• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Modélisation directe et inverse de la dispersion atmosphérique en milieux complexes

Ben Salem, Nabil 17 September 2014 (has links)
La modélisation inverse de la dispersion atmosphérique consiste à reconstruire les caractéristiques d’une source (quantité de polluants rejetée, position) à partir de mesures de concentration dans l’air, en utilisant un modèle direct de dispersion et un algorithme d’inversion. Nous avons utilisé dans cette étude deux modèles directs de dispersion atmosphérique SIRANE (Soulhac, 2000; Soulhac et al., 2011) et SIRANERISK (Cierco et Soulhac, 2009a; Lamaison et al., 2011a, 2011b). Il s’agit de deux modèles opérationnels de « réseau des rues », basés sur le calcul du bilan de masse à différents niveaux du réseau. Leur concept permet de décrire correctement les différents phénomènes physiques de dispersion et de transport de la pollution atmosphérique dans des réseaux urbains complexes. L’étude de validation de ces deux modèles directs de dispersion a été effectuée après avoir évalué la fiabilité des paramétrages adoptés pour simuler les échanges verticaux entre la canopée et l'atmosphère, les transferts aux intersections de rues et la canalisation de l’écoulement à l’intérieur du réseau de rues. Pour cela, nous avons utilisé des mesures en soufflerie effectuées dans plusieurs configurations académiques. Nous avons développé au cours de cette thèse un système de modélisation inverse de dispersion atmosphérique (nommé ReWind) qui consiste à déterminer les caractéristiques d’une source de polluant (débit, position) à partir des concentrations mesurées, en résolvant numériquement le système matriciel linéaire qui relie le vecteur des débits au vecteur des concentrations. La fiabilité des résultats et l’optimisation des temps de calcul d’inversion sont assurées par le couplage de plusieurs méthodes mathématiques de résolution et d’optimisation, bien adaptées pour traiter le cas des problèmes mal posés. L’étude de sensibilité de cet algorithme d’inversion à certains paramètres d’entrée (comme les conditions météorologiques, les positions des récepteurs,…) a été effectuée en utilisant des observations synthétiques (fictives) fournies par le modèle direct de dispersion atmosphérique. La spécificité des travaux entrepris dans le cadre de ce travail a consisté à appliquer ReWind dans des configurations complexes de quartier urbain, et à utiliser toute la variabilité turbulente des mesures expérimentales obtenues en soufflerie pour qualifier ses performances à reconstruire les paramètres sources dans des conditions représentatives de situations de crise en milieu urbain ou industriel. L’application de l’approche inverse en utilisant des signaux instantanés de concentration mesurés en soufflerie plutôt que des valeurs moyennes, a montré que le modèle ReWind fournit des résultats d’inversion qui sont globalement satisfaisants et particulièrement encourageants en termes de reproduction de la quantité de masse totale de polluant rejetée dans l’atmosphère. Cependant, l’algorithme présente quelques difficultés pour estimer à la fois le débit et la position de la source dans certains cas. En effet, les résultats de l’inversion sont assez influencés par le critère de recherche (d’optimisation), le nombre de récepteurs impactés par le panache, la qualité des observations et la fiabilité du modèle direct de dispersion atmosphérique. / The aim of this study is to develop an inverse atmospheric dispersion model for crisis management in urban areas and industrial sites. The inverse modes allows for the reconstruction of the characteristics of a pollutant source (emission rate, position) from concentration measurements, by combining a direct dispersion model and an inversion algorithm, and assuming as known both site topography and meteorological conditions. The direct models used in these study, named SIRANE and SIRANERISK, are both operational "street network" models. These are based on the decomposition of the urban atmosphere into two sub-domains: the urban boundary layer and the urban canopy, represented as a series of interconnected boxes. Parametric laws govern the mass exchanges between the boxes under the assumption that the pollutant dispersion within the canopy can be fully simulated by modelling three main bulk transfer phenomena: channelling along street axes, transfers at street intersections and vertical exchange between a street canyon and the overlying atmosphere. The first part of this study is devoted to a detailed validation of these direct models in order to test the parameterisations implemented in them. This is achieved by comparing their outputs with wind tunnel experiments of the dispersion of steady and unsteady pollutant releases in idealised urban geometries. In the second part we use these models and experiments to test the performances of an inversion algorithm, named REWind. The specificity of this work is twofold. The first concerns the application of the inversion algorithm - using as input data instantaneous concentration signals registered at fixed receptors and not only time-averaged or ensemble averaged concentrations. - in urban like geometries, using an operational urban dispersion model as direct model. The application of the inverse approach by using instantaneous concentration signals rather than the averaged concentrations showed that the ReWind model generally provides reliable estimates of the total pollutant mass discharged at the source. However, the algorithm has some difficulties in estimating both emission rate and position of the source. We also show that the performances of the inversion algorithm are significantly influenced by the cost function used to the optimization, the number of receptors and the parameterizations adopted in the direct atmospheric dispersion model.

Page generated in 0.0524 seconds