4.2 Applications
4.2.1 Identication fréquentielle (Delta de Sacramento-San Joaquin)
Position du problème
Le Deltade Sacramento-San Joaquin en Californie est un réseau complexe de plus de 1150 km
de rivièresetcanaux fortement inuencéspar lamarée.Le biefconsidérédanscette application
concerne la rivière San Joaquin entre les stations nommées SJL et SJG sur la gure 4.2. Les
données disponibles sont issues des bases de l'USGS (U.S. Geological Survey). Il s'agit des
va-riations de débit et de hauteur d'eau aux stations amont et aval, respectivement SJL et SJG.
Les variations de hauteur d'eauà lastation intermédiaire BDTsont également disponibles. Les
données couvrent lapériode du16/11/2006 au 17/12/2006 à un pasde temps de 900 s (soit15
min). Lebief seraconsidéré commerectangulaire large.
Le problèmeconsisteàidentier unmodèlehydrauliquesurcebief. Lecontexteduforçagedela
marée apportedeux particularitésau problème:
les variables mesurées (débits et hauteurs d'eau) peuvent être caractérisées par des modes
fréquentiels dominants,
lesconditions auxlimitessontdonnéesparledébitamont
q 0 (t)
etlahauteurd'eauavaly X (t)
.Figure 4.2 Stationsdemesure surlarivièreSan Joaquin, DeltadeSacramento
Une modélisationpar une approche fréquentielle est particulièrement adaptéedu fait dela
pré-sencedemodesfréquentielsdominants.Lessignauxd'entréeetdesortiesontalorsconsidérésdans
l'espacefréquentiel,etreliésparunefonctionde transfertdéduite deséquationsdeSaint-Venant
transposées dansl'espace deLaplace. Cettedémarche permetdecomparer les signauxde sortie
simulés etmesurésdirectement dansledomaine fréquentiel,ce quiprésentedeuxavantages :on
évite la transposition entre les domaines temporel et fréquentiel, ce qui diminue fortement les
temps de calcul, etil n'est pas nécessaired'approcher lafonction de transfert (parexemple par
un premier ordre avec retard). Ces particularitéspermettent d'envisager une méthode
d'identi-cation fréquentielle,que nousprésentons ici.
Dansce problème, lesvariablesd'entréedu modèlesontledébitamont
q 0 (t)
etlahauteurd'eauaval
y X (t)
,etles variablesde sortiesont ledébitavalq X (t)
etlahauteurd'eau amonty 0 (t)
.Lahauteur d'eauà lastationintermédiaire
y BDT (t)
sera utiliséeà desnsde validation.Modèle fréquentiel de Saint-Venant
La synthèse du modèle hydraulique reposesur lamême méthodologie que celle présentée dans
le chapitre 3, avec des conditions aux limites diérentes. Les équations de Saint-Venant sont
toutd'abord linéarisées autourd'unrégimederéférencea priori nonuniforme,puistransposées
dansledomainefréquentielparlatransforméedeLaplace.Lanonuniformitéseraapprochéepar
l'approximationdelacourbederemousdéveloppée danslapartie 3.2.Lerégimederéférenceest
alors déniparledébitdelinéarisation
Q
,lalargeur dubiefB
,lapentedufondS b
,lecoecientde Manning
n
etla hauteurd'eauavalY X
.On utilise lamatrice
Γ(x, s)
,dénie par l'équation (3.20) etreliant les débits ethauteurs d'eauen toutpoint dubiefau débit etàlahauteur d'eauà l'amont :
q(x, s) y(x, s)
!
= Γ(x, s) q 0 (s) y 0 (s)
!
(4.4)
Ondénit ensuitelamatrice Entrée/Sortie
G = (g ij )
relative au problèmeposé:Pour unrégime de référenceuniforme,cette matrice estobtenue parsimple recombinaison:
g 11 = γ 11 − γ 12 γ 22 γ 21 g 12 = γ γ 12
Pour unrégimenon uniforme,l'approximationde lacourbe deremouspermetde scinderlebief
en deuxsous-biefs danslesquels le régime est considéré commeuniforme. On peutalors dénir
les matrices
Γ (1)
etΓ (2)
relatives auxsous-biefsamont etavalrespectivement. Onen déduitles matricesG (1)
etG (2)
àpartirdesrelations (4.6).LamatriceG
relativeaubiefentier estobtenuepar :
Cettedémarchefournitunmodèlefréquentielàbasephysique adaptéauproblèmeparticulierde
la rivièreSan Joaquin. Notons que les expressions des
g ij
sont analytiques et ne font intervenir quelescinqparamètres(Q, B, Sb, n, Y X )
relatifs aurégimederéférence.Danslasuite,unjeudeparamètre donné sera noté
θ = (Q, B, Sb, n, Y X )
.Uneversionadimensionnelledumodèleaégalementétéétudiée.Ellepermetderéduirelenombre
de paramètres à identier à quatre :
F 0
,χ 0
,κ 0
(présentés en 3.2 avec le modèle LLR) etY X ∗ = Y X /Y n
. Ce modèle fait aussi intervenir deux variables de référence xées parl'utilisa-teur : un débit de référence
Q R
et une longueur de référenceX R
. L'annexe 4.4 présente lesdétails des calculs permettant d'écrire les matrices
Γ (1)
etΓ (2)
à partir des quatre paramètresadimensionnelsetdesdeuxparamètres deréférence.Lesmatrices
G (1)
etG (2)
sontalorsobtenuespar les équations (4.7). Lesdeux modèles (modèle dimensionnel et modèle adimensionnel) sont
présentésici, demanière àillustrer laquestionde l'identiabilité etl'intérêt d'uneréduction du
nombre deparamètres.
Identication fréquentielle
Le problème de l'identication desparamètres revient donc à trouver
θ
qui minimise uncritèredonné.Lessorties dumodèlesont ledébitavaletlahauteur d'eauamont.Lecritère retenu doit
donc faireétatdelaqualité desimulationde cesdeuxvariables.Pour desdonnéesEntrée/Sortie
sur l'intervalle de temps
[0; τ ]
,lecritère estdéni par lafonction coûtsuivante:J (θ) =
où
w Q
etw Y
sont descoecients de pondération permettant de donnerplus de poids audébit ou à lahauteur d'eaurespectivement,q ˆ X (t | θ)
ety ˆ 0 (t | θ)
représentent le débitavalet la hauteur d'eau amont simulés avec lejeu de paramètreθ
,Q norm
etY norm
descoecients permettant denormaliser les écartssurlesdébits etles hauteurs d'eau.
Ce critère est ensuite transposé dans le domaine fréquentiel en utilisant les propriétés
fréquen-tielles dessignaux Entrée/Sortie. Onsupposera en outre que les signauxpeuvent être
correcte-ment reproduits à partir d'un nombre ni de modes fréquentiels
(ω k ) k=1..N
, et que ces modessont les mêmes pour tous les signaux. Par une transformée de Fourier classique, on peut écrire
ladécomposition fréquentiellede cessignaux commesuit(pour les
N
modesdominants) :q 0 (t) ≈
Le modèle deSaint-Venant dénipar l'équation (4.5) permetalors d'écrire :
α k = a (0) k g 11 (X, jω) + b (X) k g 12 (X, jω) α k = a (0) k g 11 (X, jω) + b (X) k g 12 (X, jω) β k = a (0) k g 21 (X, jω) + b (X) k g 22 (X, jω) β k = a (0) k g 21 (X, jω) + b (X) k g 22 (X, jω)
(4.11)
Remarque : Il està noterque
g ij (X, − jω) = g ij (X, jω)
.Sionchoisitpour
τ
unmultipledelaplusgrandepériodeconsidérée(τ = 2πp ω
1
L'écritureducritèresouslaformefréquentielle permetderéduireconsidérablement lestempsde
calcullors de laphased'identication.
Application
La méthode d'identication est à présent appliquée au casde larivière San Joaquin surle bief
considéré. L'application, présentée par Munieret al. (2007), sedécomposeen quatre points :la
décompositionfréquentielle desentrées etsorties,l'identication desparamètres,uneanalysede
sensibilitéet lavalidation.
Décompositionfréquentielle
La décomposition en série de Fourier a été appliquée aux signaux d'entrée
q 0
ety X
et auxsignauxdesortie
q X
ety 0
.Unepuissancedecoupurede0.02dB/Hzapermisdesortir27modesprédominants. Les spectres complets et réduits aux modes prédominants sont présentés sur la
gure 4.3. On peutreleversur ces graphes les fréquences desdeux premiers modes(1.157 10
−5
Hz et2.24010
−5
) correspondant àdespériodesde24het12.4h.Cesdeuxmodestraduisentles
inuences desmaréessolaire etlunairerespectivement.
0 0.2 0.4 0.6 0.8 1
Figure 4.3 Décomposition fréquentielle desdonnées
La gure 4.4 présente les signaux recomposés à partir des modes prédominants, comparés aux
signauxréels.Cederniergraphemontreque27modespermettentdereprésenterlecomportement
des hauteurs d'eau amont et avalde manière satisfaisante. Quant aux débits, le comportement
global est bienreprésenté par les modesdominants, mais ces derniers ne susent pas à décrire
les petites oscillationsque l'on peut observer auniveau des crêtes. Lesrésultats étant toutefois
assez satisfaisant,lenombre de27 modessera conservé pour lasuite.
Identication
Pour lecalculdu critère
J ˆ
,les coecientsde normalisation sont dénis par :Q norm = 1
Les coecients de pondération
w Q
etw Y
ont étéxés à 0.5dans un premier temps. Lescon-gurations
w Q = 1
etw Y = 0
,puisw Q = 0
etw Y = 1
ont également été testées an d'observerl'importance d'utiliser les deux données (
q X
ety 0
) pour le calage. Le tableau 4.1 rassembleles résultats d'identication pour le modèle dimensionnel. Les trois cas étudiés présentent des
valeurs de paramètres très diérentes. Les paramètres de la première conguration (
w Q = 0.5
et
w Y = 0.5
) pourraient toutefois correspondre à des valeurs réalistes. Quant au critère, il est logiquement plusélevé pour lapremière conguration puisqueles contraintes sont doubles.Lesgures4.5à4.7présententlesrésultatstemporelsobtenuspartransforméedeFourierinverse,
pour les trois cas étudiés. On peut voir sur ces graphes que lorsque l'on xe
w Y
à 0, le débit15 16 17 18 19 20
Figure 4.4Comparaisondesdonnéesréellesetrecomposéesà partirdes27modesprincipaux
w Q w Y Q
(m3
/s)B
(m)S b n
(sm− 1/3
)Y X
(m)J ˆ
0.5 0.5 19.20 40.44 0.000143 0.0299 3.32 4.26
1 0 306.38 30.88 0.000273 0.0057 6.61 1.26
0 1 63.83 122.64 0.000709 0.6083 15.66 3.22
TABLEAU4.1Résultatsd'identicationpourdiérentesvaleursdescoecientsdepondération
w Q
etw Y
avalsimulé n'est que très légèrement amélioré, alors que la hauteur d'eau amont est fortement
dégradée. Demême, lorsque
w Q
estxé à 0, l'amélioration sur lahauteur d'eau amont esttrès peu visiblepour une dégradationimportante surledébitaval.Pourlemodèleadimensionnel,lesrésultatsd'identicationpourlecas
w Q = 0.5
etw Y = 0.5
sontprésentésdansletableau 4.2.Ces valeurs,obtenuesavec undébitde référence
Q R = 20
m3
/setune longueur de référence
X R = 16000
m, correspondent aux caractéristiques adimensionnelles relativesauxparamètres dimensionnels calés(première lignedu tableau4.1). Toutefoisquelquespointssontàpréciserquant àlaprocédured'identication. Danslecasdumodèledimensionnel,
15 16 17 18 19 20
l'identication était très sensible au point initial dans l'espace des paramètres et convergeait
souvent vers desminima locaux. Il adonc falluquadriller l'espace desparamètres pour trouver
un point proche du minimum global. Ce point a alors servi de point initial pour la procédure
d'identication.Dans lecasdu modèleadimensionnel, l'identication aconvergé beaucoup plus
rapidementversleminimumglobal,etcequelquesoitlepointinitialchoisi.Ceciestuneparfaite
illustration du problème d'identiabilité. L'étude de sensibilité qui suit permettra de visualiser
ce problème.
Sensibilité
Nous regardons ici la sensibilité du modèle aux diérents paramètres. Une façon de l'aborder
estde tracer l'évolutionducritèreauxenvironsdu point obtenupar identication.La gure4.8
représente,pour chaqueparamètre,lavariationducritère
J ˆ
pourune variationde±10 %,toutautre paramètre étant xé par ailleurs. Ces graphes semblent montrer que lejeu de paramètres
obtenu par identication correspond bien à un minimum. On peut également déduire de ces
courbesquelesparamètres
S b
etY X
sont plus sensibles,et donc plus facileàcaler.Nous avons également tracé sur la gure 4.9 l'évolution du critère pour une variation de deux
paramètres simultanément (variance d'ordre 2). Dans la plupart des cas, la variance d'ordre 2
sutàévaluerlavariancedelasortied'unmodèle(Henderson-Sellersetal.,1993;LiangetGuo,
2003). Chaque couple de paramètres est traité en considérant les autres paramètres constants.
Sur ces gures, les isolignes extérieures représentent une augmentation de 1 % du critère. On
peutdistinguerdeuxtypesdegraphes.Lespremiers,telsquepourlecouple
(Q 0 , B)
parexemple,montrent clairement que le point d'identication (représenté par une croix), correspond bien à
w Q w Y F 0 χ 0 κ 0 Y X ∗ J ˆ
0.5 0.5 0.13 1.97 2.26 2.88 4.26
TABLEAU 4.2 Résultats d'identication pour le modèle adimensionnel avec
w Q = 0.5
etw Y = 0.5
Figure 4.8 Sensibilité autourdu point d'identication
unminimumdansl'espacerestreintàdeuxparamètres.Parcontreonpeutvoirquepourcertains
couples comme
(Q 0 , S b )
, il peut exister un axe selon lequel le critère est quasiment à sa valeurminimale. Ainsi, le modèle peut être très sensible à une variation d'un paramètre seul (par
exemple
S b
),maistrèspeusensibleàune variationsimultanée dedeuxparamètres(parexempleQ 0
etS b
).Dans le casdu modèle de transfert développé pour cette application, il estpossible d'améliorer
l'identiabilité en réduisant le nombre de paramètres nécessaires pour décrire la dynamiquede
l'écoulement.Pour ce faire,nous utilisonslemodèle adimensionnel développé etcalé
précédem-ment.La gure4.10 présentela sensibilitédu critère autourdu point d'identication pour une
variation simultanée de deux paramètres. Le résultat montre clairement que l'identiabilité est
améliorée avec le modèle adimensionnel. Toutefois, on peut encore observer un axe particulier
pour le couple
(χ, Y X ∗ )
, ce qui montre qu'un lien existe entre ces deux paramètres. Ceci peut s'expliquer par le fait que leparamètreχ
représente la dénivelée totale sur lalongueur du biefrapportée àlahauteur d'eaudanslebief, elle-même liée àlahauteur d'eauàl'aval.D'après ces
résultats graphiques, on peut écrire que le critère ne varie quasiment pas si
χ
etY X ∗
vérientl'équation :
Y X ∗ = 0.907 + χ
(4.14)Nousavonsintégrécetteéquationdanslemodèleadimensionnel,cequipermetderéduireencore
lenombredeparamètresàidentieràtrois.L'identicationdecenouveaumodèle,appelémodèle
adimensionnelréduit,conduitaumêmejeudeparamètresqueprécédemment.Unenouvelleétude
desensibilité(gure4.11)semblemontrerquelenombredeparamètresaétéréduitaumaximum.
Le modèle adimensionnel réduitest alors parfaitement identiable.
Ce casd'étude a permis d'illustrerl'intérêt de l'étude desensibilité pour analyser lapertinence
duchoixdesparamètres.Nousavonségalementpuvoiràtraverscetteapplicationqueminimiser
lenombredeparamètres dumodèle permettait deréduire lesproblèmes d'identiabilité.
B
Q 0
S b
Q 0
n
Q 0
Y X
Q 0
S b
B
n
B
Y X
B
n
S b
Y X
S b
Y X
n
Figure 4.9 Sensibilité autourdu point d'identication
χ
F
κ
F
Y X *
F
κ
χ
Y X *
χ
Y X *
κ
Figure 4.10 Sensibilité autourdu point d'identication avec lemodèleadimensionnel
χ
F
κ
F
κ
χ
Figure 4.11 Sensibilité autourdu point d'identication avec lemodèleadimensionnel réduit
Validation
Etant donné quelapérioded'étude estrelativement courte,ilestpeujudicieux delascinderen
deux an de procéder à une validation du modèle sur une période diérente que pour
l'identi-cation. En revanche, nous disposons d'une donnée supplémentaire qui est lahauteur d'eau en
un point intermédiaire nommé BDT (voir gure 4.2). Le modèle développé ici donne en sortie
ledébit avaletlahauteur d'eauamont.Maispuisqu'il estbasésurleséquations delaphysique,
il est toutà fait possible d'obtenir, par une méthode similaire, le débit ou la hauteur d'eau en
toutpointdubiefàpartirdesentrées,àsavoir
q 0
ety X
.Toutefoisdansun soucideconcision,ledétail du calculn'est pas présenté ici,seul lerésultat est présentésurla gure 4.12. Onpeuty
voir que, malgré unelégère sous-estimation desvaleursde pointe, lemodèle reproduit très bien
les variations delahauteur d'eauà ce point intermédiaire.
15 16 17 18 19 20
−0.5 0 0.5
temps (jours)
hauteur (m)
Validation : y BDT
réel simulé
Figure 4.12 Validation aupoint intermédiaire (avec
w Q = 1
etw Y = 1
)Conclusion
Cetteapplication a toutd'abord permis d'établirune méthoded'identication fréquentielle
e-cace. Cetteméthode, renduepossible par la présencede modesfréquentiels dominantsdus aux
phénomènes demarée, présente plusieurs avantages :
elle évite les passages entre domaine fréquentiel et domaine temporel introduisant des
algo-rithmesnumériquesde calcul;
entemporel,lecalculducritèresefaitsurtoutelasériededonnées,alorsqu'iciilestréduitaux
27valeurscorrespondant auxmodesdominants, cequi permetde diminuerconsidérablement
lestemps de calcul;
il n'est pas nécessaired'approcher la fonction de transfert par une fonction de transfert
sim-pliée (parexemple dutype premier ordreavec retard).
Nousavonségalement puaborder,à traverscette application,lesproblèmes d'identiabilité dus
à une sur-paramétrisation du modèle. Ces problèmes ont été mis en évidence par une étude
de sensibilité portant sur l'inuence de variations simultanées de deux paramètres (variance
d'ordre2).Lasynthèsed'unmodèleadimensionneléquivalentapermisdediminuerlenombrede
paramètres à identier, réduisant ainsiles problèmes d'identiabilité. Les résultatsde l'analyse
de sensibilité ont enn permis d'aboutir à une version minimale du modèle, décrit par trois
paramètres uniquement (