Ce travail présente quelques résultats concernant des méthodes numériques déterministes et probabilistes pour des équations aux dérivées partielles à coefficients aléatoires, avec des applications à l'hydrogéologie. On s'intéresse tout d'abord à l'équation d'écoulement dans un milieu poreux en régime stationnaire avec un coefficient de perméabilité lognormal homogène, incluant le cas d'une fonction de covariance peu régulière. On établit des estimations aux sens fort et faible de l'erreur commise sur la solution en tronquant le développement de Karhunen-Loève du coefficient. Puis on établit des estimations d'erreurs éléments finis dont on déduit une extension de l'estimation d'erreur existante pour la méthode de collocation stochastique, ainsi qu'une estimation d'erreur pour une méthode de Monte-Carlo multi-niveaux. On s'intéresse enfin au couplage de l'équation d'écoulement considérée précédemment avec une équation d'advection-diffusion, dans le cas d'incertitudes importantes et d'une faible longueur de corrélation. On propose l'analyse numérique d'une méthode numérique pour calculer la vitesse moyenne à laquelle la zone contaminée par un polluant s'étend. Il s'agit d'une méthode de Monte-Carlo combinant une méthode d'élements finis pour l'équation d'écoulement et un schéma d'Euler pour l'équation différentielle stochastique associée à l'équation d'advection-diffusion, vue comme une équation de Fokker-Planck. / This work presents some results about probabilistic and deterministic numerical methods for partial differential equations with stochastic coefficients, with applications to hydrogeology. We first consider the steady flow equation in porous media with a homogeneous lognormal permeability coefficient, including the case of a low regularity covariance function. We establish error estimates, both in strong and weak senses, of the error in the solution resulting from the truncature of the Karhunen-Loève expansion of the coefficient. Then we establish finite element error estimates, from which we deduce an extension of the existing error estimate for the stochastic collocation method along with an error estimate for a multilevel Monte-Carlo method. We finally consider the coupling of the previous flow equation with an advection-diffusion equation, in the case when the uncertainty is important and the correlation length is small. We propose the numerical analysis of a numerical method, which aims at computing the mean velocity of the expansion of a pollutant. The method consists in a Monte-Carlo method, combining a finite element method for the flow equation and an Euler scheme for the stochastic differential equation associated to the advection-diffusion equation, seen as a Fokker-Planck equation.

Nous considérons les tests d'ajustement de type Cramér-von Mises pour tester l'hypothèse que le processus de diffusion observé est un "switching diffusion", c'est-à-dire un processus de diffusion à changement de régime dont la dérive est de type signe. Ces tests sont basés sur la fonction de répartition empirique et la densité empirique. Il est montré que les distributions limites des tests statistiques proposés sont définis par des fonctionnelles de type intégrale des processus Gaussiens continus. Nous établissons les développements de Karhunen-Loève des processus limites correspondants. Ces développements nous permettent de simplifier le problème du calcul des seuils. Nous étudions le comportement de ces statistiques sous les alternatives et nous montrons que ces tests sont consistants. Pour traiter les hypothèses de base composite nous avons besoin de connaître le comportement asymptotique des estimateurs statistiques des paramètres inconnus, c'est pourquoi nous considérons le problème de l'estimation des paramètres pour le processus de diffusion à changement de régime. Nous supposons que le paramètre inconnu est à deux dimensions et nous décrivons les propriétés asymptotiques de l'estimateur de maximum de vraisemblance et de l'estimateur bayésien dans ce cas. L'utilisation de ces estimateurs nous ramène à construire les tests de type Cramér-von Mises correspondants et à étudier leurs distributions limites. Enfin, nous considérons deux tests de type Cramér-von Mises de processus de diffusion ergodiques dans le cas général. Il est montré que pour le choix de certaines des fonctions de poids ces tests sont asymptotiquement " distribution-free ". Pour certains cas particuliers, nous établissons les expressions explicites des distributions limites de ces statistiques par le calcul direct de la transformée de Laplace.

Ce travail présente quelques résultats concernant des méthodes numériques déterministes et probabilistes pour des équations aux dérivées partielles à coefficients aléatoires, avec des applications à l'hydrogéologie. On s'intéresse tout d'abord à l'équation d'écoulement dans un milieu poreux en régime stationnaire avec un coefficient de perméabilité lognormal homogène, incluant le cas d'une fonction de covariance peu régulière. On établit des estimations aux sens fort et faible de l'erreur commise sur la solution en tronquant le développement de Karhunen-Loève du coefficient. Puis on établit des estimations d'erreurs éléments finis dont on déduit une extension de l'estimation d'erreur existante pour la méthode de collocation stochastique, ainsi qu'une estimation d'erreur pour une méthode de Monte-Carlo multi-niveaux. On s'intéresse enfin au couplage de l'équation d'écoulement considérée précédemment avec une équation d'advection-diffusion, dans le cas d'incertitudes importantes et d'une faible longueur de corrélation. On propose l'analyse numérique d'une méthode numérique pour calculer la vitesse moyenne à laquelle la zone contaminée par un polluant s'étend. Il s'agit d'une méthode de Monte-Carlo combinant une méthode d'élements finis pour l'équation d'écoulement et un schéma d'Euler pour l'équation différentielle stochastique associée à l'équation d'advection-diffusion, vue comme une équation de Fokker-Planck.

Artificial Neural Networks (ANNs) can be viewed as a mathematical model to simulate natural and biological systems on the basis of mimicking the information processing methods in the human brain. The capability of current ANNs only focuses on approximating arbitrary deterministic input-output mappings. However, these ANNs do not adequately represent the variability which is observed in the systems' natural settings as well as capture the complexity of the whole system behaviour. This thesis addresses the development of a new class of neural networks called Stochastic Neural Networks (SNNs) in order to simulate internal stochastic properties of systems. Developing a suitable mathematical model for SNNs is based on canonical representation of stochastic processes or systems by means of Karhunen-Loéve Theorem. Some successful real examples, such as analysis of full displacement field of wood in compression, confirm the validity of the proposed neural networks. Furthermore, analysis of internal workings of SNNs provides an in-depth view on the operation of SNNs that help to gain a better understanding of the simulation of stochastic processes by SNNs.

Cette thèse est une contribution à la construction de l’Approche Locale de la rupture à l’échelle microscopique à l’aide de la modélisation d’agrégats polycristallins. Elle consiste à prendre en compte la variabilité spatiale de la microstructure du matériau. Pour ce faire, la modélisation micromécanique du matériau est réalisée par la simulation d’agrégats polycristallins par éléments finis. Les champs aléatoires de contrainte (principale maximale et de clivage) dans le matériau qui représentent la variabilité spatiale de la microstructure sont ensuite modélisés par un champ aléatoire gaussien stationnaire ergodique. Les propriétés de variabilité spatiale de ces champs sont identifiés par une méthode d’identification, e.g. méthode du périodogramme, méthode du variogramme, méthode du maximum de vraisemblance. Des réalisations synthétiques des champs de contraintes sont ensuite simulées par une méthode de simulation, e.g. méthode Karhunen-Loève discrète, méthode “Circulant Embedding”, méthode spectrale, sans nouveau calcul aux éléments finis. Enfin, le modèle d’Approche Locale de la rupture par simulation de champ de contrainte de clivage permettant d’y intégrer les réalisations simulées du champ est construit pour estimer la probabilité de rupture du matériau. / This thesis is a contribution to the construction of the Local Approach to fracture at the microscopic scale using polycrystalline aggregate modeling. It consists in taking into account the spatial variability of the microstructure of the material. To do this, the micromechanical modeling is carried out by finite element analysis of polycrystalline aggregates. The random stress fields (maximum principal et cleavage stress) in the material representing the spatial variability of the microstructure are then modeled by a stationary ergodic Gaussian random field. The properties of the spatial variability of these fields are identified by an identification method, e.g. periodogram method, variogram method, maximum likelihood method. The synthetic realizations of the stress fields are then simulated by a simulation method, e.g. discrete Karhunen-Loève method, circulant embedding method, spectral method, without additional finite element calculations. Finally, a Local Approach to fracture by simulation of the cleavage stress field using the simulated realizations is constructed to estimate the rupture probability of the material.

Les différentes structures composant les moteurs aéronautiques requièrent des analyses dynamiques afin de prédire leur durée de vie. Pour des raisons d'allègement, les roues aubagées fixes de turbomachines, appelées redresseurs, sont conçus comme des ensembles de secteurs comportant plusieurs aubes. Cette architecture rompt la symétrie cyclique empêchant l'application des méthodes numériques l'exploitant. De plus, les dispersions géométriques et matériaux génèrent un désaccordage involontaire impliquant des zones de forte densité modale, dans lesquelles est observée une amplification de la réponse vibratoire, accrue par le caractère monobloc, et donc peu amorti, des secteurs. Une méthodologie statistique de prédiction du niveau vibratoire d'un secteur de redresseur désaccordé aléatoirement est développée ici. La modélisation des incertitudes est basée sur une approche paramétrique de la théorie probabiliste : des paramètres matériaux aléatoires suivant une loi uniforme sont associés à différentes parties du secteur. Une expansion de Karhunen-Loève permet de réduire le champ stochastique à un petit nombre de variables aléatoires et donc de diminuer les temps de calcul. Les modes stochastiques sont ensuite projetés sur ces espaces aléatoires par le biais de deux méthodes d'interpolation non-intrusives. La première est basée sur une projection sur une base du chaos polynomial tandis que la deuxième est une méthode de régression non-paramétrique (méthode MARS). Afin d'appliquer les deux méthodes de calcul à un modèle industriel, une méthode de double synthèse modale est appliquée permettant de diviser le temps de calcul des modes par un facteur d'environ 300. La sous-structuration adoptée s'adapte à la méthode de modélisation des incertitudes et s'avère robuste vis-à-vis du désaccordage. De plus, les deux méthodes permettent d'obtenir des résultats prédictifs en termes de moments statistiques tout en réduisant les temps de calculs. Enfin, la méthodologie est validée expérimentalement puisque l'enveloppe vibratoire numérique encadre la réponse fréquentielle expérimentale au niveau de la zone des modes d'intérêt. Une stratégie de positionnement des jauges de déformation est proposée à partir d'une distribution statistique des déplacements maximaux à mi-hauteur de veine sur une plage fréquentielle donnée. / Aircraft engine components necessitate extensive dynamical analyses in order to obtain life cycle prediction. In order to lighten the structure, turbomachinery stator bladed disks, called stator vanes, are designed as a set of multiple blades clusters. This architecture implies a loss of cyclic symmetry condition and prevents the use of numerical methods using it. Moreover, geometric dispersions and materials defaults generate an involuntary mistuning involving high modal density areas, in which is observed an amplification of the vibratory response, enhanced by the monobloc character - and hence low damped - of stator vanes. A statistical methodology for predicting the vibratory level of a randomly mistuned industrial stator vanes is developed here. Uncertainties modelization is based on a parametric approach of the probability theory : material random parameters following a uniform distribution are associated with different cluster's parts. A Karhunen-Loeve expansion reduces the stochastic field to a small number of random variables and therefore reduces the computation time. Stochastic modes are then projected on these random spaces through two non-intrusive methods of interpolation. The first is based on a projection on a polynomial chaos basis while the second is non-parametric regression method (MARS method). In order to implement both numerical methods to an industrial model, a double modal synthesis method is applied to divide the calculation time of modes by a factor around 300. The sub-structuring way adopted fits the uncertainties modelization method and is robust towards mistuning. Moreover, both methods yield predictive results in terms of statistical moments while reducing computation time. Finally, the methodology is experimentally validated because the numerical vibratory envelope frames the experimental frequency response at the area of the modes of interest. A positioning strategy of strain gauges is proposed based on a statistical distribution of the maximum displacements in vein halfway over a given frequency range.