Cerfacs Entrez dans le monde de la haute performance...

Du 3 mai 2016 au 4 mai 2016

Quantification d’incertitudes : application aux algorithmes, à la CFD et aux géosciences

nasri |  

FORMATION PROGRAMMEE
Limite d’inscription : 15 jours avant le début de la formation
Durée : 2 jours / ( 14 heures)

S’inscrire à cette formation

 

Descriptif

Ce cours est donné par trois spécialistes du domaine de la quantification des incertitudes : Dr Pietro Marco Congedo – chercheur à l’INRIA Bordeaux Sud-Ouest, Dr Vivien Mallet – chercheur à l’INRIA Paris Rocquencourt, et Dr Pierre Sagaut – professeur au laboratoire M2P2, Aix-Marseille Université. La première partie du cours détaille les aspects théoriques : définition des incertitudes, méthodes de Monte Carlo, méthodes de projection, méthodes d’approximation et calibration des données. Dans la deuxième partie du cours, ces méthodes sont appliquées à trois domaines spécifiques : les algorithmes, la mécanique des fluides numérique (ou CFD) et les geosciences

Public cible

Ce cours s’adresse aux ingénieurs, physiciens, informaticiens et numériciens désirant acquérir les bases de la quantification des incertitudes et/ou intéressés par leur mise en oeuvre dans trois domaines spécifiques : algorithmes, CFD et geosciences.

Pré-requis

Aucun.

Responsables scientifiques :

– Dr Pietro Marco Congedo, INRIA Bordeaux Sud-Ouest
– Dr Vivien Mallet, INRIA Paris Rocquencourt
– Pr Pierre Sagaut, Laboratoire M2P2 – Aix-Marseille université

Tarifs

  • Stagiaires/PhDs/PostDocs : 100 €
  • Associés CERFACS/CNRS/INRIA : 300 €
  • Public : 600 €

Programme

(Tous les jours de 9h00 à 17h30)

 

Jour 1  : Aspects théoriques et applications (Pr P. Sagaut)
Introduction et définitions : erreurs, incertitudes, risque, modélisation stochastique, sources d’incertitudes.
Méthodes de projection : méthodes de Galerkin et de collocation, polynômes de chaos généralisés, implantation, etc. Exemples dans le domaine de la CFD.
Méthodes d’approximation: kriging, co-kriging, prédiction de l’erreur, utilisation de la POD
Calibrage de données : inférence Bayésienne
Jour 2 matin : Application aux algorithmes (Dr P.M. Congedo)
Algorithme innovant pour la quantification d’incertitudes en CFD
Approche non-probabiliste et incertitude épistémique
Optimisation sous incertitudes

Jour 2 après-midi : Application aux géosciences.Ensembles et assimilation de données. (Dr V. Mallet)

Ensemble multi-modèles
Evaluation d’ensemble
Estimation d’incertitudes a posteriori par assimilation de données