Ce travail présente un développement et une analyse des approches numériques déterministes et probabilistes efficaces pour les équations aux dérivées partielles avec des coefficients et données aléatoires. On s'intéresse au problème d'écoulement stationnaire avec des données aléatoires. Une méthode de projection dans le cas unidimensionnel est présentée, permettant de calculer efficacement la moyenne de la solution. Nous utilisons la méthode de collocation anisotrope des grilles clairsemées. D'abord, un indicateur de l'erreur satisfaisant une borne supérieure de l'erreur est introduit, il permet de calculer les poids d'anisotropie de la méthode. Ensuite, nous démontrons une amélioration de l'erreur a priori de la méthode. Elle confirme l'efficacité de la méthode en comparaison avec Monte-Carlo et elle sera utilisée pour accélérer la méthode par l'extrapolation de Richardson. Nous présentons aussi une analyse numérique d'une méthode probabiliste pour quantifier la migration d'un contaminant dans un milieu aléatoire. Nous considérons le problème d'écoulement couplé avec l'équation d'advection-diffusion, où on s'intéresse à la moyenne de l'extension et de la dispersion du soluté. Le modèle d'écoulement est discrétisée par une méthode des éléments finis mixtes, la concentration du soluté est une densité d'une solution d'une équation différentielle stochastique, qui sera discrétisée par un schéma d'Euler. Enfin, on présente une formule explicite de la dispersion et des estimations de l'erreur a priori optimales. / This work presents a development and an analysis of an effective deterministic and probabilistic approaches for partial differential equation with random coefficients and data. We are interesting in the steady flow equation with stochastic input data. A projection method in the one-dimensional case is presented to compute efficiently the average of the solution. An anisotropic sparse grid collocation method is also used to solve the flow problem. First, we introduce an indicator of the error satisfying an upper bound of the error, it allows us to compute the anisotropy weights of the method. We demonstrate an improvement of the error estimation of the method which confirms the efficiency of the method compared with Monte Carlo and will be used to accelerate the method using the Richardson extrapolation technique. We also present a numerical analysis of one probabilistic method to quantify the migration of a contaminant in random media. We consider the previous flow problem coupled with the advection-diffusion equation, where we are interested in the computation of the mean extension and the mean dispersion of the solute. The flow model is discretized by a mixed finite elements method and the concentration of the solute is a density of a solution of the stochastic differential equation, this latter will be discretized by an Euler scheme. We also present an explicit formula of the dispersion and an optimal a priori error estimates.

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.

Les travaux de la présente thèse portent sur le recalage de modèles dynamiques d’aubes de turbinecomposites à matrice céramique. Ils s’inscrivent dans le cadre de la quantification d’incertitudes pour la validation de modèles et ont pour objectif de fournir des outils d’aide à la décision pour les ingénieurs desbureaux d’études. En effet, la dispersion importante observée lors des campagnes expérimentales invalidel’utilisation des méthodes de recalage déterministe. Après un état de l’art sur la relation entre les incertitudeset la physique, l’approche de Vérification & Validation a été introduite comme approche permettantd’assurer la crédibilité des modèles numériques. Puis, deux méthodes de recalages stochastiques, permettantde déterminer la distribution statistique des paramètres, ont été comparées sur un cas académique. La priseen compte des incertitudes n’élude pas les potentielles compensations entre paramètres. Par conséquent, desindicateurs ont été développés afin de détecter la présence de ces phénomènes perturbateurs. Ensuite, lathéorie info-gap a été employée en tant que moyen de modéliser ces méconnaissances. Une méthode derecalage stochastique robuste a ainsi été proposée, assurant un compromis entre la fidélité du modèle auxessais et la robustesse aux méconnaissances. Ces outils ont par la suite été appliqués sur un modèle éléments / This work is focused on the stochastic updating of ceramic matrix composite turbine blade model. They arepart of the uncertainty quantification framework for model validation. The aim is to enhance the existing toolused by the industrial decision makers. Indeed, consequent dispersion was measured during the experimentalcampaigns preventing the use of deterministic approaches. The first part of this thesis is dedicated to therelationship between mechanical science and uncertainty. Thus, Verification and Validation was introduced asthe processes by which credibility in numerical models is established. Then two stochastic updatingtechniques, able to handle statistic distribution, were compared through an academic example. Nevertheless,taking into account uncertainties doesn’t remove potential compensating effects between parameters.Therefore, criteria were developed in order to detect these disturbing phenomena. Info-gap theory wasemployed as a mean to model these lack of knowledge. Paired with the stochastic updating method, a robuststochasticapproach has been proposed. Results demonstrate a trade-off relationship between the model’sfidelity and robustness. The developed tools were applied on a ceramic matrix composite turbine blade finiteelement model.