Les réseaux électriques et les infrastructures associées (réseaux informatiques et de<br />communication) interagissent de plus en plus et la vulnérabilité globale s'amplifie. Du fait de<br />la complexité et de l'interconnexion de ces réseaux, l'écroulement d'une seule infrastructure<br />pourrait entraîner des effets en cascade. Les opérateurs des réseaux électriques gèrent la<br />sécurité opérationnelle des systèmes électriques de puissance. Afin de la maîtriser de la<br />meilleure manière possible, ces opérateurs utilisent comme outils les services système<br />(fonctions supplémentaires exécutées par les groupes de production). Dans le contexte actuel<br />de dérégulation, de nouveaux producteurs demandent l'accès au réseau et ils sont obligés de<br />participer à certains services système. Afin de maintenir la sécurité des réseaux et de<br />permettre le bon déroulement des transactions commerciales, les opérateurs de réseaux sont<br />responsables de l'existence des services système dans des quantités appropriées et du contrôle<br />des participations contractualisées des producteurs à ces services. Cette thèse propose une<br />nouvelle méthode de contrôle de performances des producteurs en terme de services système<br />et de sécurité fondée sur l'estimation de paramètres à partir de mesures de perturbations.

La gestion des transferts des contaminants en milieu poreux représentent une préoccupation croissante et revêtent un intérêt particulier pour le contrôle de la pollution dans les milieux souterrains et la gestion de la ressource en eau souterraine, ou plus généralement la protection de l'environnement. Les phénomènes d'écoulement et de transport de polluants sont décrits par des lois physiques traduites sous forme d'équations algébro-différentielles qui dépendent d'un grand nombre de paramètres d'entrée. Pour la plupart, ces paramètres sont mal connus et souvent ne sont pas directement mesurables et/ou leur mesure peut être entachée d'incertitude. Ces travaux de thèse concernent l'étude de l'analyse de sensibilité globale et l'estimation des paramètres pour des problèmes d'écoulement et de transport en milieux poreux. Pour mener à bien ces travaux, la décomposition en polynômes de chaos est utilisée pour quantifier l'influence des paramètres sur la sortie des modèles numériques utilisés. Cet outil permet non seulement de calculer les indices de sensibilité de Sobol mais représente également un modèle de substitution (ou métamodèle) beaucoup plus rapide à exécuter. Cette dernière caractéristique est alors exploitée pour l'inversion des modèles à partir des données observées. Pour le problème inverse, nous privilégions l'approche Bayésienne qui offre un cadre rigoureux pour l'estimation des paramètres. Dans un second temps, nous avons développé une stratégie efficace permettant de construire des polynômes de chaos creux, où seuls les coefficients dont la contribution sur la variance du modèle est significative, sont retenus. Cette stratégie a donné des résultats très encourageants pour deux problèmes de transport réactif. La dernière partie de ce travail est consacrée au problème inverse lorsque les entrées du modèle sont des champs stochastiques gaussiens spatialement distribués. La particularité d'un tel problème est qu'il est mal posé car un champ stochastique est défini par une infinité de coefficients. La décomposition de Karhunen-Loève permet de réduire la dimension du problème et également de le régulariser. Toutefois, les résultats de l'inversion par cette méthode fournit des résultats sensibles au choix à priori de la fonction de covariance du champ. Un algorithme de réduction de la dimension basé sur un critère de sélection (critère de Schwartz) est proposé afin de rendre le problème moins sensible à ce choix.

La gestion des transferts des contaminants en milieu poreux représentent une préoccupation croissante et revêtent un intérêt particulier pour le contrôle de la pollution dans les milieux souterrains et la gestion de la ressource en eau souterraine, ou plus généralement la protection de l’environnement. Les phénomènes d’écoulement et de transport de polluants sont décrits par des lois physiques traduites sous forme d'équations algébro-différentielles qui dépendent d'un grand nombre de paramètres d'entrée. Pour la plupart, ces paramètres sont mal connus et souvent ne sont pas directement mesurables et/ou leur mesure peut être entachée d’incertitude. Ces travaux de thèse concernent l’étude de l’analyse de sensibilité globale et l’estimation des paramètres pour des problèmes d’écoulement et de transport en milieux poreux. Pour mener à bien ces travaux, la décomposition en polynômes de chaos est utilisée pour quantifier l'influence des paramètres sur la sortie des modèles numériques utilisés. Cet outil permet non seulement de calculer les indices de sensibilité de Sobol mais représente également un modèle de substitution (ou métamodèle) beaucoup plus rapide à exécuter. Cette dernière caractéristique est alors exploitée pour l'inversion des modèles à partir des données observées. Pour le problème inverse, nous privilégions l'approche Bayésienne qui offre un cadre rigoureux pour l'estimation des paramètres. Dans un second temps, nous avons développé une stratégie efficace permettant de construire des polynômes de chaos creux, où seuls les coefficients dont la contribution sur la variance du modèle est significative, sont retenus. Cette stratégie a donné des résultats très encourageants pour deux problèmes de transport réactif. La dernière partie de ce travail est consacrée au problème inverse lorsque les entrées du modèle sont des champs stochastiques gaussiens spatialement distribués. La particularité d'un tel problème est qu'il est mal posé car un champ stochastique est défini par une infinité de coefficients. La décomposition de Karhunen-Loève permet de réduire la dimension du problème et également de le régulariser. Toutefois, les résultats de l'inversion par cette méthode fournit des résultats sensibles au choix à priori de la fonction de covariance du champ. Un algorithme de réduction de la dimension basé sur un critère de sélection (critère de Schwartz) est proposé afin de rendre le problème moins sensible à ce choix. / The management of transfer of contaminants in porous media is a growing concern and is of particular interest for the control of pollution in underground environments and management of groundwater resources, or more generally the protection of the environment. The flow and transport of pollutants are modeled by physical and phenomenological laws that take the form of differential-algebraic equations. These models may depend on a large number of input parameters. Most of these parameters are well known and are often not directly observable.This work is concerned with the impact of parameter uncertainty onto model predictions. To this end, the uncertainty and sensitivity analysis is an important step in the numerical simulation, as well as inverse modeling. The first study consists in estimating the model predictive uncertainty given the parameters uncertainty and identifying the most relevant ones. The second study is concerned with the reduction of parameters uncertainty from available observations.This work concerns the study of global sensitivity analysis and parameter estimation for problems of flow and transport in porous media. To carry out this work, the polynomials chaos expansion is used to quantify the influence of the parameters on the predictions of the numerical model. This tool not only calculate Sobol' sensitivity indices but also provides a surrogate model (or metamodel) that is faster to run. This feature is then exploited for models inversion when observations are available. For the inverse problem, we focus on Bayesian approach that offers a rigorous framework for parameter estimation.In a second step, we developed an effective strategy for constructing a sparse polynomials chaos expansion, where only coefficients whose contribution to the variance of the model is significant, are retained. This strategy has produced very encouraging results for two reactive transport problems.The last part of this work is devoted to the inverse problem when the inputs of the models are spatially distributed. Such an input is then treated as stochastic fields. The peculiarity of such a problem is that it is ill-posed because a stochastic field is defined by an infinite number of coefficients. The Karhunen-Loeve reduces the dimension of the problem and also allows regularizing it. However, the inversion with this method provides results that are sensitive to the presumed covariance function. An algorithm based on the selection criterion (Schwartz criterion) is proposed to make the problem less sensitive to this choice.

Les changements de contexte économique, réglementaire et environnementaux auxquels la production agricole doit faire face nécessitent d'évaluer de nouvelles stratégies de gestion conjointe de l'irrigation et de la fertilisation pour blé dur. Le travail de thèse a suivi un double objectif : i) adapter le modèle de culture STICS à différents cultivars de blé dur, et ii) concevoir un modèle de décision des pratiques de fertilisation azotée et d'irrigation. Une base de données comportant 373 traitements expérimentaux issus de douze années climatiques a été constituée à partir d'expérimentations réalisées avant la thèse à l'INRA et ARVALIS puis mobilisée pour conduire le travail d'adaptation et d'évaluation du modèle de culture. L'adaptation du modèle de culture a consisté dans un premier temps en un travail d'estimation de paramètres par optimisation mathématique pour sept cultivars de blé dur. Une analyse comparative de trois démarches a permis de sélectionner la démarche pertinente pour obtenir un modèle précis et robuste pour la simulation du rendement, de la teneur en azote des grains et des variables intermédiaires (Biomasse aérienne, surface foliaire, quantité d'azote absorbée) dans différents contextes pédo-climatiques (large gamme de niveaux de nutrition hydrique et azotée). Cette étude fournit un cadre méthodologique pour l'estimation des paramètres des modèles de culture. Les résultats de ce travail ont de plus démontré que le modèle de culture, avec son formalisme initial, n'était pas sensible à l'effet du fractionnement de la fertilisation sur la quantité d'azote et la teneur en azote des grains. L'adaptation est appréhendée dans un deuxième temps par la modification du formalisme d'accumulation de l'azote dans les grains par l'introduction d'un formalisme inspiré du modèle AZODYN. La modification n'a pas amélioré suffisamment la sensibilité du modèle à l'effet du fractionnement sur la teneur en azote des grains. Le manque de données expérimentales en phase post-floraison et notamment la dynamique de la sénescence foliaire n'a pas permis d'améliorer la capacité du modèle de culture à simuler les processus d'absorption d'azote du sol après la floraison. A partir d'une enquête auprès de 29 irrigants de blé dur, les pratiques et les stratégies de fertilisation azotée et d'irrigation, ainsi que les décisions stratégiques et tactiques ont été identifiées et formalisées dans un modèle de décision. Une évaluation de stratégies conçues sur la base des résultats d'enquêtes est proposée comme illustration de l'utilisation du modèle STICS adapté au blé dur et du modèle de décision formalisé. Le couplage informatique du modèle de culture STICS au modèle de décision permettra de disposer d'un modèle bio-décisionnel et ainsi pourra être utilisé pour concevoir et évaluer des stratégies de gestion conjointe de l'irrigation et de la fertilisation azotée du blé dur adaptées au contexte des exploitations agricoles / Changes in economic, regulatory and environmental context of agricultural production raise the need for research to evaluate and propose new strategies for joint management of irrigation and fertilization for durum wheat. The thesis had two objectives: i) adapting the simulation crop model STICS to different durum wheat cultivars, and ii) designing a decision model for nitrogen fertilization and irrigation practices. A database containing 373 experimental treatments carried out by INRA and ARVALIS before this PhD work was established and mobilized to conduct the adaptation and the evaluation of crop model. The adaptation of the crop model was first conducted through durum wheat parameter estimation by mathematical optimization. A comparative analysis of three approaches was conducted to select an appropriate approach to obtain an accurate and robust crop model for the simulation of grain yield, grain nitrogen content and intermediate variables (biomass, leaf area, amount of nitrogen absorbed) in different soil and climatic conditions. This study provided a methodological framework for crop models parameters estimation. The results of this study showed that the crop model, with its original formalism, was not sensitive to the effect of splitting of fertilization on the grain nitrogen content and protein concentration. The adaptation was then conducted through the modification of the formalism of nitrogen accumulation in grains by introducing a formalism inspired the AZODYN crop model. The modification did not significantly improve the model's sensitivity to the effect of N splitting on the nitrogen content of grain. The results of this study call into question the ability of crop model to simulate the absorption process of nitrogen after flowering. Unfortunately the lack of data concerning post-flowering leaf area dynmaics did not allow improving the model. From a survey of 29 irrigators, practices and strategies of nitrogen fertilization and irrigation, as well as strategic and tactical decisions have been identified and formalized in a decision model. An evaluation of strategies based on survey results is given as an illustration of the potential use of the STICS soil-crop model and the decision rules identified and formalised. The coupling of the crop model to the model decision will allow proposing and evaluating strategies adapted to the farm context for joint management of irrigation and nitrogen fertilization of durum wheat

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Ces travaux de thèse, réalisés dans une équipe concevant des circuits analogiques neuromimétiques suivant le modèle d'Hodgkin-Huxley, concernent la modélisation de neurones biologiques, plus précisément, l'estimation des paramètres de modèles de neurones. Une première partie de ce manuscrit s'attache à faire le lien entre la modélisation neuronale et l'optimisation. L'accent est mis sur le modèle d'Hodgkin- Huxley pour lequel il existait déjà une méthode d'extraction des paramètres associée à une technique de mesures électrophysiologiques (le voltage-clamp) mais dont les approximations successives rendaient impossible la détermination précise de certains paramètres. Nous proposons dans une seconde partie une méthode alternative d'estimation des paramètres du modèle d'Hodgkin-Huxley s'appuyant sur l'algorithme d'évolution différentielle et qui pallie les limitations de la méthode classique. Cette alternative permet d'estimer conjointement tous les paramètres d'un même canal ionique. Le troisième chapitre est divisé en trois sections. Dans les deux premières, nous appliquons notre nouvelle technique à l'estimation des paramètres du même modèle à partir de données biologiques, puis développons un protocole automatisé de réglage de circuits neuromimétiques, canal ionique par canal ionique. La troisième section présente une méthode d'estimation des paramètres à partir d'enregistrements de la tension de membrane d'un neurone, données dont l'acquisition est plus aisée que celle des courants ioniques. Le quatrième et dernier chapitre, quant à lui, est une ouverture vers l'utilisation de petits réseaux d'une centaine de neurones électroniques : nous réalisons une étude logicielle de l'influence des propriétés intrinsèques de la cellule sur le comportement global du réseau dans le cadre des oscillations gamma.

De nos jours, l'utilisation des drones miniatures à voilure tournante pour des missions d'observation dans des environnements hostiles est en pleine expansion. Ces appareils, grâce à leurs capacités à combiner le vol de translation avec le vol stationnaire, sont en eff et bien adaptés aux besoins de ces missions. L'étude présentée dans cette thèse concerne un nouveau concept de drone appelé GLMAV (pour Gun Launched Micro Aerial Vehicle), qui consiste à rendre très rapidement opérationnel un véhicule hybride projectile - drone. La di fficulté dans le pilotage de ce type de véhicules est d'assurer de bonnes performances de suivi de trajectoires tout en garantissant une résistance aux perturbations aérodynamiques. Après une étape de modélisation, le cœur de la thèse présente plusieurs stratégies de commande, aussi bien linéaires que non linéaires, permettant la navigation autonome du drone. Plusieurs approches permettant l'estimation et la prise en compte dans la commande des eff orts parasites liés aux phénomènes aérodynamiques sont également détaillées. L'e fficacité de tous les algorithmes de commande est ensuite illustrée par de nombreuses simulations numériques. Du point de vue pratique, une simple loi de commande ne suffi t pas. En eff et, des techniques de filtrage particulières ou des aménagements spécifi ques doivent être utilisés pour reconstruire l'état du drone. Les performances de l'ensemble de la boucle de commande sont d'abord testées en simulation avant l'implantation sur le prototype du GLMAV développé par l'Institut franco-allemand de recherches de Saint-Louis.

L'imagerie Radar à Synthèse d'Ouverture (RSO) est une technique bien connue dans les domaines de télédétection, de surveillance aérienne, de géologie et de cartographie. Obtenir des images de haute résolution malgré la présence de bruit, tout en prenant en compte les caractéristiques des cibles dans la scène observée, les différents incertitudes de mesure et les erreurs resultantes de la modélisation, devient un axe de recherche très important.Les méthodes classiques, souvent fondées sur i) la modélisation simplifiée de la scène ; ii) la linéarisation de la modélisation directe (relations mathématiques liant les signaux reçus, les signaux transmis et les cibles) simplifiée ; et iii) l'utilisation de méthodes d'inversion simplifiées comme la Transformée de Fourier Inverse (TFI) rapide, produisent des images avec une résolution spatiale faible, peu robustes au bruit et peu quantifiables (effets des lobes secondaires et bruit du speckle).Dans cette thèse, nous proposons d'utiliser une approche bayésienne pour l'inversion. Elle permettrais de surmonter les inconvénients mentionnés des méthodes classiques, afin d'obtenir des images stables de haute résolution ainsi qu'une estimation plus précise des paramètres liés à la reconnaissance de cibles se trouvant dans la scène observée.L'approche proposée est destinée aux problèmes inverses de l'imagerie RSO mono-, bi-, et multi- statique ainsi que l'imagerie des cibles à micromouvement. Les a priori appropriés de modélisation permettant d'améliorer les caractéristiques des cibles pour des scènes de diverses natures seront présentées. Des méthodes d'estimation rapides et efficaces utilistant des a priori simples ou hiérarchiques seront développées. Le problème de l'estimation des hyperparameters sera galement traité dans le cadre bayésin. Les résultats relatifs aux données synthétiques, expérimentales et réelles démontrent l'efficacité de l'approche proposée. / Synthetic Aperture Radar (SAR) imaging is a well-known technique in the domain of remote sensing, aerospace surveillance, geography and mapping. To obtain images of high resolution under noise, taking into account of the characteristics of targets in the observed scene, the different uncertainties of measure and the modeling errors becomes very important.Conventional imaging methods are based on i) over-simplified scene models, ii) a simplified linear forward modeling (mathematical relations between the transmitted signals, the received signals and the targets) and iii) using a very simplified Inverse Fast Fourier Transform (IFFT) to do the inversion, resulting in low resolution and noisy images with unsuppressed speckles and high side lobe artifacts.In this thesis, we propose to use a Bayesian approach to SAR imaging, which overcomes many drawbacks of classical methods and brings high resolution, more stable images and more accurate parameter estimation for target recognition.The proposed unifying approach is used for inverse problems in Mono-, Bi- and Multi-static SAR imaging, as well as for micromotion target imaging. Appropriate priors for modeling different target scenes in terms of target features enhancement during imaging are proposed. Fast and effective estimation methods with simple and hierarchical priors are developed. The problem of hyperparameter estimation is also handled in this Bayesian approach framework. Results on synthetic, experimental and real data demonstrate the effectiveness of the proposed approach.

Ce travail se propose de caractériser thermiquement des composites à microstructures complexes. Il s’agit de développer des méthodes d’estimation permettant d’identifier les propriétés thermiques des différentes phases en présence, ainsi que celles associées à leurs interfaces, à partir de mesures issues de la thermographie infrarouge. Cette estimation paramétrique nécessite la connaissance au préalable de la structure géométrique de l’échantillon. Le premier objectif concerne donc l’identification de la structure de l’échantillon testé par la discrimination des différentes phases et interfaces. Une fois la structure de l’échantillon connue, le second objectif est l’identification des paramètres thermiques des différents constituants ainsi que ceux de leurs interfaces. On se propose d’exploiter deux tests spécifiques utilisant le même dispositif expérimental. Deux méthodes mathématiques différentes ont été développées et utilisées pour exploiter les mesures de champ issues du premier test et permettre de retrouver la microstructure de l’échantillon. La première est fondée sur la décomposition en valeurs singulières des données de températures recueillies. Il est montré que cette méthode permet d’obtenir des représentations de la microstructure de très bonne qualité à partir de mesures même fortement bruitées. La seconde méthode permet de raffiner les résultats obtenus à l’aide de la méthode précédente. Elle repose sur la résolution d’un problème d’optimisation sous contraintes en exploitant la technique dite Level-Set pour identifier les frontières des différents constituants de l’échantillon. L’étape d’identification des propriétés thermiques des constituants et des interfaces exploite les mesures de champs issues du second test expérimental. La méthode développée, la SVD-FT combine des techniques de décompositions en valeurs singulières avec desfonctions tests particulières pour dériver des estimateurs linéaires des propriétés recherchées.Cette méthode permet de limiter les effets du bruit de mesure sur la qualité de l’estimation et de s’affranchir des opérations de filtrage des données. / This work reports on the thermal characterization of composites with a complex microstructure. It aims at developping mathematical methods to identify the thermal properties of the constituants and thoses associate at their interfaces. The first step consistsin discriminating the microstructure of the sample to be tested. Then, when the sample structure is known, the second step consists in estimating the thermal parameters of the different phases and those at their interfaces. One experimental device has been set up to realize those two steps. Two mathematical methods have been developped and used to discriminate the microstructure based on the images of the sample recorded bu an infrared camera. The first method is based on the singular value decomposition of the temperature data. It has been shown that this method gives a very good representation of the microstructure even with very noisy data. The second method allows to refine the results obtained by the first one. This method is based on the resolution of an optimization problem under constraints and use a Level-Set technic to identify the boundary of each phase. To estimate the thermal properties of each phase and its interface, the infrared images of the second experiment have been used. The SVD-FT method developed in this work combines the singular values decomposition technic with particular tests functions to derive linear estimat or for the thermal properties. As a result, a significant amplification of the signal/noise ratios is reached.

L'objectif de ce travail de thèse est de développer un modèle mathématique pour l'étude et la compréhension de la dynamique des populations d'un insecte ravageur, l'Eudémis de la vigne, dans son écosystème. Le modèle proposé est un système d'équations aux dérivées partielles (EDP) de type hyperbolique qui décrit les variations numériques au cours du temps de la population en fonction des stades de développement, du sexe des individus et des conditions environnementales. La ressource alimentaire, la température, l'humidité et la prédation sont les principaux facteurs environnementaux du modèle expliquant les fluctuations du nombre d'individus au cours du temps. Les différences de développement qui existent dans une cohorte d'Eudémis sont aussi modélisées pour affiner les prédictions du modèle. A partir de données expérimentales obtenues par les entomologistes de l'INRA, les paramètres du modèle sont estimés. Ce modèle ainsi ajusté nous permet alors d'étudier quelques aspects biologiques et écologiques de l'insecte comme par exemple l'impact de scénarios climatiques sur le ponte des femelles ou sur la dynamique d'attaque de la vigne par les jeunes larves. Les analyses mathématique et numérique du modèle mathématique et des problèmes d'estimation des paramètres sont développes dans cette thèse.