/
0/5

0 avis

Réduction de modèles et apprentissage de solutions spatio-temporelles paramétrées à partir de données

application à des couplages EDP-EDO

Type de document : Thèse
Langue : français

Responsabilité(s) :


Responsabilité(s) secondaire (s) :
Université de soutenance : Université de Technologie de Compiègne

Numéro national de thèse : 2020COMP2535

Année de publication : 2020


Discipline : Mathématiques Appliquées et Problèmes Inverses : Laboratoire de Mathématiques Appliquées de Compiègne (Unité de recherche EA-2222)

Sujets :


Mots clés :

Résumé(s) :

  • On s intéresse dans cette thèse à l apprentissage d un modèle réduit précis et stable, à partir de données correspondant à la solution d une équation aux dérivées partielles (EDP), et générées par un solveur haute fidélité (HF). Pour ce faire, on utilise la méthode Dynamic Mode Decomposition (DMD) ainsi que la méthode de réduction Proper Orthogonal Decomposition (POD). Le modèle réduit appris est facilement interprétable, et par une analyse spectrale a posteriori de ce modèle on peut détecter les anomalies lors de la phase d apprentissage. Les extensions au cas de couplage EDP-EDO, ainsi qu au cas d EDP d ordre deux en temps sont présentées. L apprentissage d un modèle réduit dans le cas d un système dynamique contrôlé par commutation, où la règle de contrôle est apprise à l aide d un réseau de neurones artificiel (ANN), est également traité. Un inconvénient de la réduction POD, est la difficile interprétation de la représentation basse dimension. On proposera alors l utilisation de la méthode Empirical Interpolation Method (EIM). La représentation basse dimension est alors intelligible, et consiste en une restriction de la solution en des points sélectionnés. Cette approche sera ensuite étendue au cas d EDP dépendant d un paramètre, et où l algorithme Kernel Ridge Regression (KRR) nous permettra d apprendre la variété solution. Ainsi, on présentera l apprentissage d un modèle réduit paramétré. L extension au cas de données bruitées ou bien au cas d EDP d évolution non linéaire est présentée en ouverture.
  • In this thesis, an algorithm for learning an accurate reduced order model from data generated by a high fidelity solver (HF solver) is proposed. To achieve this goal, we use both Dynamic Mode Decomposition (DMD) and Proper Orthogonal Decomposition (POD). Anomaly detection, during the learning process, can be easily done by performing an a posteriori spectral analysis on the reduced order model learnt. Several extensions are presented to make the method as general as possible. Thus, we handle the case of coupled ODE/PDE systems or the case of second order hyperbolic equations. The method is also extended to the case of switched control systems, where the switching rule is learnt by using an Artificial Neural Network (ANN). The reduced order model learnt allows to predict time evolution of the POD coefficients. However, the POD coefficients have no interpretable meaning. To tackle this issue, we propose an interpretable reduction method using the Empirical Interpolation Method (EIM). This reduction method is then adapted to the case of third-order tensors, and combining with the Kernel Ridge Regression (KRR) we can learn the solution manifold in the case of parametrized PDEs. In this way, we can learn a parametrized reduced order model. The case of non-linear PDEs or disturbed data is finally presented in the opening.

Autre(s) titre(s):

  • Titre traduit : Data-based learning of parametrized spatio-temporal solutions and model order reduction


  • Accéder au document
  • Consulter en ligne

    Suggestions

    Du même auteur

    Modélisation des architectures à renforcement tridimensionnel dans les structures composites | Ha, Manh Hung. Auteur

    Modélisation des architectures à renforcement tridimensionnel dans les structures composites / Ha, Manh Hung. Auteur, 2013

    Ces travaux se placent dans le cadre de l'étude des propriétés mécaniques des architectures à renforcement tridimensionnel dans les structures composites. Nous proposons une approche permettant de caractériser les propriétés mécan...

    Source : Ressources électroniques

    THES|THES

    Autonomous road vehicles localization using satellites, lane markings and vision | Tao, Zui (19..-....). Auteur

    Autonomous road vehicles localization using satellites, lane markings and vision / Tao, Zui (19..-....). Auteur, 2016

    L'estimation de la pose (position et l'attitude) en temps réel est une fonction clé pour les véhicules autonomes routiers. Cette thèse vise à étudier des systèmes de localisation pour ces véhicules en utilisant des capteurs automo...

    Source : Ressources électroniques

    THES|THES

    Regularization schemes for transfer learning with convolutional networks | Li, Xuhong (19..-....). Auteur

    Regularization schemes for transfer learning with convolutional networks / Li, Xuhong (19..-....). Auteur, 2019

    L apprentissage par transfert de réseaux profonds réduit considérablement les coûts en temps de calcul et en données du processus d entraînement des réseaux et améliore largement les performances de la tâche cible par rapport à l ...

    Source : Ressources électroniques

    THES|THES

    Du même sujet

    Full-field multi-fidelity surrogate models for optimal design of turbomachines | Benamara, Tariq (19..-....). Auteur

    Full-field multi-fidelity surrogate models for optimal design of turbomachines / Benamara, Tariq (19..-....). Auteur, 2017

    L optimisation des différents composants d une turbomachine reste encore un sujet épineux, malgré les récentes avancées théoriques, expérimentales ou informatiques. Cette thèse propose et investigue des techniques d optimisation a...

    Source : Ressources électroniques

    THES|THES

    Neural networks and statistical learning | Du, Ke-Lin. Auteur

    Neural networks and statistical learning / Du, Ke-Lin. Auteur ; Swamy, M. N. S.. Auteur - Springer, 2014

    Providing a broad but in-depth introduction to neural network and machine learning in a statistical framework, this book provides a single, comprehensive resource for study and further research. All the major popular neural networ...

    Source : Catalogue

    Equations aux dérivées partielles | Bezard, Max. Auteur

    Equations aux dérivées partielles / Bezard, Max. Auteur - Ecole nationale supérieure de techniques avancées, 1993

    Source : Catalogue

    Chargement des enrichissements...

    Avis des lecteurs