Bibliographie & annexes
Présentation
RÉSUMÉ
Les différentes composantes de l’erreur d’estimation rencontrées lorsque l’on cherche à résoudre un problème d’inversion de mesures sont présentées. Quelques approches permettant d’évaluer et de maîtriser ces dernières sont passées en revue. Le cas particulier de l’estimation de fonction, préalablement paramétrisée, est étudié en introduisant et détaillant plusieurs techniques de régularisation permettant d’atteindre un compromis nécessaire entre dispersion et biais de l’estimation. L’étude des erreurs dues aux paramètres supposés connus et la présentation de la philosophie et de l’intérêt des méthodes bayésiennes terminent cet article.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
The different components of the estimation error met when seeking to solve a problem of inversion of measurements are presented. A few approaches that allow their assessment and control are reviewed. The specific case of estimation of a function that has been given a parameterized form is studied through the introduction and detailed description of several regularization techniques that provide a necessary compromise between dispersion and bias of the estimation. The study of the errors caused by the parameters that are ‘assumed to be known’, and the guiding principles and utility of Bayesian techniques, are presented at the end of the article.
Auteur(s)
-
Denis MAILLET : Professeur à l'Institut national polytechnique de Lorraine (INPL) - Laboratoire d'Énergétique et de mécanique théorique et appliquée (LEMTA) – CNRS et Nancy-Université
-
Yvon JARNY : Professeur à l'École polytechnique de l'université de Nantes - Laboratoire de thermocinétique – UMR CNRS 6607 Nantes
-
Daniel PETIT : Professeur à l'École nationale supérieure de mécanique et d'Aérotechnique (ENSMA) - Institut P′ – CNRS UPR 3346, département fluides, thermique, combustion – Poitiers
INTRODUCTION
Ce dossier est le dernier d'une série de trois, intitulée « Problèmes inverses en diffusion thermique ». On a vu dans les dossiers [BE 8 265] « Modèles diffusifs, mesures, sensibilités » et [BE 8 266] « Formulation et résolution du problème des moindres carrés », que la simple application des méthodes numériques et analytiques d'inversion n'était pas une garantie d'obtention de bons résultats. Afin d'améliorer les résultats, il est nécessaire d'affiner ces méthodes pour analyser et résoudre ce type de problème. C'est ce qui va être entrepris ici, en se focalisant d'abord sur les six composantes de l'erreur d'estimation, puis en passant en revue les « Outils spécifiques de conduction inverse et de régularisation », avant de détailler ces derniers et de mettre en exergue quelques questions importantes que doit se poser, dès le début de sa démarche, l'inverseur de mesures en thermique.
Les symboles et notations de ce dossier sont donnés dans le tableau 1. Notons que seule la version pdf de ce dossier permet une notation complètement pertinente, la version électronique ne permettant pas de mettre en évidence les différences de graisse.
L'expertise technique et scientifique de référence
MOTS-CLÉS
Erreurs d'estimation Régularisation Décomposition en valeurs singulières Estimation de Bayes
KEYWORDS
estimation errors | regularization | singular value décomposition | bayesian estimation
VERSIONS
- Version courante de juil. 2018 par Denis MAILLET, Yvon JARNY, Daniel PETIT
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Physique énergétique
(73 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
L'essentiel de ce qu'il faut retenir4. Erreur due aux paramètres supposés connus et approche bayésienne
4.1 Approche classique
En estimation de paramètres, l'inverseur ne recherche pas en général la totalité des paramètres présents dans le modèle. En effet, il dispose souvent de valeurs de référence pour un certain nombre de ceux-ci. Ces valeurs peuvent provenir de la littérature, pour certaines propriétés physiques par exemple, ou de la conception de la géométrie de l'expérience envisagée, comme la position prévue pour les capteurs. Ces paramètres présents dans le modèle mais non estimés dans l'inversion, les paramètres supposés connus, peuvent être rangés dans un vecteur colonne xsc tandis que les paramètres recherchés constituent les composantes d'un autre vecteur colonne xr . Il est donc possible de construire deux matrices des sensibilités Sr et Ssc à chacun de ces deux vecteurs paramètres, et d'écrire le modèle correspondant, supposé linéaire, sous la forme :
L'information disponible pour estimer xr est donc constituée du vecteur y des mesures et des valeurs nominales des paramètres supposés connus qui sont rangées dans un vecteur
. Il est donc possible, par la méthode des moindres carrés linéaire, de construire une estimation de
de xr :
( 53 )
ce qui permet de remonter à l'erreur due aux paramètres supposés connus :
( 54 )
où...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Physique énergétique
(73 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Erreur due aux paramètres supposés connus et approche bayésienne
BIBLIOGRAPHIE
-
(1) - JARNY (Y.), MAILLET (D.) - Problèmes inverses et estimation de grandeurs en thermique. - Dans Métrologie Thermique et Techniques Inverses, Cours, Éditeur Presses Universitaires de Perpignan, ISBN 2-908912-95-3, vol. 1, p. 1-50 (2001).
-
(2) - KAIPIO (J.), SOMERSALO (E.) - Statistical and computational inverse problems. - Applied Mathematical Science, Springer Verlag, New York, 339 p. (2005).
-
(3) - Inverse engineering handbook. - Edited by WOODBURY (K.), CRC Press, Boca Raton, 466 p. (2003).
-
(4) - VIDECOQ (E.), PETIT (D.) - Model reduction for the resolution of multidimensional inverse heat conduction problems. - Int. J. Heat and Mass Transfer, vol. 44, p. 1899-1911 (2001).
-
(5) - VIDECOQ (E.), PETIT (D) - Experimental modeling and estimation of time varying heat sources. - International Journal of Thermal Sciences, vol. 43, no 3, mars 2003.
-
(6)...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Librairie de sous-programme SLICOT http://www.slicot.org/
Librairie de la NAG http://www.nag.co.uk/
Librairie Matlab http://www.mathworks.com
HAUT DE PAGE
Congrès français de thermique (annuels) http://www.sft.asso.fr
International Conferences of Inverse Problems in Engineering ICIPE (triennal, dernier congrès) http://www.ICIPE2011.org
Inverse Problems in Design and Optimization IPDO (triennal) dernier congrès http://www.ipdo2010.ipdos.org/
Advanced Metti Schools SFT (dernière école thématique) http://www.sft.asso.fr/metti5
HAUT DE PAGE3.1 Organismes – Fédérations – Associations (liste non exhaustive)
Société...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Physique énergétique
(73 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
