Dans le cadre de l'élasticité linéaire 3D des microstructures complexes qui ne peuvent pas être simplement décrites en terme de constituants telles que des tissus biologiques, nous proposons, dans ce travail de recherche, une méthodologie d'identification expérimentale multi-échelle du champ stochastique d'élasticité apparent de la microstructure à l'échelle mésoscopique en utilisant des mesures de champ de déplacements aux échelles macroscopique et mésoscopique. On peut alors utiliser cette méthodologie dans le cadre de changement d'échelle pour obtenir des propriétés mécaniques à l'échelle macroscopique. Dans ce contexte, la question majeure est celle de l'identification expérimentale par résolution d'un problème statistique inverse de la modélisation stochastique introduite pour le champ d'élasticité apparent à l'échelle mésoscopique. Cette identification expérimentale permet non seulement de valider la modélisation mais encore de la rendre utile pour des matériaux existants ayant une microstructure complexe. Le présent travail de recherche est une contribution proposée dans ce cadre pour lequel l'expérimentation et validation expérimentale basée sur des mesures simultanées d'imagerie de champ aux échelles macroscopique et mésoscopique sont faites sur de l'os cortical

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

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

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Les réseaux de fractures et les karsts constituent des discontinuités au sein de la roche qui affectent considérablement les écoulements de fluides, ce qui engendre des problèmes spécifiques dans divers domaines des géosciences. La problématique générale consiste à déterminer les caractéristiques géométriques et hydrauliques des réseaux de fractures ou de karsts. La caractérisation et la modélisation de ces structures se heurtent cependant à leur complexité géométrique et à leur distribution spatiale hétérogène. De plus, les observations et données directes concernant aussi bien les fractures et karsts que leur encaissant rocheux restent largement insuffisantes pour décrire avec certitudes leurs caractéristiques. Pour ces raisons, la modélisation de réseaux de fractures ou de karsts est le plus souvent réalisée dans un cadre probabiliste. Des simulations stochastiques de type objet ou pixel sont généralement mise en œuvre pour générer des modèles 3D de fractures ou karsts. Cependant les mécanismes sur lesquels repose ce type d'approche ne permet pas de reproduire toutes la complexité de ces objets naturels et fournit des modèles manquant de réalisme géologique.Dans ces travaux de thèse, nous proposons d'aborder la problématique de la modélisation des fractures et des karsts suivant une approche pseudo-génétique. Il s'agit de contraindre le processus de simulation stochastique de fractures et karsts par des règles géométriques et heuristiques qui imitent les processus physiques gouvernant leur formation. Deux méthodes poursuivant cet objectif ont été développées, l'une adressant la simulation des fractures et la seconde celle des karsts. Les modèles ainsi générés exposent des caractéristiques similaires à celles des réseaux de fractures et karsts naturels. / Fractures and karstic networks are known to significantly affect flow paths and therefore raise specific issues in a wide variety of geoscience fields. The common question beyond these problems isto determine whether there is a network of fractures and/or karstic conduits and if yes what are itsgeometrical and hydraulic characteristics. Characterization and modeling of these features is a challenge for it usually displays complex geometries and heterogeneous spatial distribution. Moreover, in most cases, neither fracture and karst nor their host environment can be observed or described with certainty at all scales and location of relevance. For these reasons, fractures and karstic networks are usually integrated into 3D geological model through a probabilistic framework. Stochastic object- or pixel-based simulations are commonly performed to generate 3D models of fractures and karst but failed to reproduce the whole complexity of these natural objects and 3D models often lack geological realism.To address the issues related to fracture and karst modeling, we present two genetic-like approaches. The motivation of this work is to constrain the stochastic simulation of fractures and karsts by geometrical and heuristic rules which mimic the physical processes governing their formation. The resulting fracture and karst models display similar characteristics as those of natural pattern.

La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée “dynamique stochastique”, consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites“optimales” correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales / Over the last twenty years, research in ensemble predictions at a seasonal timescale using general circulation models has undergone a considerable development due to the exponential growth rate of computing capacities, the improved model resolution and the introduction of more and more components (ocean, atmosphere, land surface and sea-ice) that have an impact on climate at this time scale. Regardless of these efforts, predicting temperature and precipitation for the upcoming season is a difficult task, not only over mid-latitudes but also over regions subject to high climate risk, like West Africa during the monsoon season. One key to improving predictions is to represent model uncertainties (due to resolution, parametrizations, approximations and model error). The multimodel approach is a well-tried method which consists in pooling members from different individual coupled models into a single superensemble. This approach was undertaken as part of the European Commission funded ENSEMBLES project, and we find that it usually improves seasonal precipitation re-forecasts over several regions of Africa with respect to individual model predictions. The main goal of this thesis is to study another approach to addressing model uncertainty in the global coupled model CNRM-CM5, by adding stochastic perturbations to the dynamics of the atmospheric model ARPEGE-Climat. Our method, called “stochastic dynamics”, consists in adding additive perturbations to the temperature, specific humidity and vorticity fields, thus correcting estimations of model initial tendency errors. In this thesis, two initial tendency error estimation techniques were studied, based on nudging the model towards reference data. They yield different results in terms of re-forecast scores, depending on the regions studied. If the initial tendency error corrections are estimated using an iterative nudging method towards the ERA-Interim reanalysis, seasonal prediction scores over the Northern Hemisphere in winter are significantly improved by drawing random corrections. The 500 hPa geopotential height is also clearly reduced. A re-forecast using “optimal” perturbations drawn within the initial tendency error corrections from the current forecast month shows that useful information at a monthly timescale exists, and could allow significant forecast improvement. The last part of this thesis focuses on the idea of classifying the model perturbations according to its current state during the forecast, in order to take a step closer (if possible) to the improvements noted with these optimal perturbations

La modélisation du sous-sol est un outil indispensable pour décrire, comprendre et quantifier les processus géologiques. L'accès au sous-sol et son observation étant limités aux moyens d'acquisition, la construction de modèles tridimensionnels du sous-sol repose sur l'interprétation de données éparses à résolution limitée. Dans ce contexte, de nombreuses incertitudes affectent la construction de tels modèles, dues aux possibles biais humains cognitifs lors de l'interprétation, à la variabilité naturelle des objets géologiques et aux incertitudes intrinsèques des données utilisées. Ces incertitudes altèrent la prédictibilité des modèles et leur évaluation est donc nécessaire afin de réduire les risques économiques et humains liés à l'utilisation des modèles. Le travail de thèse s'est déroulé dans le cadre plus spécifique des incertitudes sur les structures géologiques. Les réponses apportées sont multiples : (1) une méthode stochastique de génération de modèles structuraux à géométrie et topologie changeantes, combinant une connaissance a priori des structures géologiques aux données interprétées, a été développée ; (2) le réalisme géologique des structures modélisées est garanti grâce à la modélisation implicite, représentant une surface par une équipotentielle d'un champ scalaire volumique ; (3) la description des failles en un nombre restreint de paramètres incertains a permis d'aborder la modélisation inverse, ce qui ouvre la voie vers l'assimilation de données géophysiques ou d'écoulement fluides grâce à des méthodes bayesiennes / Subsurface modeling is a key tool to describe, understand and quantify geological processes. As the subsurface is inaccessible and its observation is limited by acquisition methods, 3D models of the subsurface are usually built from the interpretation of sparse data with limited resolution. Therefore, uncertainties occur during the model building process, due to possible cognitive human bias, natural variability of geological objects and intrinsic uncertainties of data. In such context, the predictability of models is limited by uncertainties, which must be assessed in order to reduce economical and human risks linked to the use of models. This thesis focuses more specifically on uncertainties about geological structures. Our contributions are : (1) a stochastic method for generating structural models with various fault and horizon geometries as well as fault connections, combining prior information and interpreted data, has been developped ; (2) realistic geological objects are obtained using implicit modeling that represents a surface by an equipotential of a volumetric scalar field ; (3) faults have been described by a reduced set of uncertain parameters, which opens the way to the inversion of structural objects using geophysical or fluid flow data by baysian methods

Ce mémoire de thèse a pour but de présenter un modèle de prédiction du transport des algues en mer le long des côtes. La méthode choisie a été d'utiliser un code industriel eulérien pour prédire l'écoulement moyen sur une grande surface, et d'ensuite ajouter un modèle lagrangien pour prédire le mouvement des particules individuelles. Ce modèle lagrangien comporte trois étapes. Premièrement, les caractéristiques moyennes du fluide trouvées avec le modèle eulérien sont utilisées pour alimenter un modèle stochastique pour trouver les vitesses turbulentes du fluide à l'emplacement des particules modélisant les algues. Ensuite ces vitesses turbulentes sont utilisées à travers les composantes de la force de traînée, de l'inertie, de la force de Basset et de la poussée d'Archimède pour trouver les vitesses des corps. La dernière étape consiste à utiliser ces vitesses des corps pour calculer leurs trajectoires. Une méthode avec un intégrateur exact a été développée pour résoudre ces équations. Ce modèle a ensuite été validé grâce à deux expériences. Dans la première expérience, des sphères de tailles différentes ont été lâchées dans deux fluides avec des densités différentes, où une turbulence stationnaire quasi-homogène a été générée en utilisant une paire de grilles oscillantes. Dans la deuxième expérience des particules sphériques ont été lâchées dans un écoulement non homogène. Cet écoulement a été obtenu en obstruant partiellement un canal, afin qu'une zone de recirculation soit générée. Le modèle de transport des particules a ensuite été testé sur des simulations d'un écoulement réel le long des côtes normandes, dans lequel des particules numériques représentant des algues ont été lâchées / The aim of this PhD thesis was to develop a model to predict the motion of algae in sea waters along a coastline. The method chosen was to use a large Eulerian industrial code to model the mean flow, and add Lagrangian model to predict the motion of individual particles. This Lagrangian modelis a three-step model. In the first modelling step, the mean flow characteristics at the location of the particles (solid bodies modelling the algae) are extracted from the Eulerian model and imputed into a stochastic model to find the turbulent fluid velocities. These fluid velocities are used in the second step to solve for the solid body velocities, by solving for the drag, momentum, buoyant and Basset history forces. The final modelling step is to use these solid body velocities to calculate the trajectories of particles. An exact integrator method was then developed to solve for these equations. The model was then validated using two experiments. Firstly sphere of different size were released in fluids of different densities, where a stationary quasi-homogeneous turbulence. This turbulence was generated by oscillating a pair of grids. In the second experiment spherical particles were released in anon-homogeneous turbulent flow. This flow was achieved by partially obstructing a channel, so that a recirculation zone was generated. The particle transport model was then tested numerically using the simulations of a real flow along the coasts of Normandy where numerical particles representing algae were released

L’entreprise Rio Tinto effectue la gestion du système hydrique de la rivière Nechako, situé en Colombie-Britannique (Canada), à partir de règles de gestion optimisées à l’aide d’un algorithme de programmation dynamique stochastique (PDS) et de scénarios d’apports historiques. Les récents développements en recherche opérationnelle tendent à démontrer que la mise à jour des règles de gestion en mode prévisionnel permet d’améliorer la performance des règles de gestion lorsque des prévisions d’ensemble sont utilisées pour mieux cerner les incertitudes associées aux apports à venir. La modélisation hydrologique permet de suivre l’évolution d’un ensemble de processus hydrologiques qui varient dans le temps et dans l’espace (réserve de neige, humidité du sol, etc.). L’utilisation de modèles hydrologiques, en plus d’offrir la possibilité de construire des prévisions d’ensemble qui tiennent compte de l’ensemble des processus simulés, permet de suivre l’évolution de variables d’état qui peuvent être utilisées à même l’algorithme d’optimisation pour construire les probabilités de transition utiles à l’évaluation de la valeur des décisions futures. À partir d’un banc d’essais numériques dans lequel le comportement du bassin versant de la rivière Nechako est simulé à l’aide du modèle hydrologique CEQUEAU, les résultats du présent projet démontrent que la mise à jour des règles avec l’algorithme de PDS en mode prévisionnel permet une amélioration de la gestion du réservoir Nechako lorsque comparée aux règles optimisées avec l’algorithme en mode historique. Le mode prévisionnel utilisant une variable hydrologique combinant un modèle autorégressif d’ordre 5 (AR5) et la valeur maximale de l’équivalent en eau de la neige (ÉENM) a permis de réduire les déversements non-productifs et les inondations tout en maintenant des productions similaires à celles obtenues à l’aide de règles optimisées en mode historique utilisant l’ÉENM comme variable hydrologique. De plus, les résultats du projet démontrent que l’utilisation de prévisions hydrologiques d’ensemble en mode historique pour construire une variable hydrologique permettant d’émettre une prévision du volume d’apport médian pour les huit mois à venir (PVAM) ne permettait pas d’obtenir des résultats de gestion supérieurs à ceux obtenus avec la variable d’ÉENM.