Our site uses cookies necessary for its proper functioning. To improve your experience, other cookies may be used: you can choose to disable them. This can be changed at any time via the Cookies link at the bottom of the page.


Université de Bordeaux
Cluster SysNumCluster of Excellence
Cluster of excellence
 

SysNum Seminar: Bertrand Iooss, EDF R&D - 3 décembre 2019 10h50, Salle des Conférences IMB Bât A33

le Tuesday 03 December 2019 to 10h50
Last update Tuesday 19 November 2019

Dans le cadre de l'Assemblée Générale de SysNum, nous avons l'honeur d'accueillir

Bertrand Iooss, EDF R&D

Méthodes d’exploration statistique de modèles numériques coûteux et applications à des problèmes d’ingénierie

3 décembre 2019 à 10H50
Salle des Conférences, IMB Bât A33

Bertrand Iooss est Chercheur senior à EDF R&D Chatou, Département PRISME (Performance, Risque Industriel, Surveillance pour la Maintenance et l’Exploitation)

Abstract:

En ingénierie nucléaire, comme dans beaucoup d’autres domaines industriels, on utilise souvent des modèles numériques relativement coûteux en temps de calcul à des fins prédictives (pour régler des problèmes de fiabilité, de calibration de paramètres, d’optimisation de procédés, etc.). Ces modèles permettent par exemple de prévoir le comportement d’un système complexe en situation dégradée, d’optimiser la gestion du combustible neuf ou usé, d’alimenter les réflexions sur différents choix de filières énergétiques, etc.  Vis-à-vis de tels enjeux, il est indispensable de prendre en compte les incertitudes du système simulé : mauvaise maîtrise des équations physiques sous-jacentes, erreurs numériques, méconnaissance des paramètres et imprécisions des données d’entrée des modèles, …

Dans cet exposé, nous développerons le thème de l’analyse de sensibilité globale de modèles numériques qui a pour but de quantifier le poids des incertitudes des variables d’entrée et paramètres physiques du modèle dans la quantité d’intérêt estimé en sortie de la simulation. En pratique, de nombreuses difficultés techniques peuvent être présentes : grande dimension des entrées, dépendance statistique entre entrées, coût cpu important du simulateur (donc faiblesse de la taille du plan d’expériences), pauvreté de l’information pour modéliser les incertitudes, volume important des données en sortie de la simulation, etc. Certaines de ces difficultés seront illustrées sur des exemples d’application.

Picture in categories