Qui sommes-nous ?
Espace utilisateur
Formation continue
Credit : L. Godart/CEA
D’un jour à plusieurs semaines, nos formations permettent une montée en compétence dans votre emploi ou accompagnent vers le retour à l’emploi. 
Conseil et accompagnement
Crédit : vgajic
Fort de plus de 60 ans d’expériences, l’INSTN accompagne les entreprises et organismes à différents stades de leurs projets de développement du capital humain.
Thèses
Accueil   /   Thèses   /   Assimilation de données transitoires et calibration de codes de simulation à partir de séries temporelles

Assimilation de données transitoires et calibration de codes de simulation à partir de séries temporelles

Mathématiques - Analyse numérique - Simulation Mécanique, énergétique, génie des procédés, génie civil Sciences pour l’ingénieur

Résumé du sujet

Dans le cadre de la simulation scientifique, certains outils (codes) de calcul sont construits comme un assemblage de modèles (physiques) couplés dans un cadre numérique. Ces modèles et la façon dont ils sont couplés utilisent des jeux de paramètres ajustés sur des résultats expérimentaux ou sur des résultats de calculs fins de type « Simulation numérique directe » (DNS) dans une démarche de remontée d’échelle. Les observables de ces codes, ainsi que les résultats expérimentaux ou les résultats des calculs fins, sont majoritairement des grandeurs temporelles. L’objectif de cette thèse est alors de mettre en place une méthodologie de fiabilisation de ces outils en ajustant leurs paramètres par assimilation de données à partir de ces séries temporelles.
Un travail sur l’ajustement de paramètres a déjà été réalisé dans notre laboratoire dans le cadre d’une thèse précédente, mais en utilisant des scalaires dérivés des résultats temporels des codes. La méthodologie développée durant cette thèse a intégré des étapes de criblage, de métamodélisation, et d’analyse de sensibilité qui pourront être repris et adaptés au nouveau format des données. Une étape préalable de transformation des séries temporelles sera à mettre au point, afin de réduire les données tout en limitant les pertes d’information. Des outils de machine learning /deep learning pourront être envisagés.
L’application de cette méthode se fera dans le cadre de la simulation des accidents graves de réacteurs nucléaires. Durant ces accidents le cœur se dégrade et du corium (magma de combustible et d’éléments de structure issus de la fusion du cœur du réacteur) se forme et peut se relocaliser et interagir avec son environnement (liquide réfrigérant, acier de la cuve, béton du radier, …). Certains codes de simulation d’accidents graves décrivent individuellement chaque étape / interaction, quand d’autres décrivent la totalité de la séquence accidentelle. Ils ont en commun d’être multiphysiques et d’avoir un nombre de modèles et de paramètres souvent grand. Ils décrivent des phénomènes physiques transitoires dans lesquels le caractère temporel est important.
La thèse se déroulera au Laboratoire de Modélisation des Accidents Graves de l’institut IRESNE au CEA Cadarache, dans une équipe au meilleur niveau national et mondial pour l’étude numérique des phénomènes liés au corium, de sa génération à sa propagation et son interaction avec l’environnement. Les techniques mises en œuvre pour l’assimilation de données ont également un important potentiel générique qui assurent des débouchés importants pour le travail proposé, dans le monde du nucléaire et ailleurs.

Laboratoire

Département de Technologie Nucléaire
Service Mesures et modélisation des Transferts et des Accidents graves
Laboratoire de modélisation des accidents graves
Top envelopegraduation-hatlicensebookuserusersmap-markercalendar-fullbubblecrossmenuarrow-down