Modèles réduits sous incertitude de position – RedLUM

Pour atteindre ces objectifs ambitieux, la dimensionnalité des problèmes sera considérablement réduite grâce à l'utilisation de données et de modèles d'ordre réduit. Les erreurs induites par la réduction de la dimension seront quantifiées par une paramétrisation stochastique, physique et multi-échelle appelée « Modèles sous incertitude de position ». Cette quantification de l'incertitude permettra le couplage simulation-mesure via des algorithmes récents d'assimilation de données.

Les résultats attendus seront des connaissances scientifiques, méthodologiques et logicielles pour la simulation rapide, prédictive et peu coûteuse des écoulements turbulents. Une preuve de concept sera réalisée sur des écoulements réels dans une soufflerie, puis du laboratoire au terrain sur le contrôle de la micrométéorologie dans l'agriculture.

La méthodologie développée pourrait avoir des applications pratiques dans diverses industries dans lesquelles la simulation rapide des écoulements turbulents est utilisée pour prendre des décisions ou contrôler des systèmes, tels que l'aéronautique, l'énergie éolienne, les sports nautiques, la ventilation et les processus.

anr.hal.science/search/index/

Les objectifs du projet Red LUM sont le développement et l’utilisation d'outils mathématiques et informatiques, pour l’estimation en temps réel et la prévision à court terme des écoulements de fluides 3D, en utilisant des ressources de calcul limitées. Cela sera rendu possible par le couplage entre les données, les simulations numériques et les mesures parcimonieuses d'écoulement de fluide.
Pour atteindre ces objectifs ambitieux, la dimensionnalité des problèmes sera considérablement réduite grâce à l'utilisation de données et de modèles dits d'ordre réduit. Les erreurs induites par la réduction de dimension seront quantifiées par une paramétrisation stochastique, physique et multi-échelle appelée "Modèles sous incertitude de position". Cette quantification d'incertitude permettra le couplage simulation-mesure via des algorithmes récents d'assimilation de données.