Etamer06 Statistique

Les états de mer naturels 06 - Analyse statistique de la houle réelle
6. Analyse statistique de la houle réelle

6.1. Introduction
Le comportement des ondes à la surface de la mer et des océans relève,

de toute évidence, bien moins de l'analyse déterministe, que de l'analyse
stochastique qui est l'étude du calcul des probabilités appliqué au
traitement des statistiques.
Il est donc raisonnable d'étudier les aspects stochastiques des états de

mer, ainsi que ceux des réponses des ouvrages, structures, navires et
engins marins qui y sont soumis.
Une telle approche est nécessairement soumise à des hypothèses

simplificatrices qui permettent, sous réserve qu'elles soient vérifiées, la
mise en œuvre de l'outil mathématique. Ces hypothèses de base
concernent, bien sûr, la modélisation des états de mer, mais aussi celle
de la réponse des ouvrages, structures, navires et engins marins.
Dans ce qui suit, les processus aléatoires seront supposés être stables
(ou stationnaires), ergodiques et linéaires. Ils ne font intervenir que des
variables gaussiennes indépendantes.
6.2. Décomposition d'une houle irrégulière en houles simples
L'ensemble de la théorie stochastique de la houle réelle repose sur

l'hypothèse fondamentale que la dénivelée η(M;t) de la surface libre d'une
houle irrégulière peut être considérée comme étant la somme d'une
infinité d'ondes sinusoïdales simples, chacune se propageant avec sa
célérité propre qui n'est fonction que de sa période et de la profondeur
d'eau.
En supposant que l'axe des abscisses x coïncide avec la direction de

propagation, la dénivelée de la surface libre peut donc se mettre sous la
forme générale :
∞
Hi x t
(6.1) η( M ; t ) = sin2π − +ψ i
i =1 2 λ i Ti
Ainsi, en un point M fixé, la dénivelée de la surface libre est supposée

pouvoir s'écrire comme la somme d'un très grand nombre N de fonctions
aléatoires indépendantes variant sinusoïdalement avec le temps dont les
phases ϕi sont des grandeurs aléatoires uniformément réparties dans
l'intervalle [0,2π]:
N
(6.2) η(t ) = ai sin(ω i t + ϕ i )
i =1
Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 1 / 22

Cette formulation suppose implicitement que le processus aléatoires est

linéaire. C'est à dire que les interactions entre les différentes houles
simples qui composent la houle irrégulière sont négligeables, ce qui est
pratiquement toujours vérifié pour des profondeurs pas trop petites avec
des hauteurs de houle pas trop grandes.
Par ailleurs, il est à noter qu'en eau peu profonde, des groupements de
vagues sont souvent observables, ce qui est en contradiction avec la
répartition des phases supposée aléatoire et uniforme dans l'intervalle
[0,2π].
En supposant le processus ergodique, il est possible d'identifier la

moyenne temporelle de la fonction aléatoire η(M;t) avec sa moyenne
statistique ou spatiale. En notant respectivement d'un point et de deux
points les dérivées temporelles première et seconde de la dénivelée il en
résulte que les espérances mathématiques ou moyennes temporelles des
trois fonctions sont nulles :
(6.3) η(t ) = 0 η(t ) = 0 η(t ) = 0
Ce qui ne prend en compte ni la limitation de hauteur par le déferlement,

ni les dissymétries du profil de la houle dues à sa cambrure.
Par ailleurs, les moyennes quadratiques des trois fonctions s'expriment à

partir des différents moments d'ordres pairs du processus :
1 N 2
η 2 (t ) = ai = m0 η(t )η(t ) = 0
2 i =1
1 N 2 2 1 N
(6.4) η 2 (t ) = ω i ai = m2 η(t )η(t ) = ω i2 ai2 = m2
2 i =1 2 i =1
1 N 4 2
η 2 (t ) = ω i ai = m4 η(t )η(t ) = 0
2 i =1
Le théorème de Lyapounov stipule que lorsque leur nombre N tend vers

l'infini, la distribution d'une somme de fonctions aléatoires indépendantes
tend vers une loi normale de variance m0.
Ainsi, pourvu que N soit assez grand, η(t) et ses dérivées temporelles
première et seconde suivent des lois normales centrées de variances
respectivement égales à m0, m2 et m4. La densité de probabilité qui est la
probabilité que la dénivelée soit comprise entre deux valeurs z et z+dz,
s'écrit donc :
(6.5)
1 N
1 z2
Prob[ z ≤ η(t ) < z + dz ] = lim dt n = P ( z )dz = exp − dz
TN →∞ TN n =1 2πm0 2m0

Les différents termes qui interviennent dans cette expression sont

matérialisés sur la figure 6.1.
Figure 6.1 : Probabilité que la dénivelée soit comprise dans l'intervalle

[z,z+dz].
6.3. Analyse vague par vague
Les deux fonctions aléatoires η(t) et η(t ) étant, par construction,

statistiquement indépendantes ( η(t )η(t ) = 0 ), la densité de probabilité de
leur couple (η(t), η(t ) ) s'obtient par simple produit des deux lois. D'où :
1 m2 z 2 + m0 z 2
(6.6) P( z , z ) = exp −
2π m0 m2 2m0 m2
6.3.1. Passage par un niveau z donné
La probabilité que la dénivelée passe par un niveau z donné par valeurs

croissantes z ∈[0, ∞[ est égale au produit de l'espérance mathématique
de la fréquence de cet événement par le temps dt pendant lequel il se
produit, ce qui impose la relation dz = zdt . Il vient donc :
∞
(6.7) Prob[ z ≤ η(t ) < z + dz;0 ≤ η(t )] = P( z , z)dzdz = E [ N z+ ]dt
0
Ainsi, après avoir remplacé dz par son expression en fonction de dt, ce qui
rend l'intégration immédiate, il en résulte les égalités suivantes :
E[ N z ] 1 m2 z2
(6.8) + -
E [ N ] = E[ N ] = = exp −
2π
z z
2 m0 2m0
La période de passage de la dénivelée au niveau z par valeurs

croissantes (z up-crossing) s'écrit donc :

1 m0 z2
(6.9) Tuc (z) = = 2π exp
E [ N z+ ] m2 2m0
La longueur d'onde associée à cette période s'obtient en remarquant que

les moments m’n correspondant à une formulation en nombre d'onde sont
donnés en fonction des moments de la formulation en pulsation mn par :
n
ω2 m2 n
(6.10) ω →k =
n n
⇔ mn → mn′ =
g gn
Elle est donc définie par la relation :
m0 z2
(6.11) λuc (z) = 2πg exp
m4 2m0
6.3.2. Passage par le niveau moyen
De même que précédemment, la probabilité que la dénivelée passe par le

niveau moyen η(t)=0 par valeurs croissantes η(t ) ∈[0, ∞[ s'obtient
immédiatement :
∞
(6.12) Prob[0 ≤ η(t ) < + dz;0 ≤ η(t )] = P(0, z )dzdz = E[ N 0+ ]dt
0
D'où les égalités suivantes :
E[ N 0 ] 1 m2
(6.13) E [ N 0+ ] = E [ N 0- ] = =
2 2π m0
La période de passage de la dénivelée au niveau moyen par valeurs

croissantes (zero up-crossing) s'écrit donc :
1 m0
(6.14) Tuc = +
= 2π
E[ N 0 ] m2
La longueur d'onde associée à cette période étant alors définie par :
m0
(6.15) λ uc = 2πg
m4

6.3.3. Passage par un extremum
Un maximum relatif de la dénivelée est défini comme un passage de la

dérivée η(t ) par zéro par valeurs décroissantes η(t ) ∈] − ∞,0] . Les deux
fonctions aléatoires η(t ) et η(t ) étant, par construction, statistiquement
indépendantes, il résulte immédiatement de ce qui précède que :
+ - E[ N max ] 1 m4
(6.16) E[ N max ] = E[ N max ]= =
2 2π m2
d'où la période qui sépare en moyenne le passage entre deux maxima

consécutifs :
1 m2
(6.17) Tmax = +
= 2π
E[ N max ] m4
La longueur d'onde associée à cette période étant alors définie par :
m4
(6.18) λ max = 2πg
m8
6.3.4. Distribution des extrema
Il s'agit désormais de déterminer, en terme de probabilités, les valeurs de

la dénivelée lorsqu'elle passe par un maximum relatif. Il faut donc pour
cela considérer la probabilité d'un ensemble de trois fonctions
gaussiennes (η(t), η(t ) , η(t ) ). Or, si les deux couples de fonctions
(η(t), η(t ) ) et ( η(t ) , η(t ) ) sont respectivement indépendants, il n'en va
pas de même du couple (η(t), η(t ) ) puisque η(t )η(t ) = m2 . Dans ces
conditions, la densité de probabilité des trois fonctions aléatoires
gaussiennes se présente sous la forme suivante :
1 z2 m z 2 + 2m2 zz + m0 z 2
(6.19) P( z , z , z ) = exp − − 4
(2π ) ∆m2 2∆
3
2
2m2
Avec :
(6.20) ∆ = m0m4 − m22
La probabilité que la dénivelée η(t) soit maximale, avec donc η(t ) =0 et

η(t ) <0 dans l'intervalle [z,z+dz] s'écrit ainsi, avec dz = zdt :
0
(6.21) G( z) dz = P( z,0, z ) dzdzdz
−∞

+
Elle est égale au produit de la probabilité qu'un maximum existe E ( N max )
par la probabilité f(z)dz que ce maximum soit compris dans l'intervalle
[z,z+dz] :
G( z )dz
(6.22) f ( z)dz = +
E ( N max )dt
La densité de probabilité de la cote des maxima s'écrit donc :
(6.23)
ε z2 1− ε 2 z2 z 1− ε 2
f ( z) = exp − + z exp − 0.5 + erf
2πm0 2m0ε 2 m0 2m0 ε m0
expression dans laquelle ε est un nombre appartenant à l'intervalle [0,1]

qui est appelé largeur de bande :
2
m2 E ( N 0+ )
(6.24) ε = 1− 2 = 1− +
m0 m4 E ( N max )
La fonction de probabilité de répartition des maxima s'obtient alors en

intégrant l'expression (6.23) sur l'intervalle [z,∞[ :
∞
(6.25) F ( z) = f ( z )dz
z
ce qui se calcule analytiquement pour conduire au résultat suivant :
[
F ( z) = ε 2 + 1 − ε 2 ] 0.5 − erf ε zm 0
(6.26)
z2 z 1− ε 2
+ 1 − ε exp −
2
0.5 + erf
2m0 ε m0
expression dans laquelle erf(x) désigne la fonction erreur définie par :
1 x t2
(6.27) erf ( x) = exp − dt
2π 0 2
Plusieurs cas sont donc à envisager selon la valeur de la largeur de

bande :
Si la largeur de bande est nulle, chaque crête est encadrée par deux
passages par le niveau moyen. Toutes les crêtes ont donc une cote
positive. Les maxima suivent une loi de Rayleigh. Ce modèle
correspond à une houle sinusoïdale modulée en amplitude.

Si la largeur de bande est égale à l'unité, les crêtes ont des cotes de
signe quelconque ce qui traduit une agitation confuse. Le phénomène
est gouverné par la loi de Gauss.
Les cas intermédiaires correspondent soit à des mer complètement
formée (0.6 à 0.8) ou à des houles qui se propagent en dehors de leur
zone de génération (0.2 à 0.4).
6.4. Répartition des hauteurs de vagues
6.4.1. Valeurs stochastiques de répartition des maxima
La valeur moyenne du nième quantile des plus grandes observations des

pics est, dans la pratique, du plus grand intérêt.
ième
La probabilité que le n des pics ζ soit supérieurs à la valeur ζ 1n , est
donnée par :
1
(6.28) P[ζ ≥ ζ 1n ] = F (ζ 1n ) =
n
Cette expression implicite n'est malheureusement pas susceptible d'être

résolue analytiquement, et un calcul numérique s'impose pour déterminer
la valeur de ζ 1n .
La moyenne des valeurs supérieures à ζ 1n s'obtient ensuite en appliquant

la formule de la moyenne :
∞ ∞
(6.29) ζ 1 f (ζ ) dζ = ζf (ζ ) dζ
n ζ1 ζ1
n n
soit encore après une intégration par partie :
∞
(6.30) ζ =ζ +n
1 1 F (ζ )dζ
n n ζ1
n
Là encore, une intégration entièrement analytique est difficilement

envisageable, et le recours au calcul numérique est inévitable.
Il est cependant intéressant de remarquer que puisqu'il s'agit de la

recherche des plus grandes valeurs des pics, les arguments des fonctions
erf(x) sont, dès que le signal possède des amplitudes élevées, assez
grands pour que celles-ci soient développables en séries asymptotiques.
Ceci suppose toutefois que ε ne soit pas égal à l'unité, et n'en soit pas
sans doute pas non plus trop proche (ε<0.9). Il vient alors, en ne
conservant que le premier terme :

ζ2
1 1
(6.31) 1 − ε exp − 2 n
≈
2m0 n
d'où la valeur approchée de ζ 1n qui en résulte :
(6.32) ζ ≈ 2m0 ln n 1 − ε 2
1
n ( )
On retrouve, ici, lorsque la largeur de bande est nulle, l'expression
classique obtenue en faisant l'hypothèse d'une distribution de Rayleigh !
Ce qui s'explique en remarquant que si la largeur de bande est
strictement inférieure à l'unité, c'est la composante correspondant à la loi
de Rayleigh qui gouverne le comportement asymptotique des grandes
valeurs.
De même, en ne conservant que le premier terme du développement en

série asymptotique dans l'expression (6.30), il vient :
ζ 1
(6.33) ζ ≈ ζ + n 2πm0 1 − ε 2 0.5 − erf
1 1
n
n n
m0
soit encore en remplaçant ζ 1n par son expression tirée de (6.32) :
(6.34) ζ 1n ≈ m0 ( )
2 ln n 1 − ε 2 + n 2π 1 − ε 2 05
. − erf (
2 ln n 1 − ε 2 )
En ne conservant que les deux premiers termes de la série alternée du
développement asymptotique de la fonction erreur, et en ne prenant que
la moitié du second (accélération de convergence), il en résulte une
bonne approximation, légèrement par excès, de la valeur cherchée :
(6.35) ζ ≈ m0 (
2 ln n 1 − ε 2 + ) 1
1−
(
1
)
( )
1
4 ln n 1 − ε 2
n
2 ln n 1 − ε 2
6.4.2. Hauteurs particulières
La hauteur crête à creux H d'une vague est définie comme la différence

des cotes extrêmes atteintes de part et d'autre d'un passage par le niveau
moyen. Il s'agira de la hauteur "zero up-crossing" si ce passage se fait par
valeurs croissantes, et de la hauteur "zero down-crossing" dans le cas
contraire.

Figure 6.2 : Répartition statistique des hauteurs de vagues au large
Certaines hauteurs particulières sont utilisées pour caractériser un état de

mer. Il est à noter que le passage des niveaux des pics aux hauteurs fait
apparaître un coefficient deux entre les deux grandeurs H=2ζ.
L'expérience montre que la répartition statistique des hauteurs de houle

suit assez fidèlement une loi de Rayleigh comme le montre la figure 6.2.
Cela signifie que les pics des hauteurs crête à creux des vagues sont
contenus dans une gamme de fréquence de faible largeur de bande
(ε<<1), et que, dans le cas général, leur étude doit être menée à partir de
la loi de Rayleigh.
Dans ces conditions, la fonction densité de probabilité des hauteurs crête

à creux qui représente la probabilité pour que la hauteur ait une valeur
comprise ente H et H+dH s'écrira donc d'après (6.23) avec ε=0 :
H H H H2
(6.36) p( H ) dH = f d = exp − dH
2 2 4m0 8m0

6.4.2.1. Hauteur moyenne
La hauteur moyenne est la moyenne de toutes les hauteurs de

l'enregistrement.
N
1 ∞
(6.37) Hm = lim Hi = Hp( H )dH = 2πm0
N →∞ N i =1
0
6.4.2.2. Hauteur quadratique moyenne
La hauteur quadratique moyenne (root-mean-square) est la racine carrée

de la moyenne des carrés des N hauteurs d'un enregistrement :
N
1
(6.38) Hrms = lim Hi2
N →∞ N i =1
Elle correspond à la hauteur que devrait avoir chacune des N

composantes sinusoïdales du signal si elles véhiculaient toutes 1/N ième
de la totalité de l'énergie de l'état de mer.
Elle s'exprime donc, en fonction du moment d'ordre zéro, sous la forme :
(6.39) Hrms = 2 2m0 = 113

. Hm
6.4.2.3. Hauteur significative
La hauteur significative (significant value) est la moyenne du tiers des plus

grandes hauteurs.
Pour des raisons de commodités, la hauteur "significative" Hs est

habituellement définie par l'expression (6.40) qui correspond au cas
particulier de la distribution de Rayleigh, et constitue un majorant de H 13
pour les largeurs de bande non nulles.
(6.40) Hs = H 13 = 4 m0 = 2 Hrms = 1.60 Hm
6.4.2.4. Hauteurs ayant une chance sur n d'être dépassées
La hauteur médiane est la hauteur qui a une chance sur deux d'être
dépassée.
(6.41) H 12 = 2 2m0 ln 2 = ln 2 Hrms = 0.94 Hm

De même la hauteur qui a une chance sur dix d'être dépassée est :
(6.42) H 110 = 2 2m0 ln 10 = ln 10 Hrms = 1.71 Hm
La moyenne des ces hauteurs s'écrit alors :
(6.43) H 110 = 180

. Hrms = 2.03 Hm
6.4.2.5. Hauteur la plus probable
La hauteur la plus probable correspond au maximum de la fonction

densité de répartition p(H), et s’obtient en annulant sa dérivée :
1
(6.44) H p = 2 m0 = Hrms = 0.80 Hm
2
6.4.2.6. Hauteur de la plus grande vague
L'espérance mathématique de la hauteur maximale Hmax d'un

enregistrement de N vagues doit naturellement être légèrement inférieure
à la valeur H 1 N qui correspond à la moyenne des 1/ N ième hauteurs d'un
échantillon plus important de mN valeurs.
D'après l'expression (6.28), la probabilité que la variable Hmax prenne une

valeur supérieure à H est donnée par la fonction de probabilité de
répartition des pics :
H
(6.45) Prob[ Hmax ≥ H ] = F
2
La probabilité que les N valeurs de l'enregistrement, supposées

indépendantes, que prend la variable Hmax, soient toutes inférieures à H
est alors :
N
H
(6.46) Prob[ ∀Hmax < H] = 1 − F
2
La probabilité qu'au moins une de ces valeurs, qui sera la plus grande,
dépasse H est donc donnée par :
N
H
(6.47) Prob[ ∃Hmax ≥ H ] = 1 − 1 − F
2

La probabilité que le maximum Hmax soit compris dans l'intervalle

[H, H+dH] est la densité de probabilité de Hmax. Elle s'obtient donc par
dérivation :

N −1
N H d H
(6.48) Prob[ H < Hmax ≤ H + dH ] = 1− F F dH
2 2 dH 2
L'espérance mathématique du maximum s'écrit alors :
∞ N −1
N H H
(6.49) E ( Hmax ) = H 1− F dF
2 0
2 2
En ne conservant que le premier terme du développement asymptotique

de (6.26), chacun des monômes peut être intégré, et leur série converge
vers une expression connue. Ainsi, en désignant par γ la constante d'Euler
qui vaut approximativement 0.5772157, la hauteur la plus grande vague
probable correspondant à un enregistrement de N hauteurs crête à creux
s'écrit (M.S. Longuet-Higgins /1952/) :
(6.50) Hmax ≈ 2 m0 (
2 ln N 1 − ε 2 + ) γ
(
2 ln N 1 − ε 2 )
Le tableau 6.1 donne les relations entre les différentes hauteurs en
fonction du nombre de vagues.
N 10 20 50 100 200 500 1000 10000

Hmax/Hm 1.93 2.14 2.40 2.57 2.74 2.94 3.09 3.53
Hmax/Hrms 1.71 1.89 2.12 2.28 2.42 2.60 2.73 3.13
Hmax/Hs 1.20 1.34 1.50 1.61 1.71 1.84 1.93 2.21
Tableau 6.1 : rapport entre la hauteur maximale espérée et les hauteurs
quadratique moyenne et significative en fonction du nombre de vagues.
Lorsque la largeur de bande du spectre est suffisamment grande pour

n'être pas négligeable, les différentes valeurs caractéristiques varient.
La figure 6.3 montre l'évolution des valeurs exactes, obtenues en

résolvant numériquement l'équation (6.28) puis en intégrant
numériquement l'expression (6.30) en fonction des paramètres n et ε.

6.4.2.7. Cas d'un spectre large
Figure 6.3 : Evolution des valeurs de H 1n / 4 m0 en fonction de ε pour

différentes valeurs de n.
Toutefois, en raison de sa simplicité, la formule correspondant à la loi de

Rayleigh continue d'être utilisée de manière systématique, d'autant plus
qu'elle est pessimiste et que son usage va donc, en général, dans le sens
de la sécurité.
6.4.2.8. Valeurs stochastiques des maxima pendant une durée donnée :

valeurs extrêmes à court terme
Certaines opérations marines ne peuvent être menées à bien que dans

des conditions de calme relatif. En d'autres termes, l'excursion maximale
d'un paramètre de réponse ou de la hauteur de la houle rencontrée ne
doit pas dépasser une certaine valeur pendant la durée de ces opérations.
Il s'agit donc ici de déterminer la probabilité α pour que la plus grande

valeur, crête à creux, que prend une variable aléatoire X pendant un
enregistrement d'une durée significative donnée Tds, dépasse une valeur

(α )
donnée X max . Dans la pratique, Tds est de l'ordre de vingt minutes à une
heure.
D'après le paragraphe 6.4., la probabilité que la variable X prenne une

(α )
valeur supérieure à X max est donnée par la fonction de probabilité de
répartition des pics :
(α ) (α )
(6.51) Prob[ X ≥ X max ] = F ( X max )
La probabilité que toutes les N valeurs, supposées indépendantes, que

prend la variable X au cours de l'enregistrement de durée Tds, soient
(α )
inférieures à X max est alors :
(α ) (α )
(6.52) Prob[∀X < X max ] = [1 − F ( X max )] N
La probabilité qu'au moins une de ces valeurs, qui sera la plus grande,
(α )
notée X , dépasse X max est donc donnée par :
(α ) (α )
(6.53) Prob[ ∃X ≥ X max ] = 1 − [1 − F ( X max )] N
La probabilité α qu'un maximum X soit supérieur à X max

(α )
s'écrit donc :
(6.54) α = 1 − [1 − F ( X max
(α )
)] N
Cette équation peut alors se mettre sous la forme explicite suivante :
(α )
) = 1 − [1 − α ]
1
(6.55) F ( X max N
Si la probabilité α est petite, il devient possible de développer le binôme

en série pour n'en garder, une fois de plus, que le premier terme :
(6.56) α ≈ NF ( X max
(α )
)
De plus, si ε n'est pas trop proche de l'unité (ε < 0.9), il est possible de ne
(α )
garder que le premier terme du développement de F ( X max ) , ce qui
conduit à une solution approchée semblable à celle de (6.32) :
(α ) N
(6.57) X max ≈ 2m0 ln 1− ε 2
α
Le nombre de maxima rencontrés est obtenu en faisant le quotient de la

durée significative par la période des maxima. d'où les expressions
approchées suivantes en fonction de Tuc ou de T max :

(α ) Tds T
(6.58) X max ≈ 2m0 ln 1 − ε 2 = 2m0 ln ds
αTmax αTuc
(α )
La moyenne des valeurs supérieures à X max s'obtient encore d'une
manière similaire à ce qui a été fait précédemment au moyen des
formules (6.34) et (6.35). A noter que s'il s'agit d'une excursion crête à
creux, il faut multiplier par deux la valeur de l'amplitude maximale.
6.4.3. Les groupements de vagues
Un groupement de vagues est un train de vagues successives dont les

hauteurs sont supérieures à un seuil donné.
A partir d'observations réalisées au large du Japon, Y. Goda /1976,1983/

a mis en évidence que les occurrences de groupements de vagues
supérieures à H 13 ou à H1/2 sont plus nombreuses que leur probabilité
obtenue en supposant l'indépendance des vagues successives et la
distribution de leurs hauteurs suivant la loi de Rayleigh.
Sur l'observation de 20051 vagues jeunes répartis en 171

enregistrements, 122 groupements de 3 vagues successives supérieures
à H 13 ont été recensés alors que la distribution de Rayleigh n'en prévoyait
que trente. Ces observations ont également montré que, dans 75% des
cas, la plus haute vague de chaque enregistrement apparaît dans un
groupement de 2 à 7 vagues de hauteurs supérieures à H 13 .
Il est donc clair que la corrélation entre les hauteurs de deux vagues
successives n'est pas nulle et que l'hypothèse d'indépendance des
vagues n'est pas toujours vérifiée.
D'après les travaux de H. Rye /1974/ la corrélation entre les hauteurs de

vagues successives est plus importante avant le maximum de la tempête,
lorsque l'état de mer est encore en cours de formation, qu'après.
Les conditions d'apparition des groupements de vagues ne sont toujours

pas bien connues, et de nombreuses recherches se poursuivent sur ce
sujet.
Il s'agit la d'un point fondamental car les conséquences des groupements

de vagues sur la tenue des structures ou des ouvrages à la mer
dépassent souvent celles inhérentes à la simple superposition des effets
de chaque vague prise isolément.

6.5. Houles de projet
Les valeurs extrêmes des sollicitations dues à l'environnement jouent un

rôle capital dans la conception d'un ouvrage maritime ou d'une structure
offshore dont la durée annuelle d'indisponibilité ou dont le risque de ruine
est étroitement associé au franchissement d'une valeur critique, par
exemple, en terme d'agitation ou de contrainte.
L'ingénieur est donc confronté au problème de l'estimation des valeurs

extrêmes associées à un niveau de risque donné et à une période
commensurable avec la durée de vie de l'ouvrage.
Il a donc besoin de définir une houle de projet, c'est à dire la hauteur et la

période significatives ou maximale de la houle pour laquelle il va mener
ses calculs et effectuer ses essais. Le plus souvent, ces statistiques sont
obtenues à partir de données portant sur les maxima du processus.
6.5.1. Formules empiriques
Lorsque les conditions géographiques s'y prêtent, il est possible de définir

une hauteur de houle maximale réaliste, et donc pas trop majorante,
pouvant exister sur un site donné.
6.5.1.1. Hauteur limitée par la profondeur
C'est d'abord le cas lorsque la profondeur h est relativement faible pour

que les houles soient écrêtées par le déferlement. La hauteur maximale à
prendre en compte peut être alors donnée par le critère de M.A. Cowan
/1874/ :
Hmax
(6.59) = 0.78
h
mais, dans certains cas, cette valeur théorique peut être dépassée
comme le laisse prévoir le critère de déferlement de J.A. Battjes /1974/
qui montre que ce rapport peut atteindre 1.2, voire 1.3 et plus !
6.5.1.2. Hauteur limitée par le fetch
C'est également le cas lorsque le fetch sur lequel la mer peut se lever est
bien identifié. La hauteur maximale de la houle à prendre en compte peut
alors être définie à partir de différentes formules empiriques prenant en
compte le fetch F et la vitesse maximale du vent W qui peut y souffler et
sa durée maximale D (formules de Bretschneider ou de Hasselmann).

6.5.2. Période de retour d'un événement
La période de retour T associée à la valeur HT d'une variable aléatoire H

est l'espérance mathématique du nombre n d'unités de temps (mois,
année …) séparant deux occurrences successives de l'événement H ≥ HT .
D'après cette définition, l'événement H ≥ HT se réalisera, en moyenne,

une et une seule fois pendant chaque période T choisie.
Sous réserves :
que le phénomène observé soit stationnaire (si n est compté en unités
inférieures à l'année, cette hypothèse qui peut être mise en défaut par
des phénomènes saisonniers comme les cyclones),
que les réalisations successives de H pendant l'unité de temps soient
statistiquement indépendantes,
la période de retour peut s'exprimer en fonction de la probabilité F(HT) que
H soit supérieur ou égal à HT. La probabilité de n s'écrit en effet :
(6.60) p(n) = F ( HT )[1 − F ( HT )]n−1
∞
D'où, compte tenu de l'égalité (1 − x) −2 = nx n−1 valable si x < 1,
n =1
l'expression de la période de retour:
∞ ∞
1
(6.61) T = E ( n) = np(n) = F ( HT ) n[1 − F ( HT )]n−1 =
n =1 n =1 F ( HT )
La probabilité que n soit inférieur à une valeur donnée N s'écrit alors :
N N
(6.62) Prob[n ≤ N ] = p( n ) = F ( HT ) [1 − F ( HT )]n −1 = 1 − [1 − F ( HT )] N
n =1 n =1
Ainsi, si N est la durée de vie souhaitée d'un ouvrage, et si la période de

retour choisie pour son dimensionnement est T, la probabilité E qu'il
subisse un dommage associé à l'occurrence d'au moins un événement
H ≥ HT pendant la durée N s'écrit, en ne considérant que les valeurs de T
assez grandes :
N
1 N
(6.63) E = Prob[n ≤ N ] = 1 − 1 − ≈ 1 − exp −
T T
De même, la période de retour T à prendre en compte pour que la

probabilité de dommage au cours de la durée de vie N ne dépasse pas le
seuil E est :

N
(6.64) T≈−
ln(1 − E )
T/N 1 2 5 10 20 50 100
E 0.63 0.39 0.18 0.10 0.05 0.02 0.01
Tableau 6.2 : Probabilités d'un événement en fonction du rapport entre la
période de retour et la durée de vie souhaitée.
Le tableau 6.2 montre clairement que, pour limiter réellement le risque à

un faible niveau, la période de retour d'un événement provoquant la ruine
de l'ouvrage doit être égale à plusieurs fois sa durée de vie.
Toutefois, lorsque l'effet de durée du risque, ou l'effet de répétition du

phénomène prend une signification importante, il est plus rationnel de
fonder la définition de la période de retour sur la notion de durée cumulée.
~
La houle de période de retour T est alors définie comme la houle dont la
~
hauteur HT est atteinte et dépassée en moyenne pendant une durée
~
cumulée de 24 heures au cours d'une durée totale égale à T . Ainsi, en
~
exprimant T en années, sa probabilité d'occurrence est définie par :
~ 1
(6.65) F ( HT ) = ~
365 T
6.5.3. Méthode probabiliste
Pour déterminer la période de retour d'une hauteur de houle donnée

(hauteur maximale ou hauteur significative, durée cumulée ou non, …), ou
la hauteur de houle associée à une période de retour donnée, (houles
décennale H10, cinquantennale H50, centennale H100, …), il suffit de
connaître la probabilité F(HT) que H soit supérieur ou égal à HT.
Comme le montre la figure 6.4, sur un diagramme semi-logarithmique,

pour un lieu d'observation donné, les points représentatifs de la hauteur
maximale en fonction de la probabilité d'occurrence s'alignent. C'est la loi
de Larras :
(6.66) HT = H0 − A log( F ( HT ))
Expression dans laquelle H0 désigne le "bruit de fond" qui peut être très
faible, voire nul. Il vient, en inversant cette relation :
HT − H0 H − H0
(6.67) F ( HT ) = exp − = exp −2.30 T
A log e A

Les paramètres H0 et A de cette loi sont déterminés par ajustement au

sens des moindres carrés à partir des observations sur le site considéré.
Figure 6.4 : extrapolation des hauteurs maximales aux grandes

périodes de retour.
Naturellement, pour pouvoir procéder à une extrapolation convenable sur

des périodes longues, il est nécessaire de disposer, pour le site
considéré, de mesures continues pendant au moins deux à trois années,
et, si possible, plus. C'est sans doute pour cela que la houle de projet
augmente souvent sensiblement pendant les études.
Cette approche qui peut être utilisée, à condition de disposer de données

directionnelles, en tenant compte des incidences, ne fournit
malheureusement pas d'indication sur la période des houles.
6.5.4. Méthode du renouvellement
Lorsque la durée des observations est trop courte, il reste possible, sous
certaines hypothèses, d'obtenir une estimation indirecte des périodes de
retour des houles maximales à partir des informations les plus
significatives sur les probabilités des fortes houles, c'est à dire les
hauteurs de houle maximales de chaque tempête supérieures à un seuil
donné.
Cette méthode de détermination de la houle de projet dite "par

renouvellement" a été mise au point par le L.N.H. (EDF Chatou).

Elle suppose donc que, pour un site donné, toutes les tempêtes
caractérisées par une hauteur H supérieure à un seuil donné H0 sont
connues sur une durée de plusieurs années. Par ailleurs, le seuil H0 est
sensé être suffisamment élevé pour que deux tempêtes successives
puissent être supposées statistiquement indépendantes.
Alors, la probabilité pour que la hauteur maximale Hmax soit supérieure à

une valeur HT peut s'écrire sous la forme :
∞
(6.68) Prob[ Hmax ≥ HT ] = 1 − p(n)[1 − F ( HT )]n
n=0
Expression dans laquelle p(n) désigne la probabilité qu'il y ait, au cours

d'une année, n tempêtes de hauteur supérieure au seuil et F(HT) la
probabilité qu'une tempête donnée ait une hauteur supérieure à HT,
sachant qu'elle est au dessus du seuil H0.
Si F(HT) est proche de zéro, ce qui est vérifié sous deux conditions :
que l'échantillon de tempêtes observées soit assez important, ce qui
suppose que la hauteur H0 du seuil soit assez petite et que la durée
d'observation soit assez longue ;
que la hauteur considérée HT soit assez grande c'est à dire que sa
probabilité d'occurrence soit suffisamment petite (vague décennale,
trentennale, cinquantennale ou centennale) ;
alors la relation (6.68) peut se mettre sous la forme approchée suivante :
F ( HT )
(6.69) Prob[ Hmax ≥ HT ] ≈
D
Expression dans laquelle D est la durée moyenne qui sépare deux

tempêtes. C'est donc le rapport entre le nombre d'années d'observation et
le nombre de tempêtes observées.
La période de retour associée à la hauteur HT s'écrit alors :
D
(6.70) T≈
F ( HT )
A partir d'un nombre suffisamment important d'enregistrements effectués

régulièrement sur un grand nombre d'années, et sachant que la
distribution des hauteurs crête à creux suit une loi qui est
asymptotiquement une loi de Rayleigh pour un état de mer donné,
l'estimation des valeurs extrêmes à long terme ne devraient plus poser de
problème.

6.5.5. Extrapolation stochastique
La vraie difficulté du problème provient de ce que la quantité des données

nécessaires, de bonne qualité, et réparties sur une durée suffisante
n'existe quasiment pas en dehors des sites côtiers.
Il faut alors recourir, dans la pratique, à des extrapolations stochastiques.

Des lois asymptotiques sont donc souvent utilisées pour approcher F(HT)
au voisinage des valeurs intéressantes de HT. Le choix des différentes
asymptotes n'est pas unique. Il est guidé par l'expérience et l'idée qu'il est,
a priori, possible de se faire de la queue de la distribution initiale.
L'asymptote de Weibull conduit à écrire :
( H T − H0 ) B
(6.71) F ( HT ) ≈ exp −
A
Les deux paramètres A et B de la loi doivent être ajustés sur les

observations. A noter qu'elle correspond à la loi de Larras quand B=1 et à
la loi de Rayleigh quand B=2 ; mais l'expérience montre que l'exposant
peut atteindre des valeurs allant jusqu'à 5.
La première asymptote de E.J. Gumbel /1958/ conduit à écrire :
H T − H0
(6.72) F ( HT ) ≈ 1 − exp − exp −
A
Les deux paramètres de la loi A et H0 doivent être ajustés sur les

observations, en écrivant les deux relations suivantes à partir de la
moyenne H M et de l'écart type σM des M valeurs de l'échantillon
observé :
π
A=σ M
(6.73) 6
H0 + γA = H M
Expression dans laquelle γ=0.57722 est la constante d'Euler.
Ces expressions permettent d'estimer F(HT) à partir d'observations. Il

convient de noter que l'ajustement de la loi de Gumbel peut se faire
graphiquement puisqu'elle correspond à une droite dans le plan défini
par : (ln(-ln[1-F(HT)]), HT).

Etamer06 Statistique

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Etamer06 Statistique

Încărcat de

Drepturi de autor:

Formate disponibile

Les états de mer naturels 06 - Analyse statistique de la houle réelle

6. Analyse statistique de la houle réelle

Le comportement des ondes à la surface de la mer et des océans relève,

Il est donc raisonnable d'étudier les aspects stochastiques des états de

Une telle approche est nécessairement soumise à des hypothèses

6.2. Décomposition d'une houle irrégulière en houles simples

L'ensemble de la théorie stochastique de la houle réelle repose sur

En supposant que l'axe des abscisses x coïncide avec la direction de

Ainsi, en un point M fixé, la dénivelée de la surface libre est supposée

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 1 / 22

Cette formulation suppose implicitement que le processus aléatoires est

En supposant le processus ergodique, il est possible d'identifier la

(6.3) η(t ) = 0 η(t ) = 0 η(t ) = 0

Ce qui ne prend en compte ni la limitation de hauteur par le déferlement,

Par ailleurs, les moyennes quadratiques des trois fonctions s'expriment à

Le théorème de Lyapounov stipule que lorsque leur nombre N tend vers

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 2 / 22

Les différents termes qui interviennent dans cette expression sont

Figure 6.1 : Probabilité que la dénivelée soit comprise dans l'intervalle

6.3. Analyse vague par vague

Les deux fonctions aléatoires η(t) et η(t ) étant, par construction,

6.3.1. Passage par un niveau z donné

La probabilité que la dénivelée passe par un niveau z donné par valeurs

La période de passage de la dénivelée au niveau z par valeurs

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 3 / 22

La longueur d'onde associée à cette période s'obtient en remarquant que

Elle est donc définie par la relation :

6.3.2. Passage par le niveau moyen

De même que précédemment, la probabilité que la dénivelée passe par le

D'où les égalités suivantes :

La période de passage de la dénivelée au niveau moyen par valeurs

La longueur d'onde associée à cette période étant alors définie par :

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 4 / 22

6.3.3. Passage par un extremum

Un maximum relatif de la dénivelée est défini comme un passage de la

d'où la période qui sépare en moyenne le passage entre deux maxima

La longueur d'onde associée à cette période étant alors définie par :

6.3.4. Distribution des extrema

Il s'agit désormais de déterminer, en terme de probabilités, les valeurs de

(6.20) ∆ = m0m4 − m22

La probabilité que la dénivelée η(t) soit maximale, avec donc η(t ) =0 et

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 5 / 22

La densité de probabilité de la cote des maxima s'écrit donc :

expression dans laquelle ε est un nombre appartenant à l'intervalle [0,1]

La fonction de probabilité de répartition des maxima s'obtient alors en

ce qui se calcule analytiquement pour conduire au résultat suivant :

expression dans laquelle erf(x) désigne la fonction erreur définie par :

Plusieurs cas sont donc à envisager selon la valeur de la largeur de

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 6 / 22

6.4. Répartition des hauteurs de vagues

6.4.1. Valeurs stochastiques de répartition des maxima

La valeur moyenne du nième quantile des plus grandes observations des

Cette expression implicite n'est malheureusement pas susceptible d'être

La moyenne des valeurs supérieures à ζ 1n s'obtient ensuite en appliquant

soit encore après une intégration par partie :

Là encore, une intégration entièrement analytique est difficilement

Il est cependant intéressant de remarquer que puisqu'il s'agit de la

Jean Bougis - Ingénieur Conseil 06650 Opio Page 06 - 7 / 22

d'où la valeur approchée de ζ 1n qui en résulte :

De même, en ne conservant que le premier terme du développement en

soit encore en remplaçant ζ 1n par son expression tirée de (6.32) :

6.4.2. Hauteurs particulières

La hauteur crête à creux H d'une vague est définie comme la différence