Documente Academic
Documente Profesional
Documente Cultură
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
Membres du jury
Président du Jury: Pr EMVUDU Yves
Examinateur: Dr TAGOUDJEU Jacques
Rapporteurs: Pr TEWA Jean Jules & Dr PEYNAUD Emilie.
3 octobre 2019
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 1/25
Introduction
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
SOMMAIRE
1 Introduction
2 Problème direct
Présentation du modèle de Réaction-Diffusion
Résultats théoriques
Simulations numériques
3 Problème d’estimation de paramètres
Définition du problème
Résultats théoriques
Résolution numérique
4 Conclusion et perspectives
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 2/25
Introduction
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 3/25
Introduction
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
∂u
= D∆u + v0 · ∇u + u(r − γu)
∂t
Contexte
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 5/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 6/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
Posons :
A : H01 (Ω) → H −1 (Ω)
u(t) 7→ A(u(t)) = −D∆u(t)
et
F : L2 (Ω) → L2 (Ω)
u(t) 7→ F (u(t))
avec F (u(t)) = u (r − γu) ; ainsi notre equation devient :
∂u
+ Au = F (u(t)) avec x ∈ Ω, t ≥ 0,
∂t
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 7/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
Existence locale
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 8/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
Existence globale
Théorème
Soit u la solution de notre EDP, alors pour tout
(x , t) ∈ Ω × [0, +∞[, Σ = {u : 0 ≤ u ≤ K } est un ensemble
positivement invariant.
Théorème
Notre EDP admet :
1 Une unique solution globale faible u ∈ C([0, +∞[, L2 (Ω)) si
u0 ∈ L2 (Ω).
2 Une unique solution globale forte
u ∈ C 1 ([0, +∞[, L2 (Ω)) ∩ C([0, +∞[, D(A)) si u0 ∈ D(A).
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 9/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
Simulations numériques
Méthode numérique
Nous avons utilisé la méthode des éléments finis. Pour y arriver,
nous avons installé la librairie FeNics qui est un logiciel pour la
résolution des EDP à l’aide de la méthode des éléments finis. Pour
la dérivée en temps nous utilisons le schéma de Crank-Nicolson
modifié et pour la dérivée en espace nous utilisons la méthode des
éléments finis.
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 10/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
(a) (b)
Figure: (a)-(b) solutions exacte et approchée calculées avec
D = 1, r = γ = a = 1, C = 10, δt = 0.01, h = 0.0141, à t = 9.5.
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 11/25
Introduction
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Simulations numériques
Conclusion et perspectives
Etude de la convergence
(a) (b)
Figure: (a) Courbe représentative de log(erreur) en fonction de log(δt),
(b) Courbe représentative de log(erreur) en fonction de log(h).
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 13/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
Théorème
Soit r1 (x ), r2 (x ) deux fonctions qui minimisent le problème
d’estimation prit respectivement pour les donnnées u 1 (x ) et u 2 (x )
respectivement. S’il existe x0 ∈ [0, 1] tel que r1 (x0 ) = r2 (x0 ) alors
pour tout T << 1, on a :
1
max |r1 − r2 | ≤ √ ku 1 − u 2 kL2 ([0,1]) .
x ∈[0,1] N
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 14/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
Implémentation
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 15/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
Estimation du paramètre r .
Dans toutes nos simulations, nous prenons comme paramètres
1
communs : δt = 200 , h = 0.7071, D = 1, r = 0.9, γ = 0.8, et
nxdata = 10.
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 16/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
(a) (b)
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 17/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
Cas bruité
Ici, nous parlons de données bruitées dans la mesure où nous
pourons avoir des erreurs dûes aux mesures expérimentales.
(a) (b)
(a) (b)
Figure: (a) Boxplot de l’erreur du paramètre r cas non bruité, (b)
Boxplot de l’erreur du paramètre r cas bruité.
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 19/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
(a) (b)
Figure: (a) Boxplot du résidu des moindres carrés pour le paramètre r
cas non bruité, (b) Boxplot du résidu des moindres carrés pour le
paramètre r cas bruité
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 20/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
(a) (b)
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 21/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
Cas bruité
(a) (b)
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 22/25
Introduction
Définition du problème
Problème direct
Résultats théoriques
Problème d’estimation de paramètres
Résolution numérique
Conclusion et perspectives
(a) (b)
Figure: (a) Boxplot de l’erreur sur les paramètres D, r et γ cas non
bruité, (b) Boxplot de l’erreur sur les paramètres D, r et γ cas bruité
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 23/25
Introduction
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
Conclusion et Perspectives
Conclusion
1 Résolution du problème direct
2 Estimation du paramètre r .
3 Résolution numérique du problème d’estimation des
paramètres D, r et γ dans les cas bruité et non bruité.
Perspectives
1 Mieux comprendre la régularisation de Tikhonov et faire une
étude théorique lorsqu’on estime les trois paramètres.
2 Du point de vue numérique, comparer notre méthode avec
d’autres méthodes comme l’inférence bayésienne.
3 Trouver des cas test de validation.
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 24/25
Introduction
Problème direct
Problème d’estimation de paramètres
Conclusion et perspectives
FIN ! ! !
MERCI
ATTENTION !
WAMBA MAKENG Huguette Laure Mémoire de Master Modélisation Mathématique et Calcul Scientifique 25/25