Raffinement adaptatif du processus d'assimilation de données par méthodes de Kalman d'ensemble pour des problèmes non linéaires.
Auteur / Autrice : | Dimitri Mottet |
Direction : | Serge Gratton |
Type : | Thèse de doctorat |
Discipline(s) : | Mathematiques Appliquées |
Date : | Soutenance le 12/01/2021 |
Etablissement(s) : | Toulouse, INPT |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, informatique et télécommunications (Toulouse) |
Partenaire(s) de recherche : | Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....) |
Jury : | Président / Présidente : Olivier Thual |
Examinateurs / Examinatrices : Serge Gratton, Selime Gürol, Jean-Philippe Argaud | |
Rapporteurs / Rapporteuses : Éric Blayo, Laure Raynaud |
Mots clés
Résumé
Le filtrage par filtre de Kalman d'ensemble (EnKF) pour des systèmes dynamiques non-linéaires nécessite de raffiner l'algorithme initial pour obtenir de bonnes performances. Les indicateurs de qualité de prévision « Forecast Sensitivity Observation Impact » (FSOI) permettent ces améliorations. En suivant cette voie, cette thèse propose d'utiliser et comparer de nouveaux indicateurs inspirés des FSOI, pour formuler des stratégies d'assimilation consistant à sélectionner les instants des étapes d'analyse et le nombre d'observations assimilées pour chacune. Les indicateurs a priori se calculent à l'arrivée d'une observation et les indicateurs a posteriori après l'étape d'analyse. Leurs coûts numériques sont calculés et discutés, montrant une utilisation possible pour des algorithmes type ETKF. Les indicateurs sont testés sur des systèmes emblématiques de petite dimension et un système industriel. Nous montrons la possibilité de sélectionner pour l'assimilation les observations les plus importantes, et les instants d'assimilation les plus opportuns pour un système fortement observé. Cela valide les indicateurs pour des essais sur des systèmes industriels plus complexes. Des perspectives sont données pour leur insertion dans les filtres d'ensemble itératifs, la réduction de leur coût numérique, et des applications industrielles possibles