Les modles numriques en

hydrologie et en hydraulique
V. Guinot
Universit Montpellier 2
Maison des Sciences de lEau
34095 Montpellier Cedex 5
guinot@msem.univ-montp2.fr

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

1. Lhydrologie et lhydraulique
2. Quest-ce quun modle hydrologique/hydraulique ?
3. Les diffrents types de modles
4. Les modles mcanistes
-

Modles 1D, 2D, 3D

Mise en oeuvre
Exemples
Les apports des mathmatiques et de linformatique

5. Les problmes
-

Les techniques numriques

La caractrisation des paramtres
La validit des modles, la connaissance des phnomnes !!!
Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

1. Lhydrologie et lhydraulique
Mtorologie

Hydrologie

Mcanique
des fluides

(Etude du cycle
de leau)

Hydraulique

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

1. Lhydrologie et lhydraulique
Hydrologie: problmes & questions lis lvolution des
ressources en eau (quantit, rpartition, volution)
Ex.:
- Evnements pluvieux extrmes crues
- Consquences de scnarios climatiques
- Impact de dforestations, de pratiques agricoles, etc.

Hydraulique: problmes & questions lis leau

canalise
Ex.:
- Calcul douvrages (canaux, vannes, pompes, barrages)
- Rseaux (dassainissement, dadduction deau)
- Propagation de crues
- Qualit des eaux (pollution naturelle ou artificielle)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

2. Quest-ce quun modle hydrologique/hydraulique ?

Conceptualisation

Monde rel
Prsent

Ingnieur spcialiste

Processus
physiques

Modle conceptuel
quations, gomtrie,
paramtres, variables

Mathmaticien
Informaticien

Monde rel
Futur

Ingnieur spcialiste

Programmation
Mthodes
numriques

Modle numrique
Solution discrte

Interprtation

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Bote noire ( Black Box ou Data-Driven en anglais)
Conceptuel
Mcaniste

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Bote noire ( Black Box ou Data-Driven en anglais)
- On ne cherche pas identifier ou comprendre les mcanismes
- On ajuste des fonctions de transfert entre variables dentre et
variables de sortie

Dbit

Observation
Loi ajuste
Pluie
Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Bote noire ( Black Box ou Data-Driven en anglais)
Avantages
- rseau de mesures minimal (longues sries temporelles, mais en
peu de points)
- nombre doutils disponibles (rgression, rseaux de neurones,
Fourier, ondelettes, thorie du chaos)
- modles trs rapides (important pour le temps rel!)
Inconvnients
- prdictivit parfois douteuse (Ex. Fourier pour la prvision des
dbits!)
- les paramtres de la fonction de transfert nont gnralement pas de
signification physique
- si la physique change, il faut tout recommencer de zro !!!

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Conceptuel
- le systme tudi est reprsent sous forme de compartiments
- ces compartiments changent des flux
P
P

Eaux de
surface

Qr

Eaux
souterraines

Rseau
hydrographique
Q

Q
Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Conceptuel
- bilans de masse sur les compartiments systme dEDOs dordre 1
- en gnral: rsolution numrique (Euler, RK2, RK4)
P

Eaux de
surface

Qr

Eaux
souterraines

Rseau
hydrographique
Q

dR
dt = P (t ) I ( R, S , t ) Qr ( H , R, t )

dS
= I ( R, S , t ) E ( H , S , t )

d
t

dH
dt = E ( H , S , t ) + Qr ( H , R, t ) Q( H , t )

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Conceptuel
Avantages
- nombre de compartiments limit rseau de mesure minimal
- modles rapides (temps rel)
Inconvnients
- les paramtres nont pas toujours une signification physique
- ils doivent tre cals (= ajusts) sur la base des mesures
- si la physique change, il faut tout recommencer de zro !!!

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Mcaniste
- le systme tudi obit des principes de conservation universels
(masse, QdM, nergie, etc.) complts par quelques lois empiriques
(frottement, rhologie, etc.)
- les paramtres et les variables sont des fonctions de lespace et du
temps EDPs rsolues numriquement
A Q
t + x = 0

+
+ pdA = ( S 0 S f ) g + I
t x A A

(quations de Saint Venant pour les

coulements en rivire)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

3. Les diffrents types de modle

Mcaniste
Avantages
- domaine de validit des lois trs tendu
- ncessit de calage moindre
- possibilit de prendre en compte les modifications de la physique du
bassin tudes dimpact
Inconvnients
- description fine de la gomtrie et des paramtres rseau de
mesures dense
- modles lents souvent impossibles utiliser en temps rel
bases de scnarios (~ bases de donnes)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
Modle 1D:
- on privilgie une dimension despace par rapport aux deux autres
(Ex: modles de rivire, de rseaux de conduites)
- on calcule des quantits moyennes sur une section en travers
E
D

F
C

C
A

B
F

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
Modle 2D:
- on privilgie deux dimension despace (Ex: plaines dinondation,
modles maritimes)
- on calcule des quantits moyennes sur la verticale

Courbes de niveau

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
Modle 3D:
- les paramtres et les variables sont des fonctions des 3 directions de
lespace (Ex: plaines dinondation, modles maritimes, modles
dtaills de circuits hydrauliques)
- Trs peu de lois empiriques (par rapport au 1D et 2D)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
Plus un modle a de dimensions:
- moins il a de paramtres,
- plus ceux-ci sont difficiles ajuster
- plus la gomtrie et les conditions aux limites sont importantes
Problmes pour les bureaux dtudes !!!
Les paramtres nont pas toujours la mme signification suivant le
nombre de dimensions du modle !
Exemple: les lois de frottement pour les modles de rivire

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
La Garonne en amont dAgen
3212000

Seuil (dversoir)

3211000

3210000

3209000

3208000

Mandres
3207000

3206000

3205000

3204000
462000

463000

464000

465000

466000

467000

468000

469000

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modles 1D, 2D, 3D
La Garonne en amont dAgen
3212000

Le modle 1D ne voit pas les

mandres
La courbure doit tre prise en
compte dans le coefficient de
frottement

3211000

3210000

3209000

Le modle 2D voit les mandres

Inutile de prendre en compte la
courbure dans le coefficient de
frottement

3208000

3207000

Le coefficient de frottement du
modle 2D est plus faible que celui
du modle 1D !!!
(il ne signifie pas la mme chose)

3206000

3205000

3204000
462000

463000

464000

465000

466000

467000

468000

469000

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Mise en oeuvre
1.
2.
3.
4.

Discrtisation du domaine dtude (maillage)

Discrtisation des quations
Rsolution des quations discrtises (solution numrique)
Interpolation des rsultats sur le maillage

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

La qualit de la discrtisation conditionne celle du rsultat !

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Exemple: modlisation des crues extrmes sur le bassin du
Var (novembre 1994)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Exemple: modlisation des crues extrmes sur le bassin du
Var (novembre 1994)
-

3-4 novembre: pluie modre mais ininterrompue saturation

progressive des sols
5 novembre: pluie intense, gnralise lensemble du bassin
ruissellement intense inondation (plaine, aroport, )

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Exemple: modlisation des crues extrmes sur le bassin du
Var (novembre 1994)
-

3-4 novembre: pluie modre mais ininterrompue saturation

progressive des sols
5 novembre: pluie intense, gnralise lensemble du bassin
ruissellement intense inondation (plaine, aroport, )
Prfecture

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Modle Numrique de Terrain
(MNT) 2D (x = y = 300m)
Modle du rseau fluvial (1D)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

5000

Measured

4000

Model 300a

5000

Measured
Model 75a

4000

Model 75

Q (m /s)

3000

3000

Q (m /s)

Model 300

2000

2000

1000

1000

8 12 16 20 24 28 32 36
t (hr)

12 16 20 24 28 32 36
t (hr)

La gomtrie (topographie, rseau fluvial) joue un rle essentiel

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

4. Les modles mcanistes

Apports des mathmatiques
-

mthodes numriques (rsolution dEDOs/EDPs, de systmes)

traitement de limprcision/incertitude (statistiques,
probabilits)
analyse et traitement du signal
assimilation de donnes

Apports de linformatique/TIC
-

rseaux dchantillonnage/mesure/tltransmission
bases de donnes/de scnarios
Systmes dInformation Gographique (SIG)
tldtection (Cf. traitement du signal)
interfaces homme/machine pour laide la dcision

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
-

coulements discontinus (ondes de choc)

coulements transcritiques

Ecoulement
supercritique
(~ supersonique)

Choc

Ecoulement
subcritique
(~ subsonique)
Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
-

coulements discontinus (ondes de choc)

Perturbations

Perturbations
Choc: les perturbations ne
remontent pas le courant

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
-

q x
t
q y
t

Fonds secs / bancs dcouvrants instabilits, oscillations

h q x q y
+
+
=0
t x
y

q x2 gh 2 q x q y

= S x
+
+ +
x h
2 y h

2
q x q y q y gh 2
+
+
= Sy
+

x h y h
2

La limite du domaine est mobile !

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
-

Dversement par-dessus des points hauts

Profondeur leve
Vitesse faible

Erreurs dinterpolation
(masse / nergie non conserve)

Profondeur faible
Vitesse leve

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
Solution: utiliser des mthodes conservatives
Traitement spcifique des termes source des quations
Exemple: rupture de cuve industrielle
Cuve dhydrocarbures
Chteau deau
Installations sensibles
Fissure (partielle ou complte)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
Les coulements diphasiques (Ex. eau + sdiments)

Eau (mobile)

Fond mobilis (eau + matriau en suspension)

Interface mobile
Pousse (pression
interfaciale)

Fond non mobile

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
Les techniques numriques
Les coulements diphasiques (Ex. eau + air en conduite)
- les forces dinterface peuvent gnrer des instabilits
- fluides compressibles: pigeage dans des zones de faible
volume variations de clrit donde considrables
instabilit (numrique) possible
2 x 106 Pa

105 Pa

Air

Air

Eau

Eau

Vanne
(rupture instantane)
Animation

Jcp05a.txt : [0,1]
Jcp05p1.txt: [0,107]

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La caractrisation des paramtres
Distance de corrlation typique des proprits des sols
- direction horizontale : typiquement 10 m
- direction verticale : typiquement < 1 m
Exemples :
Sable rouge
Strates
Affleurement plis

Consquences
- impossibilit de connatre les paramtres en chaque point
- ncessit dutiliser des approches stochastiques

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La caractrisation des paramtres
Exemple dapproche stochastique : mthode dchantillonnage de
Monte Carlo
- on connat les proprits statistiques des paramtres (fonction
de distribution/ddp, variogramme, coefficients de corrlation,
etc.)

Paramtre 1
Paramtre 2
Description
statistique

Modle

Rsultat de simulation

Paramtre n

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La caractrisation des paramtres
Exemple dapproche stochastique : mthode dchantillonnage de
Monte Carlo
- on gnre des ralisations de ces paramtres (vrifiant les
proprits statistiques)

Exemple de ralisation dun champ de conductivit hydraulique saturation (Herrick et al., 2002)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La caractrisation des paramtres
Exemple dapproche stochastique : mthode dchantillonnage de
Monte Carlo
- chaque ralisation est prise comme entre du modle
- la simulation produit un rsultat

Vitesses calcules partir du champ prcdent (Herrick et al., 2002)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La caractrisation des paramtres
Exemple dapproche stochastique : mthode dchantillonnage de
Monte Carlo
- chaque rsultat est considr comme une ralisation particulire
dune variable alatoire
- les proprits de cette variable (ddp, etc.) sont estimes en
faisant des statistiques sur lensemble des ralisations
Valeur de la
variable de sortie

Valeur du paramtre
Relation K - V (Herrick et al., 2002)

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La validit des modles, la connaissance des phnomnes
Modles dcoulements de surface:
- la gomtrie est connue avec prcision
- le milieu est continu
- les quations dcrivent bien les phnomnes
Modles dcoulements souterrains
- la gomtrie nest souvent pas connue
- le milieu peut tre discontinu
Invalidit possible des quations

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La validit des modles, la connaissance des phnomnes
Exemple: loi de Darcy (milieux poreux)

+ .u = 0
t
u = K h( )
Hypothses:
(la teneur en eau) est continue et drivable en espace
- K (conductivit hydraulique) fonction continue de lespace
Or la plupart des milieux sont discontinus (fractures, etc.)
- discontinuit de
- Discontinuit de K
Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La validit des modles, la connaissance des phnomnes
Les dveloppements rcents/en cours: modles discontinus
(gnration alatoire de fractures)

Autorisation: Herv Jourde, Universit Montpellier 2

Cf.:
Jourde et al., Bulletin Socit Gologique de France
Jourde et al., Advances in Water Resources

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

5. Les problmes
La validit des modles, la connaissance des phnomnes
Les dveloppements rcents/en cours: modles discontinus
(gnration alatoire de fractures)

Autorisation: Herv Jourde, Universit Montpellier 2

Cf.: Jourde et al., Advances in Water Resources, 2002

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003

Conclusions
-

des modles de plus en plus complexes

dont on attend toujours plus

des besoins toujours plus grands en:

-

informatique: puissance de calcul, traitement de linformation et

des donnes (SIG, BDD, IHM)
mathmatiques: dveloppement de nouvelles quations, de
mthodes numriques

Mais :
Dans le domaine de lenvironnement, il y a beaucoup dargent
pour parler; il y en a beaucoup moins pour faire

Ecole Doctorale Mathmatiques et Informatique Fondamentale de Lyon, 17 juin 2003