lter for data assimilation in oceanography. Journal of Marine Systems, 16 :323340, 1998. [75] D. Raclot. Mthodologie dexploitation quantitative des photographies ariennes dinondation de plaine. PhD thesis, Universit de Montpellier II, Cemagref / ENGREF, Montpellier, 2003. En franais. [76] N. Rivire. Zones de recirculation laval dun dversoir seuil pais. Communication personnelle, dcembre 2006. [77] N. Rostaing, S. Dalmas, and A. Galligo. Automatic dierentiation in Odysse. Tellus A, 45(5) :558568, 1993. [78] H. Roux and D. Dartus. Data assimilation applied to hydraulic parameter identication. In British hydrological society international conference 2004, hydrology : science and practice for the 21st century, pages 354361, London, United Kingdom, 2004.
tel-00273318, version 1 - 15 Apr 2008
Bibliographie
137
[79] H. Roux and D. Dartus. Parameter identication using optimization techniques in open-channel inverse problems. Journal of Hydraulic Research, 43(3) :311320, 2005. [80] H. Roux, D. Raclot, D. Dartus, and C. Puech. Hydraulic parameter identication using aerial photographs. In IEEE, editor, International Geoscience and Remote Sensing Symposium. IGARSS 03, volume 2, pages 11721174, 2003. [81] A. Barr de Saint-Venant. Thorie du mouvement non permanent des eaux, avec application aux crues des rivires et lintroduction des mares dans leur lit. ComptesRendus de lAcadmie des Sciences, Paris, 73 :147154, 237240, 1871. [82] H. Salman, L. Kuznetsov, and C. K. R. T. Jones. A method for assimilating lagrangian data into a shallow-water-equation ocean model. Monthly Weather Review, 134(4) :10811101, 2006. [83] Y. K. Sasaki. A fundamental study of the numerical prediction based on the variational principle. J. Meteor. Soc. Japan, 33(6) :262275, 1955. [84] Y. K. Sasaki. An objective analysis based on the variational method. J. Meteor. Soc. Japan, 36(3) :7788, 1958. [85] Y. K. Sasaki. Some basic formalisms in numerical variational analysis. Monthly Weather Review, 98 :875883, 1970. [86] J. A. Sethian. Level Set Methods and Fast Marching Methods : Evolving interfaces in Computational Geometry, Fluid Mechanics, Computer Vision and Material Science. Cambridge University Press, Londres, 1999. [87] G. Strang. On the construction and comparison of dierence schemes. SIAM Journal on Numerical Analysis, 5(3) :506517, 1968. [88] O. Talagrand and P. Courtier. Variational assimilation of meteorological observations with the adjoint vorticity equation. I : Theory. Quarterly Journal of the Royal Meteorological Society, 113(13111328), 1987. [89] Tecplot, Inc. Tecplot Data format guide. Bellevue, WA, 2006. [90] O. Thual. Ondes de surface et ressauts. Article Pdagogique Multimedia, Institut National Polytechnique de Toulouse, 2003. [91] A. Tikhonov and V. Arsnine. Mthodes de rsolution de problmes mal poss. ditions Mir, Moscou, 1976. Traduit du Russe. [92] E. F. Toro. Shock-Capturing Methods for Free-Surface Shallow Flows. Wiley and Sons Ltd, 2001. [93] E. F. Toro, M. Spruce, and W. Speares. Restoration of the contact surface in the HLL-Riemann solver. Shock Waves, 4 :2534, 1994.
tel-00273318, version 1 - 15 Apr 2008
138
Bibliographie
[94] P. A. Vidard. Vers une prise en compte de lerreur modle en assimilation de donnes 4D-variationnelle. PhD thesis, Universit Joseph Fourier, Dcembre 2001. En franais. [95] P. A. Vidard, E. Blayo, F.-X. Le Dimet, and A. Piacentini. 4D variational data analysis with imperfect model. Flow, Turbulence and Combustion, 65 :489504, 2000. [96] P. A. Vidard, A. Piacentini, and F.-X. Le Dimet. Variational data analysis with control of the forecast bias. Tellus, 56(A) :177188, 2004. [97] T. Williams, C. Kelley, and L. Hecking. GNUPLOT : An Interactive Plotting Program. Manual, version 4.0, http://www.gnuplot.info/, 2004. [98] S. Wu and N. Rajaratnam. Submerged ow regimes of rectangular sharpcrested weirs. Journal of Hydraulic Engineering, 122(7) :412414, 1996.
tel-00273318, version 1 - 15 Apr 2008
[99] J. Yang. Assimilation de donnes variationnelle pour les problmes de transport des sdiments en rivire. PhD thesis, Universit Joseph Fourier, LMC IMAG, 1999. En franais. [100] C. Zoppou and S. Roberts. Explicit schemes for dam-break simulations. Journal of Hydraulic Engineering, 129(1) :1134, January 2003.

These Marc Honnorat

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Marc Honnorat

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE

No attribu par la bibliothque

tel-00273318, version 1 - 15 Apr 2008

Assimilation de donnes lagrangiennes pour la simulation numrique en hydraulique fluviale

tel-00273318, version 1 - 15 Apr 2008

Table des matires

tel-00273318, version 1 - 15 Apr 2008

Table des matires criture du code adjoint . . . . . . . . . . . . . . . . . . . . 28

tel-00273318, version 1 - 15 Apr 2008

1.5.2 1.5.3 1.5.4

2 Modle Saint-Venant pour lhydraulique uviale 2.1

Discrtisation des quations . . . . . . . . . . . . . . . . . . . . . . 50 2.3.1 2.3.2 Hyperbolicit . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Schma volumes nis . . . . . . . . . . . . . . . . . . . . . . 52

Table des matires 3 Expriences dassimilation de donnes eulriennes 3.1 3.2

tel-00273318, version 1 - 15 Apr 2008

3.3.2 3.3.3 3.3.4

4 Principes de lassimilation de trajectoires 4.1 4.2

vi 5 Expriences dassimilation de trajectoires 5.1

Table des matires 91

tel-00273318, version 1 - 15 Apr 2008

5.2.4 5.2.5 5.2.6 5.3

Assimilation de donnes relles 5.3.1 5.3.2 5.3.3 5.3.4 5.3.5

Conclusion gnrale Perspectives Bibliographie

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

Applications en hydraulique uviale

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

Les outils de tldtection

tel-00273318, version 1 - 15 Apr 2008

tel-00273318, version 1 - 15 Apr 2008

Chapitre 1 Fondements de lassimilation variationnelle de donnes

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008

1.2 quations continues

tel-00273318, version 1 - 15 Apr 2008

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008

1.2 quations continues

tel-00273318, version 1 - 15 Apr 2008

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008

1.2 quations continues

tel-00273318, version 1 - 15 Apr 2008

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008

y(t) = C O C y(t) yobs(t)

1.2 quations continues k = (y0 , v) :

tel-00273318, version 1 - 15 Apr 2008

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

vri : t y(t) + A v(t) ; y(t) y(t) A y(t) t y y(0) = y0

t ]0, T [ t ]0, T [ (1.13)

y(T ) = 0 j y = y(0) + N (y0 yb ) = 0 0 j = A y(t) = 0 t ]0, T [ v v

tel-00273318, version 1 - 15 Apr 2008

1.2 quations continues

La fonction cot est dnie sur lespace UT : j : UT R w j(w) = 1 2

Le problme adjoint se rcrit alors :

tel-00273318, version 1 - 15 Apr 2008

Ainsi, la drive de j par rapport w scrit formellement : j (w) = w

Chapitre 1 : Fondements de lassimilation variationnelle de donnes

tel-00273318, version 1 - 15 Apr 2008