You are on page 1of 212

M

ethodes de discr
etisation pour la mod
elisation par

el
ements analytiques en hydrog
eologie quantitative Application aux
ecoulements en r
egimes permanents et
transitoires
Frederic Dauvergne

To cite this version:


Frederic Dauvergne. Methodes de discretisation pour la modelisation par elements analytiques
en hydrogeologie quantitative - Application aux ecoulements en regimes permanents et transitoires. Sciences de lenvironnement. Ecole Nationale Superieure des Mines de Saint-Etienne,
2006. Francais. <tel-00797147>

HAL Id: tel-00797147


https://tel.archives-ouvertes.fr/tel-00797147
Submitted on 5 Mar 2013

HAL is a multi-disciplinary open access


archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est


destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

N dordre: 00000

THSE
pour obtenir le grade de

Docteur
de lcole Nationale Suprieure des Mines de Saint-Etienne et de
lUniversit Jean Monnet
Spcialit Sciences et Gnie de lEnvironnement
Discipline des Mathmatiques appliques lhydrogologie

Mthodes de discrtisation pour la modlisation par


lments analytiques en hydrogologie quantitative
Application aux coulements en rgimes permanents
et transitoires
par

Frdric Dauvergne

soutenue le 13 dcembre 2006 devant la commission dexamen


M. :
MM. :
MM. :

Rachid
Otto D. L.
Moumtaz
Didier
Mireille
Didier

Ababou
Strack
Razack
Pennequin
Batton-Hubert
Graillot

Examinateur
Rapporteurs
Examinateurs

Remerciements
Je tiens remercier en premier lieu mon directeur de thse, Didier Graillot, directeur du
centre SITE, pour lautonomie et la conance quil ma accordes durant ces annes, mais
aussi pour sa disponibilit et ses conseils promulgus durant cette thse.
Je remercie Otto D. L. Strack, Professeur de luniversit du Minnesota, USA et Moumtaz
Razack, Professeur de luniversit de Poitiers davoir accept dtre rapporteurs de ce travail,
ainsi que les personnes qui ont bien voulu faire partie de mon jury de thse.
Je tiens exprimer toute ma gratitude envers Randal Barnes, Professeur associ et Otto
D. L. Strack, Professeur, de mavoir chaleureusement accueilli lors de mes 2 sjours au sein du
dpartement dingnierie civil de lUniversit du Minnesota, USA. Naturellement, je noublie
pas de remercier chaleureusement leurs femmes Debra et Andrine de leur disponibilit et de
leur grande gentillesse.
Jadresse toute ma reconnaissance Mme Mireille Batton-Hubert, Matre assistante et
co-directrice de ma thse de mavoir soutenu et encourag, pour ses conseils, mais aussi pour
les nombreuses discussions que nous avons pu avoir.
Je remercie vivement Philippe Le Grand, pour laide prcieuse quil ma apport durant
ce travail, pour ses conseils aviss et les nombreuses discussions au coin dune table.
Je remercie Djamel Mimoun pour laide quil ma apport au niveau hydrogologique.
Je noublie pas les membres du labo, qui ont particip plus ou moins directement au bon
droulement de cette thse, et en particulier les secrtaires.
Je garde une pense pour tous les compagnons de route, les anciens comme les nouveaux
pour leur soutien, leurs encouragements et leur bonne humeur.
Mais aussi, mes amis de longue date, Olive et Ronan pour mavoir support durant toutes
ces annes et les membres du Fauriel Tennis Club pour mavoir permis de me dfouler sur une
petite balle jaune.
Naturellement, je tiens particulirement remercier ma famille pour leur soutien permanent, en particulier ma sur, mes parents et tous ceux de Saint Malo et dailleurs.

Table des matires


Introduction

1 Du problme physique au modle numrique


1.1 Les nappes deau souterraines : un milieu naturel . . . . . . . . .
1.2 La modlisation des coulements de nappes deau souterraines . .
1.2.1 Du microscopique au macroscopique . . . . . . . . . . . .
1.2.2 Caractristiques hydrogologiques de laquifre . . . . . .
1.3 Cadre de la modlisation des aquifres . . . . . . . . . . . . . . .
1.3.1 Principe de conservation de la masse . . . . . . . . . . . .
1.3.2 Loi de Darcy . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3 quation gnrale rgissant les coulements souterrains . .
1.4 quation de la diusivit pour un rgime permanent 2D . . . . .
1.4.1 Hypothse de Dupuit et ux horizontal . . . . . . . . . . .
1.4.2 Potentiel hydraulique . . . . . . . . . . . . . . . . . . . . .
1.5 Reprsentation Complexe . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Potentiel complexe . . . . . . . . . . . . . . . . . . . . . .
1.5.2 Vitesse complexe . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Principe de superposition . . . . . . . . . . . . . . . . . .
1.6 Numerical methods applicable in hydrogeology . . . . . . . . . .
1.6.1 Domain method . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Boundary methods . . . . . . . . . . . . . . . . . . . . . .
1.6.3 Vector and grid based approaches . . . . . . . . . . . . . .
1.7 Paradigme orient objet de la mthode des lments analytiques .
1.7.1 Approche oriente objet de lhydrogologie . . . . . . . . .
1.7.2 Conceptualisation oriente objet . . . . . . . . . . . . . .
1.8 Dmarche gnrale de modlisation . . . . . . . . . . . . . . . . .
2 Comparaison des approches AEM et FDM
2.1 Prsentation gographique du site dtude . . . . . . . . . . .
2.1.1 Lcozone du Forez : Un site fort enjeu cologique et
2.1.2 Description gomorphologique . . . . . . . . . . . . . .
2.1.3 Description hydrologique . . . . . . . . . . . . . . . . .
2.1.3.1 Environnement climatique . . . . . . . . . . .
2.1.3.2 Environnement hydrographique . . . . . . . .
2.1.3.3 Environnement hydrogologique . . . . . . .
2.2 Organisation des donnes pour le modle physique . . . . . .
1

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . . . .
conomique
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

9
9
11
11
12
13
13
14
15
15
15
16
17
17
17
18
18
19
19
21
22
22
23
27

.
.
.
.
.
.
.
.

31
31
31
32
37
37
37
38
39

Table des matires

.
.
.
.
.
.
.
.
.
.

39
39
42
44
47
49
49
51
55
58

3 Analyse mathmatique de lerreur de discrtisation


3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 tude analytique pour une rpartition de charge constante . . . . . . . . . . . .
3.2.1 Position du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Rsolution analytique du segment de droite . . . . . . . . . . . . . . . .
3.2.3 Rsolution analytique de larc de cercle . . . . . . . . . . . . . . . . . . .
3.2.3.1 Expression de la troisime transformation conforme . . . . . .
3.2.3.2 Expression de limage de linni t . . . . . . . . . . . . . . .
3.2.3.3 valuation du potentiel complexe de larc de cercle dans lespace t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3.4 valuation Numrique . . . . . . . . . . . . . . . . . . . . . . .
3.2.4 Comparaison des potentiels complexes obtenus . . . . . . . . . . . . . .
3.2.4.1 tude pour lhypothse l = arc . . . . . . . . . . . . . . . .
3.2.4.2 tude du cas de lhypothse Qarc = Ql . . . . . . . . . . . . .
3.2.4.3 Analyse de sensibilit de lerreur de discrtisation . . . . . . .
3.3 Gnralisation au cas dune rpartition de potentiel non constante . . . . . . .
3.3.1 Position du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.2 Rsolution analytique du segment de droite . . . . . . . . . . . . . . . .
3.3.3 Rsolution analytique de larc de cercle . . . . . . . . . . . . . . . . . . .
3.3.4 Estimation des coecients an pour une rpartition de potentiel linaire .
3.3.4.1 Reprsentation de la condition de potentiel par une srie de
Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.4.2 Reprsentation de la distribution de potentiel linaire . . . . .
3.4 tude numrique de 3 segments connects . . . . . . . . . . . . . . . . . . . . .
3.4.1 Position du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.2 Cadre de la rsolution numrique par lments analytiques . . . . . . . .
3.4.2.1 Dnition du potentiel complexe . . . . . . . . . . . . . . . . .
3.4.2.2 Dnition du systme de coordonnes local . . . . . . . . . . .
3.4.3 Expression locale dune ligne source . . . . . . . . . . . . . . . . . . . .
3.4.3.1 Reprsentation par les polynmes de Tchebychev . . . . . . . .
3.4.3.2 Reprsentation du champ lointain (far-eld) . . . . . . . . . . .
3.4.3.3 Formulation contracte du potentiel complexe . . . . . . . . . .
3.4.4 Principe de rsolution par la mthode des lments analytiques . . . . .
3.4.4.1 Prise en compte des conditions aux limites . . . . . . . . . . .
3.4.4.2 Dnition des points de contrles . . . . . . . . . . . . . . . . .
3.4.4.3 Assemblage de la matrice dinuence et du second membre . .

61
61
62
62
63
66
67
70

2.3

2.4

2.2.1 Organisation des donnes mobilisables . . . . . . . . . . .


2.2.2 Donnes topographiques . . . . . . . . . . . . . . . . . . .
2.2.3 Donnes hydrologiques . . . . . . . . . . . . . . . . . . . .
2.2.4 Donnes hydrogologiques . . . . . . . . . . . . . . . . . .
2.2.5 Reprsentation des caractristiques physiques de laquifre
Modlisation hydrodynamique . . . . . . . . . . . . . . . . . . . .
2.3.1 Reprsentation des conditions aux limites . . . . . . . . .
2.3.2 Procdure de discrtisation . . . . . . . . . . . . . . . . .
2.3.3 Rsultats de simulation . . . . . . . . . . . . . . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . .
. . . . . .
. . . . . .
. . . . . .
sous SIG
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

.
.
.
.
.
.
.
.
.
.

70
71
73
73
75
76
78
78
78
79
81
81
82
83
83
83
84
84
84
85
86
87
87
87
88
88

Table des matires

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

89
89
89
92
93

4 Nouvelles approches de discrtisation


4.1 Mthodes de discrtisation adaptes aux AEM . . . . . . . . . . .
4.1.1 Classication des algorithmes de simplication . . . . . .
4.1.2 Lalgorithme de Douglas-Peucker . . . . . . . . . . . . . .
4.1.3 Mthodes de discrtisation alternatives . . . . . . . . . . .
4.1.4 Reconnaissance de formes elliptiques pour la discrtisation
4.1.5 Prservation des proprits physiques . . . . . . . . . . . .
4.2 Estimation de lerreur de discrtisation . . . . . . . . . . . . . . .
4.2.1 Notion dlments actifs et passifs . . . . . . . . . . . . .
4.2.2 Mesures spatiales de la discrtisation . . . . . . . . . . . .
4.2.3 Estimateur local a posteriori . . . . . . . . . . . . . . . .
4.2.4 Estimateur global a posteriori . . . . . . . . . . . . . . . .
4.3 Vers un outil daide la discrtisation . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

95
95
95
97
99
102
104
105
105
106
108
109
110

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

111
. 111
. 112
. 114
. 115
. 116
. 116
. 118
. 119
. 120
. 120
. 121
. 121
. 123
. 126
. 128
. 129
. 131
. 132
. 133
. 135
. 138
. 138
. 141
. 141
. 142
. 143

3.5

3.4.4.4 Prise en compte de contraintes . . . . . . .


3.4.5 Comparaison avec larc de cercle . . . . . . . . . . .
3.4.5.1 tude spatiale au sens des moindres carrs
3.4.5.2 tude en terme dAire et de Primtres . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

5 Nouveaux lments analytiques 1D en rgime transitoire


5.1 Problme physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Formulation gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Solution exacte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4 Rsolution du problme en rgime transitoire . . . . . . . . . . . . . . .
5.5 Formes analytiques des dirents potentiels . . . . . . . . . . . . . . . .
5.5.1 Forme de llment linesink . . . . . . . . . . . . . . . . . . . . .
5.5.2 Forme de llment divergence linesink . . . . . . . . . . . . . . .
5.5.3 quivalent 1D du potentiel non singulier . . . . . . . . . . . . . .
5.5.4 Calcul de Tn , Tn et Tn . . . . . . . . . . . . . . . . . . . . . . . .
5.6 Assemblage de la matrice dinuence et du second membre . . . . . . . .
5.6.1 Points de contrles . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6.2 Conditions vrier par le systme dquations rsoudre . . . .
5.6.3 Contraintes du systme dquations vrier . . . . . . . . . . .
5.7 Un premier rsultat numrique . . . . . . . . . . . . . . . . . . . . . . .
5.8 Comportement des termes singuliers dordre un et trois . . . . . . . . . .
5.9 tude de la consistance du schma numrique . . . . . . . . . . . . . . .
5.10 tude du comportement de la solution numrique . . . . . . . . . . . . .
5.10.1 Inuence du pas de temps t . . . . . . . . . . . . . . . . . . . .
5.10.2 volution de lerreur en fonction de litration . . . . . . . . . . .
5.10.3 Inuence du nombre de points de contrles et de leurs rpartition
5.10.4 Inuence du degr N des polynmes de Tchebychev . . . . . . .
5.11 Pr-estimation du rsultat numrique a la premire itration . . . . . . .
5.12 Rsolution de lquation non linaire pour une diusivit non constante
5.12.1 Rsolution par un schma explicite . . . . . . . . . . . . . . . . .
5.12.2 Rsolution par un schma implicite . . . . . . . . . . . . . . . . .
5.13 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Table des matires

6 Mthode des lments analytiques 2D pour le rgime transitoire


6.1 Position du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2 tude de solutions particulires . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.1 Une solution 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.2 Une solution 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3 Formulation des lments analytiques en rgime transitoire . . . . . . . . . . .
6.3.1 Transformation conforme utilise . . . . . . . . . . . . . . . . . . . . .
6.3.2 Formulation utilisant les polynmes de Tchebychev . . . . . . . . . . .
6.3.3 criture en fonction des Fen . . . . . . . . . . . . . . . . . . . . . . . .
6.3.4 lment linesink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3.5 lment divergence line sink . . . . . . . . . . . . . . . . . . . . . . . .
6.3.6 lment non singulier . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4 Mthode de rsolution numrique . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.1 Systme dquations a rsoudre . . . . . . . . . . . . . . . . . . . . . .
6.4.2 Dnition des points de contrles . . . . . . . . . . . . . . . . . . . . .
6.4.3 Assemblage de la matrice dinuence et du second membre . . . . . . .
6.4.3.1 Condition au domaine . . . . . . . . . . . . . . . . . . . . . .
6.4.3.2 Condition au bord . . . . . . . . . . . . . . . . . . . . . . . .
6.4.3.3 Rsolution par moindres carrs avec sous domaines . . . . . .
6.4.4 Prise en compte de la contrainte de singularits . . . . . . . . . . . . .
6.4.5 Initialisation du systme dquations . . . . . . . . . . . . . . . . . . .
6.4.6 Estimation de la taille de lellipse dinuence chacune des itrations .
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

145
. 145
. 146
. 146
. 148
. 150
. 150
. 151
. 152
. 153
. 156
. 158
. 160
. 160
. 161
. 162
. 162
. 164
. 165
. 166
. 166
. 167
. 167

A Gnralisation de la thorie complexe pour les fonctions harmoniques


175
A.1 Rappel de quelques proprits danalyse complexe . . . . . . . . . . . . . . . . . 175
A.2 Formulation du potentiel complexe par la divergence et le rotationnel . . . . . . 176
B Relation mathmatique entre les AEM et les BEM

181

C Fonction de courant et fonction potentiel

185

D Donnes collectes pour lcozone


187
D.1 Donnes climatiques de la plaine du Forez . . . . . . . . . . . . . . . . . . . . . 187
D.2 Donnes cartographies sous SIG . . . . . . . . . . . . . . . . . . . . . . . . . . 189
Bibliographie

199

Table des figures

201

Introduction
La modlisation mathmatique au service de la gestion des ressources en
eau souterraine
Leau douce mobilisable est une denre rare et prcieuse qui est souvent stocke dans
les nappes deau souterraines. Or, cette ressource a fortement subi les eets de la pousse
dmographique associe lindustrialisation, lurbanisation et lintensication agricole de ces
dernires annes. Il devient ncessaire davoir une gestion ecace de ces rserves.
Pour cette raison, la modlisation est devenue un outil indispensable la connaissance des
coulements souterrains pour une gestion ecace des ressources en eau. Associer une mthode
numrique loutil SIG permet denvisager les nombreuses possibilits que pourrait apporter
une interaction ecace entres les donnes gorfrences et les rsultats de simulations.
Or la mthode des lments analytiques prsente une structure similaire aux SIG (Systme dInformation Gographique) par sa nature vectorielle et oriente objet. Cest pourquoi
elle prsente une alternative intressante par rapport aux mthodes numriques usuellement
utilises en hydrodynamique souterraine. Elle a t spciquement dveloppe pour les coulements souterrains. Elle prsente des rsultats qui, dun point de vue abilit et adaptabilit
direntes chelles spatiales, montrent leurs intrts et leurs possibilits.
Enn, cette mthode innovante prsente un challenge mathmatique par la nature complexe de la thorie quelle exploite. En eet, la thorie mathmatique prsente de vastes
possibilits qui sont parfois sous-exploites dans leurs applications. Pourtant, elles permettent
souvent daider rsoudre des problmes spciquement lis lenvironnement qui nous entoure.

Objectifs des travaux


Il sagit dabord dtudier les spcicits de la mthode des lments analytiques par rapport aux mthodes de modlisation numriques classiques. Cette comparaison doit pouvoir
mettre en vidence les dirences dapproches de modlisation entre ces mthodes. Cela permet den dduire les avantages et inconvnients pour chacune delles. Ces direntes approches
peuvent nanmoins se runir sous une dmarche commune de modlisation travers la concep5

Introduction

tualisation de laquifre. Cette dmarche mthodique doit permettre de limiter les erreurs en
les contrlant plus ecacement.
Ensuite, il sagit de se focaliser sur le processus de discrtisation. Cest ltape de la modlisation o lutilisateur peut sans doute inuer le plus sur la qualit nale de la modlisation.
Pour cela, une analyse des approximations inhrentes la mthode des lments analytiques
doit tre eectue travers ltude de cas thoriques contrlables.
La reprsentation objet et vectorielle des lments analytiques permet de bien valoriser
les interactions possibles avec les SIG. En particulier, il sagit dlaborer des algorithmes de
discrtisation adapts aux spcicits et aux besoins de la mthode, mais aussi de mettre en
valeur des critres dvaluation de la qualit de cette discrtisation. La synthse de ces outils
et mthodes permet lutilisateur de disposer dun outil daide la discrtisation pour rduire
au mieux ses eets sur la qualit de modlisation.
Enn, il sagit dtudier le comportement numrique des lments analytiques adapts
la simulation en rgime transitoire. Pour cela, des lments analytiques 1D sont dabord
dvelopps pour faciliter cette tude. Leur comportement numrique reste similaire tout en
rduisant les erreurs numriques qui sont induites par le calcul des lments analytiques euxmmes.
Cette analyse permet de mettre en vidence une mthode de rsolution adapte au rgime transitoire qui est ensuite transpose au problme 2D. Elle y expose en particulier une
mthode pour estimer le champ dinuence de llment transitoire, utilisant un critre de
discrtisation spatial qui doit tre corrl avec le pas de discrtisation temporel.

Position des travaux


Cette thse sinscrit lintersection de 3 disciplines scientiques (gure 1). Chacune delle
possde un domaine de recherche particulier qui a inspir les travaux tout au long de ce
mmoire. La combinaison de ces 3 disciplines a permis de catalyser les travaux de ce mmoire
en sinspirant tour tour des connaissances acquises par chacune delles.
 Le domaine de lhydrogologie reprsente lapplication physique nale puisque lobjectif
reste de modliser les coulements souterrains. Elle ncessite la connaissance de thories
qui permettent de reprsenter le comportement physique dun coulement dans un milieu
poreux. Comme un aquifre est une partie intgrante du cycle de leau, elle ncessite
aussi la connaissance plus large de lhydrologie.
 Le domaine des mathmatiques, et plus particulirement celui de la modlisation numrique permet dexploiter au mieux les possibilits apportes par la technologie informatique.
6

Introduction

 Le domaine de linformatique et plus particulirement les SIG permet dexploiter toutes


les connaissances lies aux bases de donnes et la CAO (Conception Assiste par Ordinateur). Cest devenu un outil pratiquement indispensable la gestion des donnes
rattaches un environnement gographique. Leurs capacits permettent denvisager de
multiples utilisations dont celle de structurer et prparer les donnes en vue de lutilisation dun code de calcul numrique.
Hydrologie

Hydrogologie

Modlisation
numrique

SIG

Mathmatiques

Informatique

Figure 1 Position des travaux.

Plan du manuscrit
Ce manuscrit sorganise en 6 chapitres. Les chapitres 1, 2 et 4 sont caractre pratiques
alors que les chapitres 3, 5, 6 sont plus thoriques. Les chapitres 1 et 2 sont plutt du domaine
de lhydrogologie. Les chapitres 3 et 4 abordent le sujet de la discrtisation dun point de vu
thorique et pratique. Les chapitres 5 et 6 sont du domaine des mathmatiques et de lanalyse
numrique.
Le premier est une introduction gnrale qui est destin rappeler les concepts gnraux
de lhydrodynamique souterraine. Puis, il sattache mettre en vidence les particularits et
la place de la mthode des lments analytiques parmi les autres mthodes de modlisation.
Il permet aussi dintroduire un certain nombre de concepts de modlisation.
Le deuxime commence par dcrire dun point vu hydrogologie les proprits physiques de
laquifre test qui est utilis. Puis, la comparaison entre les lments analytiques et la mthode
des dirences nies sapprofondie sur une mthodologie de modlisation qui envisage toutes
les tapes de la modlisation, de la cration du modle conceptuel jusquaux rsultats de
simulation. Mais avant tout.
7

Introduction

Le chapitre 3 est plus mathmatique. Il sattache tudier le comportement numrique


de lerreur de discrtisation pour essayer den rduire au mieux ses eets. Cest galement
loccasion de prsenter des lments de thorie de la mthode des lments analytiques.
Le chapitre 4 dveloppe des algorithmes informatiques et expose des critres pour la discrtisation. En utilisant les SIG, il essai dexploiter lanalyse mathmatique du chapitre 3 pour
tablir une procdure de discrtisation performante et adapte au spcicit des lments
analytiques.
Le mmoire se ni avec ltude numrique et mathmatique de lapplication des lments
analytiques au rgime transitoire dans les chapitres 5 et 6. Le chapitre 5 traite le cas 1D en
tudiant le comportement numrique dune rsolution 1D dun problme en rgime transitoire
avec des lments analytiques 1D analogue ceux du 2D pour limiter les erreurs numriques
et mettre plus facilement en vidence des caractristiques numriques. Le chapitre 6 exploite
lanalyse du chapitre 5 pour rsoudre le mme problme en 2D.

Chapitre 1

Du problme physique au modle


numrique
Science cannot solve the ultimate mystery of Nature.
And it is because in the last analysis we ourselves are
part of the mystery we are trying to solve.
Max Planck, Nobel de physique 1918.

e premier chapitre est destin rappeler les concepts gnraux de lhydrodynamique

souterraine. Il montre comment les quations fondamentales gouvernent tout proces-

sus de modlisation hydrogologique. Ces quations appliquent des hypothses propres la


physique des coulements dans un milieu poreux. Il est prsent le cas plus particulier des
quations utilises dans le cadre de la mthode des lments analytiques. Aprs avoir eectu ces quelques rappels, les lments analytiques sont classis dans la grande famille des
mthodes numriques. Puis, les dirences avec les autres mthodes plus classiques y sont
discutes en mettant en vidence les avantages et inconvnients pour chacune delles. Pour
nir, il est montr comment ce modle mathmatique sintgre dans une dmarche globale de
modlisation allant du problme physique jusquau modle numrique.

1.1

Les nappes deau souterraines : un milieu naturel

La dynamique du cycle de leau montre la complexit des changes hydriques entre les
dirents milieux sur Terre. Leau y subit dirents processus complexes ; passant par les diffrents tats solides, liquides et gazeux. Lors de son parcours terrestre, une grande quantit
de cette eau se trouve sous une forme souterraine. Elle constitue une des tapes importantes
si lon considre la forte interaction avec lenvironnement extrieur. Cette eau permet par
9

Chapitre 1 Du problme physique au modle numrique

exemple dalimenter les cours deau en priode de scheresse. La connaissance de ces coulements souterrains prsente un enjeu important pour une gestion ecace de leau. Ainsi, la
loi sur leau de janvier 1992 a permis dinstituer des schmas directeurs damnagement et de
gestion des eaux (SDAGE). Ils permettent de xer les orientations fondamentales pour une
gestion quilibre de leau. Plus rcemment, la Directive Cadre Europenne sur lEau (DCE)
impose le maintien ou le retour au bon tat des masses deau souterraine du point de vue de
la qualit 1 .
Leau fait partie du patrimoine commun de
la nation. Sa protection, sa mise en valeur
et le dveloppement de la ressource utilisable,
dans le respect des quilibres naturels, sont
dintrt gnral.
Lusage de leau appartient tous dans le
cadre des lois et rglements ainsi que des
droits antrieurement tablis.
Article 1er de la loi sur leau du 3 janvier 1992.

Laquifre est dni comme une couche gologique forme soit de roches poreuses dorigines sdimentaires (sable, gravier, calcaire, craie, . . . ), soit de roches dures ssures. Il est
susceptible de contenir une zone sature en eau qui est appele nappe deau souterraine ou
nappe aquifre. De plus, cette formation gologique est un milieu susamment conducteur
deau pour permettre un coulement signicatif et le captage de quantits deau apprciables.
Lorsque la surface suprieure de leau uctue sans contrainte, ces nappes deau sont dites
libres. Si leau est conne par des couches gologiques impermables, elles sont captives. En
particulier, cette thse traitera en exemple le cas des nappes phratiques qui sont des nappes
deau souterraines libres et peu profondes.
Le bassin versant dune rivire est la zone gographique lintrieur de laquelle leau
prcipite scoule et converge vers la rivire. Si le but est lidentication et la gestion des
ressources souterraines, il devient naturel de considrer une chelle spatiale de lordre du
bassin versant. Ainsi, il est possible didentier un espace du sous-sol et den estimer toutes
ses inuences extrieures, i.e. les quantits deau qui entrent et qui sortent de la nappe. Cette
ressource est alors entirement dtermine par les volumes qui entrent, la circulation intrieure
et les volumes qui sortent.
La nature lithologique de laquifre, cest dire la nature des roches constituant sa formation gologique, leur localisation, leur disposition et leur architecture, permettent daboutir,
en synthtisant, a la dnition et a lidentication des structures hydrogologiques internes et
aux limites du bassin versant correspondant.
1. Directive 2000/60/CE du parlement europen et du conseil du 23 octobre 2000 tablissant un cadre pour
une politique communautaire dans le domaine de leau.

10

1.2 La modlisation des coulements de nappes deau souterraines

Cette tude gologique associe la connaissance des apports naturels qui les alimentent
permet destimer la ressource en eaux souterraines existante, mais une connaissance approfondie du comportement physique des coulements souterrains ne peut tre obtenue que par
une modlisation de laquifre.
Dans ce chapitre, il sera expos une dmarche globale de modlisation pour les coulements
souterrains. Les quations gnrales seront obtenues partir des fondements de la mcanique
des uides daprs le principe dhomognisation du milieu poreux [6, 10, 17, 29, 43].

1.2

La modlisation des coulements de nappes deau souterraines

1.2.1

Du microscopique au macroscopique

Au niveau microscopique, le milieu poreux se compose dun ensemble de particules minrales solides spares par des espaces vides, les pores. Dans le cas de sables ou graviers, il
sagit dun assemblage de grains aux formes plutt arrondies. La porosit permet de quantier
le rapport entre le volume des vides et le volume total du matriau.
Une partie de leau contenue dans les pores du milieu est retenue dans ces vides ou la
surface des grains par des forces suprieures celle de la gravit. Cette eau, non mobilisable,
est appele eau de rtention. Leau gravitaire, au contraire, est soumise une force de gravit
dominante. Cest leau qui circule dans laquifre. Ce qui permet de dnir une porosit ecace
comme le rapport entre le volume deau gravitaire et le volume total de la roche sature en
eau. Cette porosit dpend principalement de la taille des grains, de larrangement des grains
et de leur tat de surface.
Les coulements dans les milieux poreux sont a priori trs diciles modliser compte
tenu de leur extrme complexit gomtrique. De plus, la prise en compte de lensemble des
htrognits du milieu est souvent inutile lchelle macroscopique. Un procd dhomognisation permet alors didaliser le milieu en le considrant comme continu et donc en
moyennant ses proprits lchelle macroscopique partir de sa microstructure. Nous utilisons alors un VER (volume lmentaire reprsentatif) qui contient un volume susamment
petit pour prendre en compte la structure microscopique du milieu et susamment grand pour
dcrire le comportement global du milieu. Notons que lchelle du VER peut tre nettement
plus petite que les dimensions totales du systme aquifre.
Ainsi, les grandeurs physiques que nous manipulerons par la suite correspondent des
grandeurs moyennes et les lois quelles vrient ne sont valables que sur un plan macroscopique.
11

Chapitre 1 Du problme physique au modle numrique

1.2.2

Caractristiques hydrogologiques de laquifre

Permabilit
La permabilit ou conductivit hydraulique k [L T 1 ] reprsente le volume deau gravitaire
scoulant pendant une unit de temps travers une unit de section orthogonale la direction
de lcoulement sous leet dune unit de gradient hydraulique. Ayant les dimensions dune
vitesse, elle est exprime en mtres par seconde.
Une permabilit intrinsque au milieu poreux [L2 ] est dnie. Elle permet de se rendre
indpendant des caractristiques du uide et exprime sa rsistance lcoulement qui le traverse. Il est possible de lier cette permabilit intrinsque avec la permabilit K par
k=

(1.1)

o [M L3 ] reprsente la densit du uide, [M L1 T 1 ] la viscosit dynamique du uide


et g [LT 2 ] lacclration gravitationnelle.

Coefficient demmagasinement
Le coecient demmagasinement S [.] peut tre dni comme le volume deau pouvant
tre libr ou emmagasin par un prisme vertical du matriau aquifre de section gale
lunit, la suite dune modication unitaire du niveau de la charge pizomtrique. Cest
un coecient sans dimension. Dans les nappes captives, leau libre dpend entirement
de la compressibilit du matriau aquifre et de leau et ce coecient est faible (de 103
106 ). Dans les nappes libres, leet de la compressibilit du matriau aquifre et de leau
tant gnralement ngligeable, le coecient demmagasinement correspond pratiquement au
volume deau gravitaire saturant la roche, et donc la porosit ecace. Son ordre de grandeur
est gnralement comprise entre 1 102 et 2 101 pour un matriau alluvionnaire.

Charge pizomtrique
La charge pizomtrique [m] est une notion fondamentale de hydrodynamique qui permet
dvaluer le comportement de la nappe aquifre (gure 1.1).
Puisque les coulements dans le milieu poreux sont de vitesses assez faibles (gnralement
infrieures a 103 m/s), il est possible de ngliger linertie du uide lchelle macroscopique.
La charge pizomtrique peut ainsi sexprimer en fonction de llvation zh [m] et de la pression
p [N/m2 ] par la relation :
= zh +

p
g

o [kg/m3 ] reprsente la densit du uide et g [m/s2 ] lacclration de la gravit.


12

(1.2)

1.3 Cadre de la modlisation des aquifres

pizomtre
surface du sol

Niveau de la nappe

P
zh

substratum

Figure 1.1 Dnition de la charge pizomtrique

1.3
1.3.1

Cadre de la modlisation des aquifres


Principe de conservation de la masse

La conservation de la masse du uide sexprime lchelle macroscopique par une quation


appele quation de continuit par
(n )
+ div( ~q) =
t

(1.3)

o [M L3 ] est la masse volumique, n [.] est la porosit totale, le dbit deau prleve
par unit de volume, ~q [L T 1 ] la vitesse de ltration de lcoulement exprimant la vitesse
ctive dun uide qui percolerait travers le milieu idalis.
La porosit n est indpendante du temps lorsque le milieu poreux est considr indformable. Si de plus, la masse volumique est considre indpendante de la pression p, nous
obtenons la relation :
(n )
(n ) p
S p
=
=
t
p t
g t

(1.4)

avec un coecient demmagasinement spcique S dni par


S=g

(n )
p

13

(1.5)

Chapitre 1 Du problme physique au modle numrique

Considrons maintenant une masse volumique constante. En introduisant lexpression 1.4


dans lquation 1.3, puis en y dveloppant la pression p = g ( zh ) en fonction de ,

lquation de continuit 1.3 peut se rcrire en fonction de la charge pizomtrique par


S

+ div(~q) =
t

(1.6)

Cette expression est la forme la plus courante de lquation de continuit exprime en


fonction de la charge pizomtrique. En rgime permanent, la variation de la charge par
rapport au temps sannule et lquation 1.6 se rduit la forme :
div(~q) =

1.3.2

(1.7)

Loi de Darcy

La loi de Darcy est issue de lexprience de Henri Darcy (1803-1858) en 1856 [18]. Elle
exprime que la vitesse de ltration ~q [LT 1 ] est proportionnelle au gradient de la pression
p. Cette loi nest valable qu lchelle macroscopique et son expression la plus courante en
hydrogologie se prsente sous la forme :
~q =


~
~ h
p + g z

(1.8)

Pour un uide incompressible, cette loi peut aussi sexprimer en fonction de la charge
pizomtrique par la relation :
~
~q = k

(1.9)

o k [LT 1 ] est le coecient de permabilit gnralement exprim sous la forme dun


tenseur symtrique. Dans le cas o le milieu poreux est isotrope, les permabilits deviennent
des scalaires.
Il a t tabli que la loi de Darcy relative a un coulement monophasique lchelle
macroscopique peut tre obtenue par des techniques dhomognisation partir des quations
de Navier-Stokes crites lchelle du pore puis rexprimes sur le VER [22, 6].
Une justication rigoureuse de cette loi, partir dune analyse microscopique de lcoulement, a t donne par H. Ene et E. Sanchez-Palencia en 1975 [30] dans le cadre dune
hypothse de priodicit du milieu.
Il est possible de dterminer une limite de validit pour cette loi en dnissant un nombre
de Reynolds propre aux milieux poreux qui dpend la fois des proprits du milieu poreux et
de celles du uide. Il est alors montr que cette loi est valable pour dnir les coulements de
nappes deau souterraines puisque les vitesses dcoulements rencontres restent faibles [22, 63].
14

1.4 quation de la diffusivit pour un rgime permanent 2D

1.3.3

quation gnrale rgissant les coulements souterrains

Lquation de continuit 1.6 et celle de la loi de Darcy 1.8 permettent de reprsenter


les coulements incompressibles pour un milieu poreux idalis. Leur combinaisons conduit
lquation de diusivit suivante :
S

~ + =0
+ div(k )
t

(1.10)

Cette quation permet destimer la charge pizomtrique en fonction des paramtres hydrogologiques. En eet, il est ncessaire de connatre la gomtrie du systme aquifre, les entres/sorties du domaine de modlisation qui peuvent tre values par les signaux extrieurs,
la rpartition de la permabilit et du coecient demmagasinement grce la conguration
des formations gologiques.
La reprsentation de la ralit sera dautant meilleure que moins dhypothses restrictives
seront utilises. La complexit du milieu naturel est mieux prise en compte, mais cela augmente aussi la complexit du modle mettre en uvre et ncessite une plus grande quantit
dinformation.
Lquation gnrale 1.10 a t tablie en utilisant principalement des hypothses propres
aux nappes phratiques. Il est possible den driver diverses formes dquations de diusivit suivant la nature du problme tudi. Les caractristiques gomtriques et physiques du
domaine, la densit des donnes mobilisables et la problmatique de modlisation sont des
facteurs dterminants pour le choix de cette formulation.

1.4

quation de la diffusivit pour un rgime permanent 2D

Nous considrons dans le reste du mmoire, sauf mention contraire, que le systme aquifre
est un milieu poreux, homogne et isotrope et que lcoulement du uide est incompressible
et de densit constante. Nous allons rappeler dans cette section comment sexprime lquation
de la diusivit pour un coulement permanent 2D avec une permabilit k constante par
morceaux.

1.4.1

Hypothse de Dupuit et flux horizontal

Lchelle des aquifres que nous cherchons modliser est beaucoup plus importante que
leur paisseur. Par consquent, lordre de grandeur des vitesses horizontales sont gnralement
nettement plus importantes que les vitesses verticales. Ce qui signie que lapproximation de
Dupuit (1863) [29] devient raisonnable.
Cette hypothse implique que lcoulement vertical devient ngligeable, cest dire que
les quipotentielles de charges pizomtrique sont verticales ; ou encore que la distribution de
15

Chapitre 1 Du problme physique au modle numrique

pression hydrostatique est constante sur la verticale.


Il serait possible dtablir des quations 2D en utilisant des hypothses moins restrictives [62, 78] que celle de Dupuit. Nous considrons nanmoins cette hypothse par soucis de
clart et puisque le cadre de nos travaux se base principalement sur des aquifres libre.
Lapproximation de Dupuit permet de considrer un coulement 2D. La somme des ux
horizontaux q~xy [LT 1 ] le long de la verticale sont alors donns par
Q=

(1.11)

q~xy dz
0

avec h [L] lpaisseur sature en eau de laquifre. Cette relation sexprime sous forme
matricielle en fonction de la composante Qx en x et Qy en y par

Q=

1.4.2

Qx
Qy

R
h

= R0
h
0

q~x dz
q~y dz

(1.12)

Potentiel hydraulique

Dans le cadre de nos travaux, nous allons reformuler les quations gnrales en fonction
dun potentiel hydraulique dni par

k H k H2
2
=

1 k 2
2

pour H

(1.13)

pour < H

avec lpaisseur de laquifre H [L]. La loi de Darcy (quation 1.9) sexprime alors sous sa
forme 2D par
~
Q =

(1.14)

et la loi de conservation de la masse (quation 1.7) sexprime alors par lquation de


continuit 2D :
~ =
div(Q)
avec le dbit de recharge.

16

(1.15)

1.5 Reprsentation Complexe

Finalement, la combinaison des quations 1.15 et 1.14 permet de rduire le problme une
quation de Laplace par
~
div()
= =

(1.16)

Pour = 0 nous constatons que le potentiel devient une fonction harmonique. Cest ce
qui va motiver le choix dune reprsentation complexe.

1.5

Reprsentation Complexe

Lquation de Laplace 1.16 exprime le caractre potentiel de lcoulement. Il devient alors


judicieux dutiliser les variables complexes pour exploiter une thorie mathmatique dj trs
dveloppe [14, 53, 58].

1.5.1

Potentiel complexe

Introduisons le potentiel complexe (z) dans lespace complexe z par


(z) = (x, y) + i (x, y)

(1.17a)
(1.17b)

z = x + iy

avec dni comme le conjugu harmonique de par les conditions de CauchyRiemann :

=
x
y

=
Qy =
y
x

Qx =

(1.18a)
(1.18b)

Cette condition implique que le potentiel (z) est une fonction holomorphe et vrie
donc lquation de Laplace (Annexe A). Elle signie aussi que est la fonction de courant.
Elle permet de dnir des lignes de courant qui sont orthogonales aux lignes potentielles
(Annexe C).

1.5.2

Vitesse complexe

La vitesse complexe est dnie par


W (z) =

d(z)
dz

(1.19)

Daprs les conditions de CauchyRiemann (quations 1.18), il en dcoule la relation :


W (z) =

(x, y)
d(z)
=
= Qx (z) i Qy (z)
dz
x
17

(1.20)

Chapitre 1 Du problme physique au modle numrique

1.5.3

Principe de superposition

Puisque lquation de Laplace 1.16 est linaire, la combinaison linaire dune famille de
solutions de lquation de Laplace {k (z), k = 1, .., nb} est aussi solution, i.e.
(z) =

nb
X

(1.21)

k (z)

k=1

est solution de lquation de Laplace.

1.6

Numerical methods applicable in hydrogeology

Increasingly sophisticated numerical methods for the resolution of the groundwater differential equations have been facilitated by the signicant evolution of powerful computer
technology. Hence, some denser and more complex systems are possible that should better
model reality.
The majority of these numerical methods are classied inside a diagram (gure 1.2). This
classication, certainly not unique, is mainly based on the spatial representation of the discretization. Cleavage is observed between the domain methods and the boundaries methods.
The discretization is done on the entire computational eld for the former method. The discretization is carried out on the border of the modeled domain for the latter. Then, the way
of discretization of the algebraic equations distinguishes theses methods.

Discrete Approximation Methods

Boundary Methods
Boundary Element Method
BEM

Domain Methods

Analytic Element Method


AEM

standard FDM

Finite Difference Method


FDM

Finite Volume Method


FVM

Variational Methods

Finite Element Method


FEM

Weighted Residuals Method

Figure 1.2 None exhaustive outline of discrete approximation methods.

18

1.6 Numerical methods applicable in hydrogeology

1.6.1

Domain method

The Finite Dierence and the Finite Element Methods represent the two principal domain
methods. They are based on paving the domain with elementary geometrical forms. The choice
of this geometry depends principally on the shape of the entire geometrical eld, required
precision, computational cost and density of exploitable data.
The Finite Dierence Method is very popular in hydrogeologic modeling. This is because
of its easy use and its intuitive modeling approach. Indeed, this technique is relatively simple
to code and implement by the simplicity of its theory and algorithm, with rectangular grid and
easy data inputs. It is particularly adapted for regular domains. But, FDM manifests reduced
capacities for the representation of complex geometries, via the strict use of rectangular forms
of discretization. In particular, it is tricky to represent wells and highly curvilinear geometry.
The abrupt changes in the property media values as the permeability generate some large
numerical errors. Moreover, the local renement is inecient and the representation of the
geometry is coarse. This makes inevitable the use of alternative methods such as the Finite
Elements or the Boundary Element Methods.
While typically more dicult to implement, the FEM is preferred for the local renement
of grid as an adaptive mesh generation. The profound development of its application gives
accuracy, stability and robustness. FEM is preferred for problems with irregular or inhomogeneous domains. Its also well represents the non-linearity and anisotropy in permeability. But,
it is computational time consuming and data storage is generally huge, especially for large
domains in high resolution.

1.6.2

Boundary methods

The Boundary Methods were inspired by work from the beginning of the xixth century
with the Poisson (1820) and Fredholm (1896) work on the Boundary Integral Equations
(BIE).
Theses methods are based on the concepts of fundamental solutions with the Green functions and Cauchy integrals. The algebraic equations of the Boundary Value Problem are
reformulated in an integral form that is dened on the boundaries. This integral formulation
checks precisely the dierential equations of the Boundary Value Problem and reduces the
dimension of the system of algebraic equations by one. Therefore, Boundary Methods make it
possible to estimate the solution at any point of the eld. The problem is then characterized
by a nite number of parameters dened on the boundary.
For a mathematically well-posed Boundary Value Problem (BVP), the Boundary integral
equations obtained are all equivalent. Thus, many alternatives in the numerical methods can
be found and they all can be regrouped under a common mathematical theory.

19

Chapitre 1 Du problme physique au modle numrique

The Boundary Element Method (BEM) is probably the famous method based on a discretization of the Boundary Integral Equations. It is a terminology derived from the way of
discretizing the boundary in Boundary Elements (BE) with a parallel to the Finite Element
Method.
The theory in the Boundary Methods is generally more complex and less developed than
for the FEM. In particular, some singular integrals associated with theses methods are often
dicult to calculated and need particular attention.
These are particularly interesting when only the boundary solution is considered. This
kind of method is appropriate for a set of highly irregularly spaced points in a large domain
because of the exact formulation at every location on the domain in terms of the boundaries
parameters. Unlike the previous domain methods, the computational time cost to calculate at
some locations is proportional to the number of points plus the previous computational time
used to estimate the overall solution.
These methods use generally less nodes to calculate the solution because the mesh is only
on the boundary. Normally, the FEM is preferred for problems where the domain is highly
heterogeneous, whereas the BEM is advantageous for highly homogeneous domains. These
methods are particularly ecient if the extent of the domain is innite. The truncation of the
spatial domain is not necessary and only one equation can represent innite behaviour.
Analytic Element Method (AEM) was developing in parallel to the Boundaries Elements
Method [61]. Under the impulse of Pr. Strack [67, 68], this method was developed in the
end of the 70th in close relationship to its application on the groundwater ow.
Based mostly upon the Cauchy integral theorem of complex variables [48] and the potential ow theory, AEM has previously been limited to two-dimensional geometry and steady
state applications. This formulation is obviously equivalent to the BEM that employs generally the Second Green identity and the respective fundamental solution. This yields to an
over-determined system of equations to solve. The recent use of the Wirtinger theory [74]
makes it possible to apply complex variable methods to any two-dimensional problem that
requires the determination of a vector eld. The boundary conditions are expressed in terms of
discontinuities or jumps. Dierent geometric shapes as line or curve can be used to represent
the boundary.
Unlike in BEM, the mathematic integrals are analytically estimated before the computational process. This yields a sharp formulation of the boundary condition in relation with
physical meaning. Then, all of these analytic expressions are superimposed by the Helmholtz
theorem to obtain the overall solution of the groundwater ow. Thus, each physical phenomenon is represented as best as possible. Only these analytical elements as a function of
parameters approximated at the boundary need to be calculated.
20

1.6 Numerical methods applicable in hydrogeology

This necessary analytical development, for a long time, restricted the AEM to 2D potential
ows. Nowadays, it is possible to calculate the majority of the steady groundwater ows
(2D/3D, multi-layers, free/conned aquifer, . . . ). Many recent works for the transient state
allow a probable nearest use.
By its construction, the AEM is particularly ecient for the boundary value problems
involving Laplace or Poisson partial dierential equations. The development of specialized
analytical solutions accelerates the computational speed as well as improving the accuracy
obtained on the boundary. The superposition of these analytical expressions by the Helmholtzs
decomposition makes it possible to deal with very large models and conserve accuracy on
the small scale. The computational time consumed depends mostly on the number of these
elements. This property is particularly useful for regional models as Nagrom [21] and the
Twin Cities Metropolitan Groundwater Model in Minnesota [57].
Ergo, the AEM is not widely applicable as compared to the universal adaptability of the
Finite Element and Finite Dierence Methods. However, for some cases, this method can be
easier to use and more computationally ecient.

1.6.3

Vector and grid based approaches

Two main categories of numerical methods were presented above : the vector and the grid
based approaches. They all can be used to approximate the boundary value problems that
arise in groundwater ow problems. Their choice will depend on the nature of the problem.
They can be more or less appropriate if we consider the spatial variability of the hydrosystem features and the resolution of the available data. They can also be used as two
complementary approaches in a global way of simulation [19].
In addition, the object oriented and vector representation of the AEM is an interesting alternative to the standard representation made with the FDM. Its innate structure ameliorates
the interaction with the GIS. Thus, well organizing a geodatabase within a conceptual model
to be well exploited by the numerical models increases its eectiveness.

21

Chapitre 1 Du problme physique au modle numrique

1.7

Paradigme orient objet de la mthode des lments analytiques

1.7.1

Approche oriente objet de lhydrogologie

Le paradigme 2 de la programmation objets est n dans les annes 70 avec les langages
Simula et Smalltalk. Cette approche oriente objet consiste modliser informatiquement
lensemble des lments du monde rel en un ensemble dentits informatiques appeles objets
[45, 47]. Elle est depuis devenue trs populaire grce aux nombreux avantages apports par
rapport aux langages de programmation classiques (impratif, fonctionnel ou logique). Par
contre, cette programmation ncessite une capacit dabstraction du rel plus importante avec
des notions comme la classication, lhritage, lencapsulation et le polymorphisme.
La mthode des lments analytiques possde par nature cette structure objet. En eet, les
lments analytiques peuvent tre interprts comme des objets mathmatiques. Ce sont des
solutions lmentaires obtenues pour les coulements souterrains qui correspond linuence
de llment sur lcoulement. Elles sexpriment par un potentiel lmentaire et la dnition
de conditions aux limites propres llment. Un lment analytique est par consquent labstraction dune entit hydrogologique relle. Une combinaison dlments analytiques permet
de reprsenter par exemple :
 Un puits
 Un bassin
 Une rivire
 Un zone colmate
 Une ssure
 Une zone de recharge
 Un saut de permabilit
 Une remont du substratum
 Un aquitard
 ...
Laquifre est ainsi dcompos en entits hydrogologiques (gure 1.6). Leurs superpositions conduit la solution gnrale. Ces lments reprsentent soit la gologie avec la rupture
de permabilit, soit lhydrogologie avec une source/un puits, un tronon de rivire.
La dcomposition en objets plus simple permet de mieux matriser la complexit du problme de modlisation. Ils ont t implments progressivement au fur et mesure de leurs
2. Le mot paradigme tient son origine des mots grecs pardeigma (gr. paradeigma) qui signie modle ou
exemple. Ce mot lui-mme vient de paradeiknnai (gr. paradeiknunai) qui signie dmontrer (Wikipedia,
http ://fr.wikipedia.org/).

22

1.7 Paradigme orient objet de la mthode des lments analytiques

dveloppements ; tel que llment circulaire [38, 4] ou la zone surfacique dextraction/injection


[64]. Plus rcemment, les lments curvilignes dvelopps principalement par Le Grand [39].
La recherche de nouveaux lments est toujours dactualit avec en particulier le dveloppement dlments analytiques pour le rgime transitoire.
Dans lapproche objet, le principe dabstraction permet dencapsuler dans les objets les
donnes et les oprations qui les manipulent. Ainsi, un objet nest accessible que par ses
oprations externes, indpendamment de sa reprsentation interne.
Cette structure permet davoir une interaction entre objets qui conserve lindpendance
entre les programmes, les donnes et les procdures. Les programmes peuvent partager les
mmes objets sans avoir se connatre. Cest impossible avec une programmation fonctionnelle
qui utilise le mcanisme dimport/export.
Cette approche permet une programmation modulaire via la rutilisation du code avec
lcriture de librairies. Ainsi, le code est plus facilement rutilisable et plus extensible quune
programmation fonctionnelle classique. Par consquent, il est plus ais de coordonner plusieurs
dveloppeurs simultanment.

1.7.2

Conceptualisation oriente objet

La conceptualisation oriente objet permet dintroduire diverses notions et structures familires la thorie oriente objet. Dabord, un lment analytique est un objet. A ce titre, il
est compos dune identit, dattributs et de mthodes.
Lidentit de llment analytique lui permet de se faire distinguer des autres objets, indpendamment de son tat.
Les attributs dun objet permettent de le caractriser. Ce sont des variables qui stockent les
informations dtat de lobjet. Un objet lment analytique est ainsi dni par sa gomtrie
avec les coordonnes de ses nuds, sa forme gomtrique et ventuellement son orientation
(gure 1.3).

Arc curviligne

Segment

Point

z2
z2

Cercle
z3
z

z1

z1

Figure 1.3 Gomtrie de quelques lments analytiques

23

Chapitre 1 Du problme physique au modle numrique

Il possde la forme mathmatique de sa fonction potentiel. Cette fonction mathmatique


dpend dun certain nombre dinconnues et dcrit linuence de llment sur lcoulement.
Enn, lobjet possde un type de condition aux limites dcrit par son nom et ses donnes de
condition aux limites.
Les mthodes dun objet caractrisent son comportement. Cest lensemble des oprations
que lobjet est mme de raliser. Elles permettent de faire ragir lobjet aux sollicitations
extrieures ou dagir sur les autres objets. Ces oprations sont troitement lies aux attributs.
Leurs actions peuvent dpendre de la valeur des attributs et de les modier.
A travers les mthodes, les objets lment analytiques peuvent fournir leurs donnes
gomtriques, le type dinterpolation et la rpartition des points de contrles. Les mthodes
permettent aussi dvaluer la contribution de la fonction potentiel ou la vitesse complexe.
Certains objets possdent des caractristiques communes. La classe permet de dnir la
structure de ces objets travers la dclaration de lensemble des entits qui composeront un
objet. Tous les objets sont linstance dune classe.
La classication des objets seectue aussi par la notion dhritage. Elle permet aussi de
faciliter et doptimiser la construction des objets. Une nouvelle classe (la classe drive) peut
tre cr partir dune classe existante (superclasse). La classe drive contient par hritage
les attributs et les mthodes de sa superclasse. Ces attributs et mthodes viennent sajouter
ceux qui sont dnis au niveau de la classe drive. De cette faon, une hirarchie de classes
de plus en plus spcialises est cre.
Les lments analytiques ont t classis suivant leurs gomtries, leurs fonctions potentiels et leurs donnes de conditions aux limites (gure 1.4). Cette classication permet de les
organiser du plus gnral au plus spcialis. La fonction potentiel ne peut tre dnie sans
une gomtrie xe et les donnes de conditions aux limites sont propres un objet lment
analytique.
lment Gnral

Gomtrie

Conditions aux limites

Figure 1.4 Hirarchie des niveaux dhritages de classes pour un lment analytique

24

1.7 Paradigme orient objet de la mthode des lments analytiques

Le diagramme gnral (gure 1.5) reprsente la hirarchie et linteraction entre les classes
dlments analytiques. Cest une classication non exhaustive qui est reprsente en langage
UML (Unied Modeling Language). Cest un mtamodle ; cest dire un langage graphique
de modlisation des donnes et des traitements associs. Il permet de formaliser le modle
objet, indpendamment de tout langage de programmation. UML permet ainsi de dcrire de
manire prcise tous les lments de la modlisation et la smantique de ces lments.

CAquifer
1

contains

Above/Below

contains

CAquitard
1..2

0..2

CFarField

CSuperblock

1
1

contains

contains
N

0..2

CLayer
contains

Parent/Child

contains
N

CAnalyticElem
CPointElem
CDischargeWell

CHeadSpecifiedWell

CAreaSink

CASin kDoublet

contains
1
contains

CASinkLinesink
1

CRive r

CDrain

CLeak y

CInhom

CBaseInhom

CQnorm

CStringElem

CCircleElem
CCirInhom

CCirLake

CCirReservoir

CEllInhom

CEllLake

CEllReservoir

CElli pseElem

Figure 1.5 Diagramme de Classes des lments analytiques (Daprs J. Craig [15, 16])

La connaissance des proprits de laquifre sa frontire est ncessaire pour la plupart


des classes dobjets. Cest la classe la plus gnrale. Ensuite, il existe des classes intermdiaires
qui restent trop gnrales la dnition dun lment analytique. Elles sont ncessaires pour
la construction hirarchique des classes. Le haut du diagramme montre la conceptualisation
objet des interactions dans laquifre, la partie basse montre la construction des lments
analytiques.
25

Chapitre 1 Du problme physique au modle numrique

Des classes permettent de dnir une couche aquifre ou encore un groupe dlments.
Cette dernire permet une rsolution par la technique des superblocks. Cette technique permet
damliorer la vitesse de rsolution numrique de la mthode. Le principe est de regrouper les
lments de distances voisines. La rsolution est eectue sur chacun des groupes avant dtre
globale sur laquifre.
Un lment particulier est llment uniforme qui reprsente linuence linni. Cest une
condition linnie qui correspond mathmatiquement une source et un puits de mme
dbit qui seraient loigns dune distance innie.

Cette conceptualisation oriente objet dnie des lments analytiques qui ne prsentent
individuellement aucun sens hydrogologique. Une structure cohrente avec tous les autres
lments est donc ncessaire. Par exemple, pour former une zone dextraction, il faut former une chane ferme dlments analytiques. La gure 1.6 montre ce que pourrait tre la
reprsentation conceptuelle dun aquifre par cette approche.

Figure 1.6 Reprsentation de la structure objet dun modle par lments analytiques
(Daprs J. Craig [15, 16])

Le dveloppement mathmatique de quelques lments analytiques sera explicit dans le


chapitre 3 travers la modlisation de cas dtudes mathmatique. Cette approche montre
aussi lintrt que pourraient apporter les outils SIG (Systme dinformation gographique)
pour par exemple faciliter la connexion entre les modles par lments analytiques et les bases
de donnes gographiques. Cela sera dvelopp plus en dtail au chapitre 2.

26

1.8 Dmarche gnrale de modlisation

1.8

Dmarche gnrale de modlisation

La modlisation est un terme trs gnral, dont le sens est intimement li la discipline et
au sujet dtude. Dans le cadre de ce travail, nous parlerons plus particulirement de modlisation scientique qui sinscrit dans une dmarche rigoureuse et pertinente de la reprsentation
dun phnomne rel : lcoulement souterrain.
A travers la recherche dune expression simplie de ce systme rel, la modlisation permet
la perception, bien que partielle, des phnomnes impliqus dans la situation plus complexe de
la ralit. Cette dmarche doit permettre dextraire les informations pertinentes de la ralit,
dans le but de prdire ou de comprendre un phnomne rel.
Le modle reste une construction de lesprit et par consquent subjectif dans llaboration.
Il est donc ncessaire de conserver une mthodologie commune pour pouvoir partager des
informations et faciliter la traabilit.
Dj amorce par certains travaux [56, 51, 60, 52], cette formalisation permet dintroduire
un rfrentiel terminologique cohrent, en rapport avec la simulation informatique de phnomnes naturels.
Correspondance
avec la ralit

Modle
physique
Analyse

Ralit

Validation
du modle

Modle
mathmatique

Simulation

Modle
numrique

Confirmation
de la thorie

Mise en
quations

Programmation
Vrification
du code

Construction
du modle
Modle
algorithmique

Calage
du modle

Figure 1.7 Dmarche de modlisation scientique

La dmarche de modlisation peut se dcomposer en 5 tapes principales (gure 1.7).


Chacune delle dnissant un niveau dabstraction dans llaboration du modle :
27

Chapitre 1 Du problme physique au modle numrique

 Le niveau technique caractrise le systme naturel dans son environnement. Lobservation du rel doit permettre de xer le type dtude, ses objectifs et la frontire du
modle. Lanalyse de ce phnomne naturel doit se faire suivant ces objectifs. Seules
les caractristiques essentielles, celles qui ont une inuence sur le problme tudi, sont
conserves.
 Le niveau physique dni la nature du problme. Ltude des phnomnes physiques impliqus permet didentier les variables et conditions aux limites du problme. Daprs
les objectifs et la nature du problme, les variables se classient en variables dentres,
de sorties ou en paramtres. La mobilisation des lois physiques et des rsultats mathmatiques existants aident formuler les hypothses sur le problme.
 Le niveau mathmatique est la mise en quation du problme physique. Par des lois
physiques connues (modle thorique) ou des corrlations entre les variables (modle
empirique), les hypothses du problme sont traduites sous forme dquations. Cela cre
des liens entre les variables, en fonction dun certain nombre de paramtres. La rsolution du systme dquations ainsi formul permettra dobtenir la valeur des inconnues
du problme mathmatique.
 Le niveau algorithmique permet de formater les expressions mathmatiques en algorithmes informatiques. Les mthodes numriques utilises pour la rsolution numrique
y sont dnies. En particulier, ce niveau dni les mthodes et type de discrtisation
employes. Ce niveau dabstraction doit donner les orientations principales, sans le choix
a priori dun langage de programmation particulier. Pour les lments analytiques, le
langage de programmation devra favoriser lapproche oriente objet.
 Le niveau numrique dcrit informatiquement le systme tudi laide dun code de
simulation gnrique. Le modle numrique se construit en fonction de divers paramtres.
En particulier, le chapitre 3 montrera que les paramtres de discrtisation peuvent se
dcliner en discrtisation spatiale ou algbrique. Le choix et la structure du maillage
sont dpendantes de la rsolution souhaite. Elle est bien sr choisie en cohrence avec
les objectifs de simulation.
Les paramtres physiques sont gnralement mal connus. Un processus de calage consiste
ajuster ces paramtres, dans la limite estime de leurs validits, en vue de reproduire
la ralit avec le niveau de correspondance souhait.
Finalement, la validation du modle numrique sattache sassurer que le niveau de
correspondance avec le domaine dapplication est cohrent. Des tests de sensibilit sur les
paramtres peuvent permettre dvaluer la robustesse du modle.
28

1.8 Dmarche gnrale de modlisation

Ces direntes tapes sont lies entre elles par un processus rversible. Il est toujours possible de revenir lune des tapes de modlisation an dobtenir la meilleure modlisation
possible. Linterprtation des rsultats, base sur lexprience et le sens commun, peuvent
permettre damliorer la modlisation en amliorant les hypothses eectues chacune des
tapes. Il est par exemple possible de raner le maillage pour avoir une meilleure rsolution.
Le modle doit pouvoir tre associ aux limites des questionnements pour lequel il est
susceptible de donner des rsultats utiles. Aucun modle nest susamment universel pour
tre susceptible de rpondre toutes les questions. Il doit reprsenter au mieux une ralit
avec les informations du milieu naturel qui sont mobilisables. Les prdictions du modle seront
alors cohrentes avec la rsolution considre. Le chapitre suivant sinspire de cette dmarche
de modlisation pour simuler le comportement hydrogologique dun aquifre.

29

Chapitre 1 Du problme physique au modle numrique

30

Chapitre 2

Comparaison des approches AEM et


FDM pour la modlisation des
coulements souterrains
e chapitre prcdent a mis en vidence que la mthode des lments analytiques est une

alternative de modlisation intressante, en particulier par la reprsentation objet quelle

utilise. Ce chapitre consiste approfondir cette comparaison avec la mthode des dirences
nies sur une mthodologie de modlisation qui envisage toutes les tapes de la modlisation,
de la cration du modle conceptuel jusquaux rsultats de simulation. Mais avant tout, les
proprits physiques de laquifre test utilis seront prsentes.

2.1
2.1.1

Prsentation gographique du site dtude


Lcozone du Forez : Un site fort enjeu cologique et conomique

Ce travail sest port sur Lcozone du Forez. Cest un terrain situ au Nord-Est du Massif
Central (gure 2.1), au cur de la plaine du Forez. Il est localis en bordure du euve Loire
sur les communes de Magneux-Hautes-Rives, Chambon et Feurs (gure 2.2).
Sur ce territoire dj tudi du point de vu hydrogologique [3, 46], une association de
protection de la nature (la Frapna 1 Loire) a rhabilit les plans deau issue dune exploitation
dextraction de granulats entre 1973 et les annes 90. Ds lors, lexploitant a dlaiss le lit
mineur du euve pour le lit majeur. Suite cette entente entre lexploitant et lassociation de
protection de la nature, lcopole du Forez est n en 1991. Cest devenu un centre dobservation
de la vie sauvage et un espace daccueil pour le public.
1. Fdration Rhne-Alpes de protection de la nature, http ://www.frapna.org/.

31

Chapitre 2 Comparaison des approches AEM et FDM

Figure 2.1 Localisation de la plaine du Forez


Lexploitant a la volont de poursuivre son activit sur la zone dtude au travers de
nouvelles demandes dextension de son exploitation. Dans le mme temps, lassociation de
protection de la nature saperoit que le ramnagement cologique des gravires en eau peut
restaurer et recrer la biodiversit cosystmique, vgtale et animale de la plaine du Forez.
Par consquent, elle souhaite, travers un nouveau plan de gestion [11, 12], grer de nouveaux
plans deau issus de lexploitation an daugmenter les potentialits cologiques du site en se
basant sur les concepts de lcologie du paysage [46].
Par consquent, ce site pu capitalis une solide exprience en terme de gestion des milieux
naturels (suivi scientique, dynamique du euve, rhabilitation de sites post-industriels, . . .) et
daccueil du public (animation, veil lco-citoyennet, . . .) en collaboration avec de nombreux
partenaires publics et privs. Cela en fait un site exemplaire pour tester et comparer nos
direntes mthodes de modlisation.

2.1.2

Description gomorphologique

La plaine du Forez est un bassin deondrement ferm de 760 km2 qui sallonge sur 40 km
suivant un axe NNO-SSE avec une largeur maximale de 20 km (gure 2.1). Elle est circonscrite
par les Monts du Forez lOuest, les Monts du Lyonnais lEst, le seuil de Neulise au Nord
et celui du Pertuiset au Sud.
Cette zone est assez plane, son altitude moyenne est de 332 m et varie de 320 400 m.
32

2.1 Prsentation gographique du site dtude

Fleuve Loire

Vizzy

l'Aillot

FEURS
Barrage aval

CHAMBEON

Zone d'extraction
actuelle

Lgende
Fleuve Loire
Vizezy
l'Aillot

copole du Forez

Bassin
0

Aquifre
Superficie
paisseur
Permabilit

650

1 300

Gravire

2 600 mtres

Plaine alluviale
14 km2
De 2 7 m
De 6 104 15 104 m/s

Fleuve Loire
Dbit ltiage
Dbit en hautes eaux
Crue centennale

Figure 2.2 Prsentation de lcozone du Forez


33

10 m3 /s
200 m3 /s
4900 m3 /s

Chapitre 2 Comparaison des approches AEM et FDM

Seuls mergent de la plaine quelques reliefs volcaniques comme le Mont dUzore culminant
534 m ou le Mont Saint-Romain-le-Puy 497 m.
Ce bassin est un foss deondrement qui a t remblay au cours du Tertiaire par des
sdiments argilo-sableux localement grseux ou carbonats de lOligo-miocne. Le euve Loire
traverse la plaine selon une direction N10 Est, depuis Saint-Rambert jusqu Balbigny. Son
trac est rgi par la tectonique du bassin [27].
Au cours du Plio-Quaternaire, le euve Loire sest successivement encaiss dans les formations tertiaires puis dans ses propres alluvions pour former des terrasses tages. Aujourdhui,
le lit mineur sur-creuse le substratum en certains endroits tandis qu dautres, il divague en
empruntant les nombreuses gravires [59].
Ltude prcise de la zone dtude a t eectue daprs les documents gologiques reprsents par les gures 2.3 et 2.4.
Le substratum est dge tertiaire. Il se situe entre 6, 50 et 7, 50 mtres sous la cote du terrain naturel et peut atteindre plusieurs centaines de mtres dpaisseur 2 . Cest une formation
de marnes vertes qui contient, par endroit, des passes sableuses.
La plaine alluviale (note Fz1 ) est leve de 5 mtres par rapport au euve et forme des
basses terrasses. Cette tendue de 2 km de large en rive gauche de la Loire correspond la zone
dinondation maximale de la Loire. Elle est limite lOuest par une formation oligo-miocne
qui suit grossirement le trac du ruisseau lAillot entre le village de Magneux-Haute-Rive et
Chambon. Un ancien mandre de la Loire est encore visible prs de Magneux-Haute-Rive.
En rive droite, la plaine alluviale apparat en divers endroit comme la boucle de Marclopt.
Au niveau de la boucle de Marclopt, cette basse terrasse est domine par des alluvions anciennes, situes en limite Ouest du Glacis de Feurs. A Saint-Laurent-la-Conche, lpaisseur
des formations gologiques dpasse les dix mtres.
Cette formation alluviale est dune paisseur totale qui ne dpasse pas les 8 mtres. Elle
est constitue de sables, de graviers, de galets et de limons fertiles qui proviennent des apports
antrieurs aux endiguements du euve. En rive gauche, ces alluvions sont appeles Chambons
de la Loire.
Plus prcisment, cette strate est compose dune couche de 3 6 mtres dalluvions rcentes de la Loire reposant sur le substratum. Une couverture limoneuse ou argilo-sableuse
dune paisseur de lordre du mtre recouvre cette couche.
Les alluvions rcentes et actuelles du euve, notes Fz2 , sont situes dans une zone entre
le euve et les levs de terre. Laltitude de cette zone est de moins de 5 mtres par rapport
la Loire. Dune paisseur variant de 2 4 mtres, elles forment une bande de 150 mtres de
large de part et dautre de laxe de la rivire.
2. Daprs des sondages eectus en novembre et en dcembre 1963 par le C.E.A. (le Commissariat
lnergie Atomique).

34

2.1 Prsentation gographique du site dtude

Figure 2.3 Carte gologique du site dtude (Daprs la carte gologique de la France au
1/50 000 - Feuille de Montbrison). Les deux traits rouges localisent les coupes gologiques et
gomorphologiques interprtatives de la plaine du Forez. La lgende de la carte est donne en
gure 2.4.

35

Chapitre 2 Comparaison des approches AEM et FDM

Collines oligo -miocnes

Chambons

Lit majeur

Talus

Glacis de Feurs

(ancienne plaine de dbordement)


(360m)

CHAMBEON

La Loire

LAillot (ruisseau)

gm3

Etangs
(345m)

(331m) Fz2

Fz1

B
gm4

La Loire
Ancien mandre

Alluvions anciennes

MARCLOPT

Alluvions rcentes

(339m)

gm3

Terre pis

Fy

(336m)

MAGNEUX
HAUTE RIVE

Ancien lit
mineur

(349m)
Fy

(340m)

(334m)
Fz1

D
Gravires
ramnages

Substratum impermable

LEGENDE
Formations superficielles et quaternaires

Formations tertiaires

CFZ, FZ2 et FZ1 : Alluvions actuelles et rcentes de la Loire

gm4 : "Marnes vertes" oligo-miocne


gm3 : Sables quartzeux oligo-miocne

FY et FX : Alluvions anciennes graviers, sables


gm2 : Grs de Veauche oligo-miocne
RF : Rsidus d'anciennes alluvions indiffrencies

gm1: Sables Feldspathiques oligo-miocne

K : Formations superficielles de remaniement


Faille masque ou suppose

Figure 2.4 Coupes gologiques et gomorphologiques interprtatives du secteur dtude


(daprs Legriel (1975), modi par D. Mimoun)

Les direntes exploitations de granulats ont fortement inuenc les caractristiques de


cette zone. Elles sont constitues de matriaux de nature granitique ou basaltique dont la
granulomtrie va jusqu 200 mm. Cette tendue se situe dans la zone de dbordement dnie
par la crue de 1846.

A lOuest, les formations oligo-miocne correspondent au 3me tage des sables quartzeux.
Ils sont nots g-m3 sur les documents gologiques. Elles sont faiblement vallonnes avec une
altitude situe entre 360 et 370 mtres et dominent les basses terrasses qui sont dune altitude
moyenne de 338 mtres.
A lEst, les alluvions anciennes (Fy) sont formes de sables, de graviers, dargile en forte
teneur. Elles forment une terrasse de 10 mtres de hauteur reposant sur les marnes vertes et
dominent de 5 6 mtres le lit mineur de la rivire. En limite Est, ces alluvions sont recouvertes par des formations supercielles colluviales (K) qui proviennent de la dsagrgation des
massifs cristallins, le Glacis de Feurs.

36

2.1 Prsentation gographique du site dtude

2.1.3

Description hydrologique

2.1.3.1

Environnement climatique

Lcozone du Forez se caractrise par un climat dominante continentale. Cest d essentiellement a la ceinture de reliefs qui abrite la plaine du Forez.
Par consquent, elle se singularise par des totaux de pluviomtrie annuels relativement
faibles qui sont partout infrieurs 700 mm. La saison la plus pluvieuse stend davril jusquen octobre avec des moyennes mensuelles variant de 70 100 mm. Le mois daot marque
gnralement un creux assez net. La priode la plus sche est lhiver avec seulement 28, 5 mm
de pluie en fvrier.
La continentalit sexprime particulirement par limpact du contraste saisonnier entre un
t chaud et un hiver froid. La temprature moyenne annuelle est modre avec 11, 4 C et
lamplitude entre le mois le plus chaud et le mois le plus froid est de 17, 7 C.
Les vents de secteur NO dominent largement en t et au printemps, les vents de secteur
SSE dominent en hiver. Les vents forts avec plus de 29 m/s arrivent principalement entre le
mois daot et le mois de fvrier.
2.1.3.2

Environnement hydrographique

La Loire traverse la plaine du Sud au Nord. La dirence de relief entre lOuest et lEst
marque une opposition entre les auents des deux rives. Le rgime du euve est directement
li la pluviomtrie. Cest pourquoi cest un des paramtres important pour comprendre la
dynamique uviale.
En rive gauche, les auents issus des Monts du Forez (Le Lignon, le Vizezy) ont un
rgime pluvio-nival soutenu et prsentent parfois de violentes crues ;
En rive droite, les bassins versants des auents issus des Monts du Lyonnais sont plus
modestes.
Sur le site dtude, 9 bassins principaux sont situs le long du euve. Certains sont danciens
chenaux relis au euve. Ils sont dune profondeur moyenne de 2 mtres et reposent sur le
substratum impermable.
Ces bassins sont danciennes gravires rhabilites et prsentent un colmatage important
le long des berges ; ce qui est gnralement inhabituel pour des bassins naturels. Cela peut
tre d en partie au passage frquent dengins mcaniques lors de lextraction du granulat.
A cela sajoute un colmatage naturel par sdimentation gravitaire induit par les forces de
frottement et de gravit. Lorigine peut aussi tre physico-chimique.
Ce colmatage se caractrise par une diminution de la conductivit hydraulique des berges
et du fond de lexcavation qui peuvent atteindre 2 3 ordres de grandeur de la conductivit
hydraulique. Ce colmatage saccentue gnralement avec lge de la gravire.
37

Chapitre 2 Comparaison des approches AEM et FDM

Le rgime de la Loire est trs contrast. Il est marqu tantt par des tiages svres avec
moins de 5 m3/s, tantt par de rapides montes des eaux avec plus de 200 m3 /s suite aux
lchs du barrage qui se situe lamont. Dans la zone dtude, son prol en long indique une
pente moyenne proche de 1 (gure 2.7). La Loire incise le substratum tertiaire sur une
grande partie du prol.
Dans la plaine, ces dbits dpendent aussi du fonctionnement du barrage hydrolectrique
de Grangent mis en service en 1957 et situ environ 20 km en amont du site. Il tend
rguler le rgime hydrique naturel du euve. Sur le site, le turbinage du barrage provoque des
variations journalires du niveau deau proche de 0, 5 mtres. Les principales caractristiques
de la Loire sont :
pour la priode de rfrence (19851995), un dbit moyen sur lanne de 49 m3 /s ;
un dbit moyen dtiage de lordre de 10 m3 /s pour le mois daot ;
des crues quinquennales dun dbit de lordre de 1000 m3 /s ;
des crues dcennales dun dbit de lordre de 1700 m3 /s ;
des crues centennales dun dbit de lordre de 4900 m3 /s.

2.1.3.3

Environnement hydrogologique

Les alluvions de la plaine du Forez forment un aquifre dans lequel circule une nappe
libre qui repose sur le substratum impermable. En priode de basses eau, son niveau de
base est rgit par le euve Loire qui draine nettement cette nappe deau. La permabilit des
alluvions varie de 103 m/s 104 m/s pour les secteurs colmats. Lcoulement souterrain
est inuenc localement par ces variations de permabilit dans la formation sablo-argileuses
de lOligo-miocne.
La carte pizomtrique 3 (gure D.1, annexe D) au 1/10 000 montre que le sens dcoulement gnral de la nappe suit la pente du terrain, soit une direction SONE. La cote pizomtrique de la nappe suit celle de la Loire avec un gradient hydraulique moyen proche de
0.1%.
Lcoulement souterrain est aliment au Sud Ouest par une nappe de versant, avec un
coulement de faible intensit. Entre Magneux-Haute-Rive et Chambon, lapport du versant
est estim 32 16 l/s pour 4 km (CPGF-Horizon, 1979). Laval de cet aquifre est limit
par la conuence du Vizezy et de la Loire.

3. Elle a t ralise par CPGF-Horizon [1978] partir dune campagne de mesures ralise dans 63 puits.

38

2.2 Organisation des donnes pour le modle physique

2.2

Organisation des donnes pour le modle physique

2.2.1

Organisation des donnes mobilisables

Les donnes collectes sur le site proviennent de direntes sources. Ces donnes brutes
dorigine diverses ont ncessit un travail consquent pour les inventorier, les slectionner, les
organiser et les structurer.
Les outils et mthodes employs comme le type de mesure, le format de stockage et le
systme de coordonnes utilis sont une part des facteurs qui inuencent la qualit de ces
donnes. Par ailleurs, un pr-traitement avant toute utilisation est souvent ncessaire. Par
exemple, les donnes topographiques peuvent provenir de photographies ariennes. Elles sont
aussi prleves directement sur le site dtude par lintermdiaire dinstrument GPS et de la
mesure de niveau deau sur des chelles limnimtriques. Ces donnes peuvent tre organises
dans le Systme dInformation Gographique (SIG) en 3 catgories :
 La Topographie avec les lvations daltitude ;
 LHydrologie avec les mesures de niveaux deau ;
 LHydrogologie avec la pizomtrie grande chelle et la carte des permabilits.

2.2.2

Donnes topographiques

Des courbes de niveau quidistantes de 10 mtres et quelques points cts de la carte IGN
au 1/25 000 ont aid caractriser la topographie du site. Mais, la topographie du lit majeur
est surtout reprsente par une distribution spatiale de points cts obtenus par photogrammtrie sur lagrandissement de photographies ariennes lchelle 1/17 000 et datant de 1996.
Cette distribution de points est irrgulire avec une densit plus forte aux endroits de rupture
de pente comme des digues ou des seuils. La prcision altimtrique de ce semis de points est dcimtrique. Ces donnes brutes ont ncessit certaines ractualisation pour prendre en compte
les changements provoqus par la prsence de nouveaux sites dexploitations de granulats.
Grce cette qualit des donnes, il a t possible de reprsenter prcisment la topographie du terrain avec toute la varit de formes uviales prsentent ; ainsi que les leves de
terre, les digues, les chemins, . . . Le contour de chacune de ces entits hydrologiques est dni,
puis stock au format vectoriel dans la base de donnes gographiques.
La topographie prcise du lit mineur de la Loire est dnie par 5 prols en travers 4 . Des
sections supplmentaires sont intercales entre les sections de mesures pour mieux reprsenter
la morphologie horizontale du cours deau ; en particulier, la sinuosit des berges et les nombreux largissements ou rtrcissements du lit de la rivire. Pour une discrtisation optimale,
il est pertinent de choisir la position de ces sections en prenant en compte le prol en long de
la Loire.
4. Raliss par la Cellule Hydraulique de la DDE (Direction Dpartementale de lquipement).

39

Chapitre 2 Comparaison des approches AEM et FDM

Lgende
Fleuve Loire
Vizezy
l'Aillot
Bassin
Gravire

125

250

500 mtres

Figure 2.5 Semis de points photogrammtriques du lit majeur (au niveau de lle Moriaud).

Les sections sont interpoles entre elles dans le plan et laltitude du fond du lit de la
rivire est interpoler linairement entre chacune des 5 sections de mesures. Cette reprsentation permet de mieux corrler la variabilit horizontale et la variabilit verticale des donnes
hydro-topographiques.
La topographie de la zone dtude peut tre reprsente en 3D par un MNT (Modle
Numrique de Terrain) (gure 2.6). Les donnes du site sont regroupes pour gnrer un
rseau de triangles irrguliers ou TIN (pour Triangular Irregular Network) avec lalgorithme
dinterpolation de Delaunay 5 [23].
Les courbes de niveau et les points cts numriss partir de la carte IGN au 1/25 000
permettent de construire la zone large du MNT sur la plaine alluviale. Pour la zone du lit
majeur, le maillage est gnr grce au semis de points obtenus par photogrammtrie. Chacun
de ces points constitue un nud du maillage triangulaire.
Une zone de maillage disjointe de la prcdente est gnre pour le lit mineur du euve. Le
maillage est de type rgulier et se raccorde exactement a celui du lit majeur en leurs nuds
communs. Il est dni par les valeurs dlvation des sections transversales.
Ainsi, un MNT gnral est construit pour toute la zone dtude.
5. La triangulation de Delaunay se nomme ainsi daprs Boris Delone (1890-1980), mathmaticien russe
dont le nom a t francis en Delaunay. Cet algorithme se dni naturellement comme le dual du diagramme
de Vorono, du nom du mathmaticien russe Georgi Vorono (1868-1908).

40

2.2 Organisation des donnes pour le modle physique

cozone

Exagration verticale : 15x

Lgende
High : 387.63 m

Low : 320.89 m

Figure 2.6 Modle Numrique de Terrain du site de lcozone du Forez.

41

Chapitre 2 Comparaison des approches AEM et FDM

2.2.3

Donnes hydrologiques

De nombreuses donnes sont disponibles concernant lenvironnement hydrogologique immdiat de laquifre. Des mesures assez compltes sont collectes sur le rseau hydrographique
et sur les niveaux deau des bassins et gravires. Des donnes mto permettent destimer les
apports de la pluviomtrie la nappe.
Pour le euve Loire, des dbits sont disponibles pour les barrages de Grangent en amont
et de Villerest en aval du site dtude. La gure 2.7 montre le prol en long du euve ltiage
avec ses variations du niveau deau. De nombreux aeurements du substratum peuvent y tre
observs. Ce prol permet de dcouper judicieusement la Loire en tronons, en accord avec
sa morphologie spatiale. Le choix de la position de ces sections constitue une premire tape
dans lapproximation des donnes de charge pizomtrique.
Lgende

Seuils de marne
Fleuve Loire et bassins
Bancs de galets immergs
Affleurement du substratum

Section d'interpolation
Section en travers

m
338
336
334
332
330
328
326

m
7001

6801

6601

6401

6201

6001

5801

5601

5401

5201

5001

4801

4601

4401

4201

4001

3801

3601

3401

3201

3001

2801

2601

2401

2201

2001

1801

1601

1401

1201

801

1001

601

401

201

324

Figure 2.7 Prol en long du euve Loire au niveau de lcozone, Aot 2004.

Pour lAillot et le Vizezy, des mesures de niveau deau ont t interpoles pour reprsenter
leur rgime uvial. La plupart des plans deau situs dans le domaine dtude sont quips
dchelles limnimtriques. Ils sont utiles lors de la procdure de calage pour estimer les donnes
mal connues comme le colmatage du lit des rivires ou des bassins et les dbits de pompage
42

2.2 Organisation des donnes pour le modle physique

eectu par les agriculteurs ou lexploitant de granulat.


Ces donnes seules susent pour une reprsentation hydrographique en rgime permanent.
Par contre, lutilisation dun modle hydraulique devient ncessaire pour en avoir une reprsentation dans le temps. Ce modle utiliserait les dbits en amont et en aval.
Deux stations mtorologiques situes proximit de la zone dtude fournissent les donnes mtorologiques de mto France (Annexe D.1). Les donnes de temprature et de pluviomtrie proviennent de la station de Feurs, 3 km au nord de la zone dtude. Celles relatives
la vitesse du vent, au nombre de jours de gel, lensoleillement et lvapotranspiration
potentielle proviennent de la station dAndrzieux Bouthon, situe 17 km du site. Lvapotranspiration Potentielle (ETP) correspond au pouvoir vaporant de latmosphre sur un
sol avec couvert vgtal qui dispose deau en abondance. Elle se calcule partir de facteurs
climatiques selon la formule empirique de Penman [49] (quation D.1 de lannexe D.1). Cette
loi est une des plus rigoureuses, mais elle ncessite de connatre un grand nombre de paramtres physiques. Au niveau des gravires, cette formule est empreinte dune erreur car elle
nglige lactivit photosynthtique de la vgtation aquatique.
La part des eaux de pluie qui sinltre dans la nappe est quantie partir dun bilan
sur les changes hydriques la surface du sol (gure 2.8). Elle est estime mensuellement en
prenant en compte la pluviomtrie mensuelle P, la valeur de lETP, lvapotranspiration relle
(ETR) et la rserve facilement utilisable par les plantes (RFU). Celle-ci a t xe ici 50
mm, compte tenu de la texture limoneuse et argilo-sableuse du sol. Par cette mthode, le cas
particulier de la neige nest pas pris en compte.

Prcipitation

Infiltration

Transpiration vapo-Transpiration
vaporation
vaporation
Rserve utile

Sol
nappe d'eau
Substratum

Figure 2.8 Bilan hydrique du sol.

Lvapotranspiration relle (ETR) est calcule par lquation 2.1 en fonction de lETP et
de la quantit deau prsente dans le sol. Si les prcipitations sont suprieures lETP, alors
43

Chapitre 2 Comparaison des approches AEM et FDM

lETR est gale lETP. Si les prcipitations sont infrieures lETP, alors lETR est gale
aux prcipitations plus les prlvements en eau sur la RFU, avec une valeur dETR majore
par lETP. Un dcit hydrique apparat si la RFU du sol est entirement consomme.
ETR =

ETP
min (P + RFU , ETP)

si P ETP

(2.1)

si P < ETP

Les prcipitations ecaces sont gales la quantit deau apporte par les prcipitations
moins lvapotranspiration relle. Cette eau pntre dans le sol et approvisionne la rserve
facilement utilisable. Si la capacit maximale de la RFU est dpasse, lexcdent de leau descend vers la nappe par inltration (tableau 2.1). Cette inltration ecace (Inlt) est toujours
positive et elle est calcule par Inlt = (P ETP) + RFU 50, o RFU correspond a la
rserve deau calcule avec le mois prcdent. De mme, il est possible destimer localement
les apports atmosphriques aux bassins par P ETP.
Mois
P (mm)
ETP (mm)
P-ETP
RFU
Infilt (mm)
ETR (mm)

Jan
88.2
13.9
74.3
50
24.3
13.9

Fv
30.6
23.5
7.1
50
7.1
23.5

Mar
28.5
49.0
-20.5
29.5
0
49

Avr
74
70.7
3.3
32.8
0
70.7

Mai
75.5
98.1
-22.6
10.2
0
85.7

Juin
81.6
118.5
-36.9
0
0
81.6

Juil
60.2
141.3
-81.1
0
0
60.2

Aut
48.9
118.5
-69.6
0
0
48.9

Sept
80.6
77.1
3.5
3.5
0
77.1

Oct
82.1
40.3
41.8
45.3
0
40.3

Nov
45.1
17.6
27.5
50
22.8
17.6

Dc
35.1
12.6
22.5
50
22.5
12.6

Table 2.1 Calcul des inltrations ecaces mensuelles (mm) qui recharge de la nappe (normales sur 10 ans).

Par consquent, le bilan hydrique global qui permet de calculer la recharge de laquifre
est donn par la somme des inltrations ecaces vers la nappe alluviale et des changes
atmosphriques eectus au niveau des bassins.

2.2.4

Donnes hydrogologiques

Pizomtrie de rfrence
La carte pizomtrique tablie ltiage au 1/10 000 (Figure D.1 de lannexe D.2) sert de
rfrence. Elle a t ralise partir dune campagne de mesures ralise dans 63 puits.
Direntes campagnes pizomtriques ont aussi t ralises depuis octobre 1999 avec 40
puits de la zone dtude. Elles sont compltes par les donnes fournies par 10 pizomtres
installs au environ des gravires du lit majeur en 1995 par lexploitant de granulats.
Lanalyse de 16 relevs eectus depuis octobre 1999 dans les 31 puits et pizomtres de
la zone dtude montre un battement de nappe annuel moyen de 0.56 mtres. Les donnes
fournies par lexploitant ny ont pas t prises en compte car les niveaux pizomtriques sont
44

2.2 Organisation des donnes pour le modle physique

trop perturbs par lexploitation. Lexploitant extrait le granulat en rabattant la nappe par
pompage. Ce qui fausse le comportement naturel de la nappe. Par consquent, les donnes de
la zone dexploitation ne sont pas corrles avec les autres mesures.
Le lit mineur correspond la nappe daccompagnement du euve Loire. Les observations
montrent que la nappe alluviale y est trs ractive aux variations du niveau de la Loire, en
particulier lors des pisodes de crue. Lamplitude des battements de la nappe est plus importante au centre de la nappe alluviale.
La cartographie de rfrence et les mesures pizomtriques du site serons pris en compte
en fonction de leur qualit estime lors dune procdure de calage du modle numrique.
Rsistivit lectrique des alluvions
La zone sud de la rive gauche a fait lobjet dune campagne de prospection gophysique
en 1978. Elle comportait 189 sondages lectriques rpartis sur 17 prols transversaux orients
Est-Ouest et 6 prols intermdiaires. La partie nord na pas pu tre couverte par la prospection lectrique en raison de la prsence de canalisations deau qui perturbent fortement le
diagramme lectrique.
Linterprtation des diagrammes lectriques a permis de raliser des coupes dinterprtation
au 1/10 000 en horizontal et 1/500 en vertical. Ces informations ont permis didentier, puis
de cartographier les direntes formations gologiques :
la topographie du toit du substratum tertiaire (gure D.4 de lannexe D.2)
lpaisseur de la terre vgtale (la couverture argilo-limoneuse)
lpaisseur des alluvions (la couverture des graves sableuses)
la variation de la conductivit de leau et de la rsistivit des alluvions (gure D.5 de
lannexe D.2)
La rsistivit dune formation dpend de la nature de ses alluvions mais aussi de la minralisation de leau quelle contient. A teneur en argile gale, les alluvions situes lOuest du
ruisseau Aillot seront plus rsistantes que celles situes au centre de la plaine alluviale, car
la rsistivit de leau est plus leve vers le versant. En bordure du euve Loire, la rsistivit
des alluvions mouilles est masque par celle des alluvions sches, trs rsistantes et dont
lpaisseur est importante [46].
Les alluvions montrent ainsi une forte htrognit spatiale, en particulier aux endroits
des gravires ramnages au prs du euve Loire.

45

Chapitre 2 Comparaison des approches AEM et FDM

Cinq classes de rsistivits homognes traduisent de la variation de la qualit des alluvions.


Elle ont t identies par CPGF Horizon daprs la carte des rsistivits :
Rsistivit des alluvions (m)
< 100

Critre de permabilit qualitatif


impermable (couverture argilo-limoneuse)

100 < 150

peu permable

200 < 300


300

permable
trs permable

150 < 200

moyennement permable

Cartographie de la permabilit
La construction du champ de permabilits est dlicate. De fortes incertitudes sont lies
la nature des donnes. Les mesures sont de densit faible sur un domaine assez htrogne.
En premire estimation, le choix a donc t fait daecter une valeur de permabilit pour
chacune des 5 classes de rsistivit. Ces valeurs ont t dtermines partir de linterprtation
dessais de pompage par la mthode de Jacob [42]. Ces mesures ont t ralises dbit
constant sur 4 forages de reconnaissance 6 et un puits. Les valeurs de permabilit dduites se
trouvent dans des gammes de valeur direntes et varient entre 1.15 103 m/s et 3.9 103 m/s.
Ce champ de permabilit est ensuite modi an de tenir compte :
du colmatage des berges des bassins de lcopole du Forez,
des zones remblayes au niveau des nouvelles exploitations de granulats,
des nouveaux plans deau crs.
La permabilit est un des principaux paramtres de la procdure de calage du modle
numrique. Cela consiste ajuster les valeurs de permabilit lors dune srie de simulations,
jusqu obtenir un comportement hydraulique similaire celui de la nappe alluviale. Ces
permabilits sont modies dans la limite de leur validit dtermine par la gologie du site.
Le rsultat nal de la simulation doit donc correspondre susamment aux mesures et la
pizomtrie de rfrence.
La gure 2.10 montre la carte des permabilits obtenue aprs la phase de calage. La
concordance entre pizomtrie observe et simule est obtenue pour un dcoupage en zones de
permabilits uniformes dont les valeurs schelonnent entre 0.05 10-3 m/s et 4.5 103 m/s.
Les valeurs de permabilits les plus faibles, avec 0.05 103 m/s, sont aectes aux zones
remblayes.

6. tude Sogreah de 1979 ralise sur les forages F1, F2, F3, F4 et le puits B2 pour la rive gauche et le
forage F1102 pour la rive droite.

46

2.2 Organisation des donnes pour le modle physique

2.2.5

Reprsentation des caractristiques physiques de laquifre sous SIG

Une reprsentation approprie du comportement physique de laquifre est ncessaire


pour garantir une certaine qualit de modlisation. La connaissance de laquifre ncessite
didentier et de formaliser de la meilleure faon possible chacun des phnomnes physiques,
en cohrence avec les objectifs de modlisation.
Penser le modle physique a travers loutil SIG (Systme dinformation gographique) permet de stocker, dorganiser, de formaliser et de structurer les donnes de manire rigoureuse
[8, 25]. Chacune des entits hydrogologiques, correspondant un phnomne physique particulier est identie, puis reprsente vectoriellement dans le SIG. Ainsi, direntes couches
dinformations, limage du millefeuille, reprsentent les multiples facettes de lhydrosystme.
Cette reprsentation informatique apporte cohrence et rigueur pour la simulation hydrogologique. Elle facilite aussi la prparation des donnes dentres qui y seront utilises.
Interprtation

gomorphologie

Identification

entits hydrogologiques

Reprsentation

gomtrie
de l'aquifre

gologie

discontinuits gologiques

proprits
hydrogologiques

discontinuits
de permabilits

modle physique

Figure 2.9 Conception du modle physique.


Linterprtation gomorphologique et gologique du site dtude aide dnir le comportement physique de laquifre (gure 2.9). Elle conduit dabord la connaissance de la
gomorphologie ; i.e. le relief, la nature du sol, la vgtation, le colmatage du lit des rivires
et bassins, etc. Cette connaissance est combine avec dautres types informations comme celle
du fonctionnement hydraulique des rivires ou des interventions humaines pour permettre
didentier les caractristiques hydrogologiques de laquifre, et ainsi de mieux formaliser la
gomtrie de laquifre. Ensuite, linterprtation de la gologie permet didentier les sauts
de permabilits et destimer des paramtres hydrogologiques comme la permabilit et le
coecient demmagasinement.
Cela conduit une image mentale de la reprsentation continue de laquifre. Celle-ci
synthtise la connaissance du systme physique pour envisager une description mathmatique,
ainsi quune automatisation de la procdure de modlisation en phase avec le formalisme objet
(gure 2.10).
47

Chapitre 2 Comparaison des approches AEM et FDM

Le fleuve Loire

Rivire Vizezy

LAillot

Lgende
Fleuve Loire

Rivire Vizezy
Ruisseau Aillot
Bassins
Gravires
Remblai
Condition Sud-Ouest
Condition Est
-3

Valeurs de permabilit (10 m/s)


0.6
1
1.8
2
3.5
4.5

650

1 300

2 600 mtres

Figure 2.10 Reprsentation continue du domaine dtude.


48

2.3 Modlisation hydrodynamique

2.3

Modlisation hydrodynamique

2.3.1

Reprsentation des conditions aux limites

La construction du modle mathmatique est la traduction des caractristiques physiques


en termes dquations algbriques. Un systme continu dquations mathmatiques est construit
avec les quations fondamentales des coulements souterrains et de conditions aux limites reprsentant les interactions linterface entre la nappe et chacune des entits physiques. En
respectant linterprtation physique, ces conditions aux limites peuvent se schmatiser par la
gure 2.11. Elles y sont formules sans tenir compte du type de modle numrique utilis.

Prcipitation
Transpiration
vaporation

vapo-Transpiration
vaporation

Infiltration

Rserve utile
Substratum

Figure 2.11 Coupe transversale reprsentant les conditions aux limites utilises.

Cette reprsentation physique puis mathmatique de laquifre sous une forme vectorielle
reste compatible avec la reprsentation continue des donnes sous le SIG (gure 2.10). Elle
permet ainsi de rduire les erreurs dues la manipulation des donnes.
Dtermination des limites du domaine modlis
Les limites du domaine modlis sont dnies par les limites naturelles de laquifre.
Pour lcoulement mis par le versant Sud-Ouest, une condition sur les ux doit tre
impose (condition de Neumann). An dobtenir un bon comportement hydrogologique du
versant, ces ux sont reprsents par une bande dinltration de 50 m de large et rpartie le
long de la limite. Un mur impermable qui enveloppe cette zone permet de clore le domaine.
Les donnes ont montr (section 2.1.3.3) que ce ux estim est de 32 16 l/s pour 4 km.
Puisque cette valeur nest connue qua 50% prs, elle pourra tre ajuste lors du processus de
calage du modle.
Sur toute la limite Est qui est situe sur la rive droite du euve Loire, la nappe est borne
par une condition de charge impose (condition de Dirichlet). Dans la limite Nord, cette
condition permet aussi de reprsenter la rivire Vizezy par ses mesures de niveau deau.
49

Chapitre 2 Comparaison des approches AEM et FDM

Reprsentation de la Loire
Le euve Loire divise laquifre en 2 zones hydrauliquement distinctes puisque son lit repose
sur le substratum impermable. Ce euve est fortement li au comportement hydraulique de
la nappe et en rgit son comportement gnral. Il est reprsent par une condition de type
rivire (gure 2.12) ; une condition qui sexprime par lquation locale :
n r
r

qriv =

(2.2)

o qriv [m/s] est le ux extrait de la nappe. Ce ux est fonction du niveau deau du euve
r , de la charge pizomtrique de la nappe n et de la rsistance r induite par le colmatage
du lit du euve. Celui-ci est dni comme un aquitard, par une permabilit et une paisseur
propre. Lcoulement y est suppos localement perpendiculaire au fond du euve. La rsistance
r [s] est calcule localement par r = kEz o E est lpaisseur du lit et kz sa permabilit locale.
Rivire

Rivire
Murs impermables

Sol

Sol
nappe d'eau

nappe d'eau
Lit Colmat

Lit Colmat
Substratum

Substratum

(a) reprsentation physique

(b) reprsentation schmatique

Figure 2.12 Reprsentation de la condition de rivire.

Reprsentation de lAillot
Localis vers lOuest, lAillot montre un dbit faible et ne repose pas directement sur le
substratum. Son rgime hydraulique nest pas directement connect avec la nappe. Comme sa
largeur est faible (moins de 3 m), ce ruisseau est reprsent vectoriellement par une rivire
linique. Cette condition prend en compte la largeur de la rivire et le degr de colmatage du
lit par un coecient de resistance r =

E
kz L .

Reprsentation des bassins et gravires


Les bassins et gravires sont dnies par des zones de permabilit trs leve, choisie
gale 1 m/s. Induit principalement par le processus dextraction du gravier, le colmatage
autour de ces anciennes et rcentes gravires est reprsent par des zones locales de faibles
permabilits. Par soucis danalogie avec les deux types de mthode numrique utiliss par la
ensuite, cest cette condition qui sera retenue.
50

2.3 Modlisation hydrodynamique

Une condition de type bassin aurait aussi pu tre utilise. Elle permettrait de caractriser
lentit bassin dans sa globalit. En particulier, cela impose une hauteur strictement constante
dans le bassin et le colmatage linterface entre le bassin et la nappe est mieux reprsent.
De plus, cette dernire condition permet dviter les problmes de convergence numrique dus
au saut de permabilit.

Reprsentation des inhomognits


A lintrieur du domaine, direntes zones reprsentent des permabilits constantes par
morceaux. Leur gomtrie respecte les interfaces entre les direntes strates gologiques. Ainsi,
des sauts de permabilits sont dnis sur la frontire de chacune de ces zones.

Reprsentation des effets climatiques


Pour une modlisation eectue ltiage, les rsultats du calcul de linltration (tableau
2.1 de la page 44) permettent de raisonnablement supposer cette recharge ngligeable.
Pour un autre rgime climatique, linltration au niveau du sol serait reprsente par
une recharge uniforme sur toute la zone modlise. Pour les bassins et gravires, la recharge
impose reprsenterait le bilan P ETP entre les prcipitations et lvapotranspiration.

2.3.2

Procdure de discrtisation

Le diagramme 2.13 expose les direntes tapes du protocole de discrtisation. La premire


phase consiste traiter les donnes hydrauliques (gure D.2 de lannexe D.2). Les donnes de
lAillot et du Vizezy ne sont pas modies puisquelles ne sont que ponctuelles. Par contre,
la reprsentation de la Loire est sous la forme dun prol en long. Ce qui est dune prcision
nettement plus leve que celle requise pour reprsenter des conditions aux limites dun modle
hydrogologique de laquifre. Par consquent, nous en simplions celles-ci tout en y conservant
une reprsentation acceptable pour laquifre.
Cela consiste subdiviser le prol en sections, en tenant compte des direntes variations
du niveau deau et de la sinuosit du euve (gure 2.7). Ces dernires sont appeles section
dinterpolation. Ensuite, les donnes attaches chacune de ces sections sont interpoles linairement entre elles. Il en est de mme pour les donnes rattaches aux points de mesures
des autres rivires.
Cette premire phase nous permet daboutir une reprsentation continue de laquifre (gure 2.10). Les direntes approximations eectues dans la premire phase ont une
inuence qui reste susamment minimes pour bien reprsenter les caractristiques physiques
de laquifre. Par contre, la phase de discrtisation gomtrique peut gnrer beaucoup plus
51

Chapitre 2 Comparaison des approches AEM et FDM

Extraction

Bdd
SIG

Donnes hydrauliques

Profil de la Loire
Dfinition

Extraction

Subdivision en tronons
Interpolation

Autres donnes
Interpolation linaire
entre chacune des sections
Reprsentation continue

Algorithme
de simplification

Critre de tolrance

Discrtisation gnre
Correction manuelle
avec linterface graphique

Discrtisation finale

Simulation
Figure 2.13 Procdure de discrtisation eectue.

52

2.3 Modlisation hydrodynamique

de questions. En particulier, quel est le meilleur processus de discrtisation employer ?


Pour chacune des mthodes FDM et AEM, la procdure de discrtisation consiste maintenant simplier la gomtrie du domaine avec une rsolution uniforme de 50 m.
Pour les FDM (gure 2.14(b)), le processus de discrtisation consiste convertir la reprsentation vectorielle continue en format raster avec chacune des cellules dune taille de 50 m.
Des rgles dappartenance permettent de dnir les mailles qui reprsenteront les direntes
formes gomtriques pour les conditions aux limites. Par exemple, si la surface de lentit
hydrogologique vectorise couvre plus de la moiti de la supercie de la cellule, alors celle-ci
appartiendra lentit et la condition correspondante y sera impose. Pour les entits unidimensionnelles telle que le ruisseau Aillot, la cellule qui contient la plus grande longueur de
lobjet vectoris par rapport aux cellules voisines est utilise pour reprsenter la forme discrte
de lentit.
Pour les AEM (gure 2.14(a)), il ny a pas de changement de format puisque la reprsentation objet et vectorielle y est similaire celle des SIG. Ce qui rend un algorithme de
discrtisation automatique trs ecace. En premire approche, nous avons utilis lalgorithme
de Douglas-Peucker [26] (voir chapitre 4) avec une tolrance de 50 m. Ce critre dni la distance maximale entre la discrtisation obtenue et la forme dorigine. Nous verrons au chapitre 4
quelle peut tre considre comme la rsolution spatiale de la discrtisation.
Initialement, cet un algorithme consistait simplier la reprsentation spatiale des donnes. Il a t dtourn de son utilisation initiale pour en faire un algorithme de discrtisation
AEM. Il sera prsent en dtail au chapitre 4 avec dautres mthodes de discrtisation plus
performantes permettant de rduire davantage lerreur qui est induite par le processus de
discrtisation.
Une interface graphique reste indispensable pour permettre de contrler, voir damliorer
la qualit de la discrtisation obtenue.
Pour les AEM, des dfauts peuvent apparatre comme par exemple le chevauchement de
polylignes ou la superposition de vertices. Il est parfois intressant aussi de rectier manuellement le rsultat obtenu an davoir une meilleure reprsentation des contours pour le mme
nombre de vertices. Ltape nale avant la simulation est enn de dnir des objets lments
analytiques avec leurs propres donnes dentres, selon le formalisme objet prsent au chapitre
prcdent.
Pour les FDM, il est aussi souvent ncessaire de corriger manuellement le maillage travers une interface graphique pour amliorer la qualit du maillage. Par exemple, deux bassins
doivent tre spars dau moins une maille pour avoir un comportement hydrogologique valide.

53

Chapitre 2 Comparaison des approches AEM et FDM

Legend of the discretization


Southwest boundary
Aillot stream
Gravel pits
Basins
Loire river
Permeability discontinuities

Permeability (m/s)
0.05 10-3
0.1 10-3
0.2 10-3
0.6 10-3
1 10-3
1.8 10-3
2 10-3
3.5 10-3
4.5 10-3
1

170

340

680 Meters

(a) AEM

165

(b) FDM

Figure 2.14 Discrtisation du domaine pour chacune des mthodes AEM et FDM avec une
rsolution de 50 m. Les AEM utilisent lalgorithme de Douglas-Peucker avec une tolrance de
50 mtres. Les FDM utilisent une taille de grille de 50 mtres.

Lors de ce processus de discrtisation, les donnes algbriques attaches aux formes gomtriques sont aussi modies pour corriger les erreurs algbriques qui sont induites par la
discrtisation spatiale. Elles permettent de conserver une certaine analogie avec la condition
physique continue. Par exemple pour les FDM, la condition de rivire sur une maille exmaille

prime le dbit Qriv en fonction de la conductance C [L2 T 1 ] par


maille
Qriv

avec

= (n r ) C

C=

kc L W

(2.3)

o kc [L T 1 ] est la permabilit verticale du lit de la rivire, [L] est lpaisseur de son


lit, W [L] est la largeur de la rivire et L [L] est longueur de rivire contenue dans la maille.
Cette expression de la conductance C dnit une permabilit sur la maille qui est quivalente
celle de la condition physique continue (gure 2.12).

54

330

660 Meters

2.3 Modlisation hydrodynamique

2.3.3

Rsultats de simulation

Les rsultats de simulation sont fournis par le logiciel Mlaem [69] pour les AEM et par
Modflow [72] pour les FDM (gure 2.15). La modlisation des caractristiques physiques de
laquifre y est plus ne que celle obtenue initialement par Dauvergne [19] et Mimoun [46]
avec les codes de calculs Split 7 pour les AEM et Newsam 8 pour les FDM. Elle prend maintenant en compte la totalit de laquifre avec la rive droite du euve Loire et une extension
au-del de lAillot, jusqu la limite naturelle de laquifre [20].
Les rsultats de simulation sont obtenus pour une priode dtiage. Ils utilisent principalement des mesures de juillet 2004. Lors de cette priode dtiage, les donnes hydrauliques
sont assez compltes et il ny a gnralement pas de pompage deau sur le site dextraction
de granulat. Par consquent, les perturbations induites par lactivit dextraction de granulat
reste minimes.
Ces donnes sont ensuite traites pour satisfaire au format dentre de chacune des deux
mthodes de modlisation numrique. Durant tout le processus, la reprsentation des caractristiques physiques y est conserve. Par consquent, les 2 modles numriques ont la mme
reprsentation physique de chacune des entits hydrogologiques pralablement conceptualises. Pour permettre la comparaison entre ces deux mthodes, le substratum est considr
horizontal une altitude NGF 9 de 321 m.
Une rsolution spatiale de 50 mtres est choisie pour chacune de ces modlisations. Ce
paramtre permet de xer la tolrance accepte par chacun des critres de discrtisation :
Pour les AEM, ce critre correspond lcart maximal entre la discrtisation gnre
par lalgorithme de Douglas-Peucker et la courbe originelle,
Pour les FDM, ce critre correspond la taille des cellules du maillage.
La gure 2.15 montre que les courbes pizomtriques calcules par les deux mthodes de
simulation sont relativement similaires. Les dirences les plus importantes sont observes dans
le sudOuest, vers la condition de ux impose. Cest une condition qui est trs sensible aux
dirents paramtres utiliss et peut gnrer dimportantes erreurs si elle est mal reprsente.
Nous avons choisi de la reprsenter par une bande dinltration de 50 m de large.
Lcart observ peut sexpliquer par une interprtation dirente de la condition de ux
pour chacune des discrtisations. Le dbit global reste identique sur lentit hydrogologique,
mais ce nest plus forcment le cas localement.
En fait, le modle FDM produit localement un dbit plus faible que celui des AEM. Le
contour gomtrique de cette bande dinltration de 50 m de large est sans doute moins bien
reprsent par des mailles de 50 m2 . Une alternative consisterait de corriger localement la
7. Un code de calcul dvelopp par Igor Jankovic, Universit de Bualo, NY, USA.
8. Un code de calcul dvelopp par le CIG de lcole des Mines de Paris.
9. Nivellement Gnral de France.

55

Chapitre 2 Comparaison des approches AEM et FDM

328
7
32

329
330
33
1

4
33

332

33
3

Lgende
Isopize AEM
Isopize FDM

335

Discrtisation AEM
Condition Sud-Ouest
ruisseau Aillot
Gravires
Bassins
Fleuve Loire
Saut de permabilit

336

250

500

338

337

1 000 mtres

Figure 2.15 Pizomtrie simule ltiage pour les FDM et les AEM. La rsolution des
dirents maillages est de 50 mtres.

56

2.3 Modlisation hydrodynamique

Figure 2.16 Comparaison entre les valeurs de hauteur deau calcules et observes sur 17
points de mesure rpartis sur la zone dtude.

recharge impose pour mieux reprsenter la condition physique tout en conservant la mme
recharge globale. En fait, cela implique de dcomposer cette condition de ux en entits hydrogologiques plus petites pour mieux la reprsenter.
Lors de la phase de calage, la qualit de la simulation a t estime en comparant les
rsultats de calcul avec la pizomtrie de rfrence et des valeurs de hauteurs deau. Elle a
permis dajuster les donnes mal connues, surtout le ux du versant Ouest et les coecients
de rsistances induits par le colmatage du lit de lAillot et de celui de la Loire. Mais le fait que
ces paramtres de calage soient eux mme dpendants de la discrtisation conduit certaines
dicults.
La volont na pas t dobtenir un calage parfait dun domaine o les changes hydriques
sont complexes, mais plutt une comparaison entre les deux mthodes utilises. Surtout que
la qualit des mesures est variable, principalement cause de lapprciation de la cte NGF
des puits.
A partir dune slection de 17 points de mesures pizomtriques ables prleves dans
des puits et des bassins, nous avons compar les valeurs qui y sont observes le 23/10/2002
avec les valeurs calcules par le modle aux dirences nies (gure 2.16). A cette date, le
comportement hydrogologique tait similaire celui des donnes de 2004 utilises pour les
57

Chapitre 2 Comparaison des approches AEM et FDM

modles. Lerreur quadratique de 0.2 cm montre une correspondance que nous pouvons admettre comme susante pour notre problmatique.
Lintrt dutiliser une mthode de modlisation alternative comme les AEM est de pouvoir corroborer les rsultats de simulation obtenus par la mthode des dirences nies. Une
mme conceptualisation du systme hydrogologique devrait induire un rsultat de simulation
identique. Lcart sur les rsultats obtenus est donc plutt d au modle numrique et au code
de rsolution numrique. Ici, elle a permis par exemple de mettre en vidence que la condition
de ux nest peut tre pas assez nement reprsente dans le Sud-Ouest.

2.4

Conclusion

Une comparaison des approches AEM et FDM pour la modlisation hydrodynamique a


t prsente. La mthode trs populaire des dirences nies a t confronte celle des
AEM travers une mthodologie complte de modlisation. Lobjectif recherch y a surtout
t dtudier la dmarche gnrale de modlisation hydrodynamique travers la mthode des
AEM et celle des FDM.
La mthode des FDM est priori bien approprie pour cet aquifre. Son chelle est locale
et prsente une complexit assez htrogne. Par contre, lutilisation des mailles a montr des
faiblesses pour bien reprsenter les contours complexes comme les bassins et les rives du euve.
La mthode des AEM est plus adapte aux aquifres rgionaux en permettant notamment
une meilleure reprsentation de lcoulement lointain. Son avantage est surtout mis en vidence
lors de la modlisation de domaine ouvert avec des frontires physiques intrieures. Elle peut
prendre en compte des domaines trs larges tout en conservant une grande prcision sur les
petites chelles. Ce nest pas vraiment le cas pour cet aquifre local.
Nanmoins, son autre avantage est la possibilit de nement reprsenter le contour gomtrique des entits hydrogologiques et par consquent leurs inuences physiques sur laquifre.
En particulier, cette mthode numrique permet de calculer avec une meilleure prcision la
rpartition des changes de ux linterface entre la nappe et la rivire.
De plus, la reprsentation oriente objet et la structure naturellement vectorielle des AEM
amliore fortement les interactions avec le SIG. Lorganisation de la base de donnes travers
la conceptualisation de laquifre permet une grande synergie entre les donnes et le modle
numrique, au bnce de la qualit de simulation.
Finalement, nous constatons que suivant lobjectif de la modlisation, les AEM peuvent
tre plus ou moins bien adapts par rapport aux FDM. Lintrt est aussi dutiliser une
mthode de modlisation alternative qui peut corroborer les rsultats de simulation obtenus
58

2.4 Conclusion

par la mthode des dirences nies. Elles peuvent aussi tre utilises comme deux approches
complmentaires de modlisation en choisissant par exemple la mthode la plus adapte
chacun des sous domaines dune modlisation.
Ce travail a aussi montr les amliorations quapporte un processus semi-automatique de
discrtisation pour la modlisation des coulements souterrains. La conception dun systme
daide la discrtisation permettrait de sabstraire du type de mthode numrique et de
prendre en compte divers algorithmes de discrtisation.
La quantication des gains obtenus en matire de qualit de simulation grce lamlioration de la discrtisation requiert cependant une analyse mathmatique plus adapte, ce sera
lobjet du travail prsent dans les chapitres suivants.

59

Chapitre 2 Comparaison des approches AEM et FDM

60

Chapitre 3

Analyse mathmatique de lerreur de


discrtisation
e chapitre prcdent a permis de dexposer une dmarche cohrente et rigoureuse de

modlisation hydrogologique, de la cration du modle conceptuel aux rsultats num-

riques de simulation. Nous avons pu observer que la discrtisation y est une tape cruciale o
linuence de lutilisateur est des plus importantes. Ce chapitre va donc sattacher tudier
le comportement numrique de cette erreur pour essayer den rduire au mieux ses eets.
Cest galement loccasion de prsenter des lments de thorie de la mthode des lments
analytiques.

3.1

Introduction

Un modle est toujours entach derreurs. Ces erreurs sont introduites chacune des tapes
de la modlisation. Dorigines varies, elles peuvent tre dues lincertitude sur les mesures,
aux lois physiques utilises, limplmentation de lalgorithme de rsolution, la discrtisation,
aux erreurs darrondis informatiques, etc. Par exemple, la mesure dune grandeur physique est
toujours entache dune erreur. Elle provient principalement des imperfections des appareils
de mesure et du mode opratoire de lexprimentateur.
Contrairement beaucoup de ces sources derreurs, ltape de discrtisation induit une
erreur qui pourrait tre mieux contrle. Ce qui permettrait den rduire son eet sur le
modle numrique.
Sur un cas dtude rel, il est dicile destimer cette erreur de discrtisation car toutes ces
erreurs sinuencent les unes avec les autres. Cest pourquoi ce chapitre propose disoler au
mieux cette erreur et dy analyser son comportement numrique travers quelques exemples
thoriques. Ceux-ci permettront par la mme occasion dintroduire des lments de thorie
de la mthode des lments analytiques. Les solutions analytiques exactes sont dveloppes
61

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

autant que possible pour viter dy ajouter les erreurs dues la mthode numrique des lments analytiques.
Dans les dirents problmes tudis lors ce chapitre, un arc de cercle continu reprsente la
gomtrie exacte. Cette forme continue reprsente thoriquement une rsolution spatiale innie
des donnes relles. Cette gomtrie sera compare ses direntes formes de discrtisation
supposes : un segment joignant les extrmits et une polyligne compose de 3 segments
connects.
Dabord, les diverses solutions analytiques seront explicites pour un segment et un arc de
cercle. Leurs calculs se basent principalement sur des transformations conformes de lespace
complexe [54]. La condition de charge qui y est successivement impose est soit constante soit
de rpartition linaire.
Enn, larc de cercle est compar une discrtisation reprsente par une polyligne compose de 3 segments connects. Ce problme permet dexposer la mthode numrique des
lments analytiques travers le calcul de ces 3 segments.

3.2
3.2.1

tude analytique pour une rpartition de charge constante


Position du problme

Pour cette dtude, un potentiel constant arc est impos sur un arc de cercle reprsentant
la gomtrie exacte. La solution analytique thorique qui en est calcule est donc la solution
exacte du problme. Cette solution est compare celle qui est obtenue pour un segment
de droite qui reprsenterait la discrtisation de larc de cercle (gure 3.1). Lcart entre les
solutions obtenues reprsente donc lerreur de discrtisation qui est commise.

arc
l
z1

z1

z2

z0

z2

z0
0

Figure 3.1 Hypothses du problme rpartition de charge constante

Pour dvelopper ces solutions analytiques, un potentiel 0 est impos au point z0 . Cette
62

3.2 tude analytique pour une rpartition de charge constante

contrainte est ncessaire pour rsoudre le problme mathmatique. Elle peut tre vue comme
la reprsentation de linuence extrieure.
Une tude de sensibilit des dirents paramtres permet de mettre en vidence le comportement de lerreur de discrtisation. Linuence sur lerreur des deux types dhypothses
l = arc et Ql = Qarc est tudie.

3.2.2

Rsolution analytique du segment de droite

Considrons un segment [z1 , z2 ] dni dans lespace complexe z avec une distribution
constante de potentiel l . La transformation conforme
Z=

1
2

(z1 + z2 )
(z1 z2 )

z
1
2

(3.1)

permet de transformer le segment [z2 , z1 ] par le segment [1, 1] dans lespace Z . Considrons maintenant la transformation (gure 3.2)


1
1
+
z=
2

et sa rciproque
=z+

z1

(3.2)

(3.3)

z+1

l
l
0

Z0
0
0

Figure 3.2 Correspondance entre lespace Z et lespace .

Ces transformations font correspondre le plan de lespace Z avec le plan priv du disque
unit dans lespace ; soit { : || 1}. Par consquent, limage du segment [z2 , z1 ] par ces

deux transformations successives est le cercle unit C = { : = 1} dans lespace .


63

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

Lquation 3.3 fait apparatre une branche innie 1 lors de lexpression du potentiel complexe. Cest d au logarithme complexe qui ne peut tre dni dans le plan complexe entier.

Cette forme est prfre = z + z 2 1 qui induirait une branche innie double pour le

potentiel complexe. 2

Dans lespace , lexpression du potentiel complexe l est de la forme


l () =

Ql
ln() + Cte
2

(3.4)

Elle doit de plus vrier la condition pour la fonction potentielle () sur le cercle unitaire

Ql
ln || + Cte
2
= l

() = [l ()] =

(3.5)
(3.6)

Donc lexpression de la constante est Cte = l .


Par consquent, en y ajoutant la contrainte impose en z0 , le potentiel complexe l doit
vrier

(z) = Ql ln(z + z 1 z + 1) +
l
l
2
(z) =
pour z = z0
0

(3.7)

En utilisant la condition en z0 , le dbit Ql peut sexprimer en fonction de 0 par


0 = [l (z0 )] =

p
p
Ql
ln |z0 + (z0 1) (z0 + 1)| + l
2

(3.8)

Le systme dquations devient donc

Ql
ln(z + z 1 z + 1) + l
2
l

0
Ql = 2
ln |z0 + z0 1 z0 + 1|

l (z) =

(3.9a)
(3.9b)

Ce systme permet de dcoupler lexpression du potentiel l (z) et celle du dbit Ql gnr


par la ligne. Les gures 3.3 et 3.4 reprsentent respectivement en 2D et en 3D la solution
numrique de ce potentiel complexe pour un segment [1, 1]. Le potentiel constant impos
sur le segment est l = 2 et la contrainte impose en z0 est 0 = 1.5.
1. branch-cut en Anglais.
2. Cela vient de la formulation complexe de la racine carre principale.

64

3.2 tude analytique pour une rpartition de charge constante

2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5

Phi
Psi

2.0
2

Figure 3.3 Segment de potentiel constant en 2D

Z
2.00
1.60
5.21
2

0
2
Y
0
X
2
2

Figure 3.4 Segment de potentiel constant en 3D


65

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

3.2.3

Rsolution analytique de larc de cercle

Considrons un arc [z1 , z2 ] dni dans lespace complexe z avec une distribution constante
de potentiel arc . Pour dterminer lexpression du potentiel complexe arc dans lespace z ,
3 transformations conformes vont tre utilises [54]. Les deux premires reprsentes sur la
gure 3.5 se trouvent dans Strack [63], la troisime est explicite dans cette section. Cette
mthode propose montre une faon originale de calculer un arc de cercle de potentiel constant.
z

zc
y

z2
0

z1
x

0
R

cot 2

Z0
Z1

Z2

z0

Figure 3.5 Reprsentation des 2 premires transformations conformes

Cet arc de cercle (gure 3.5) est dtermin dans lespace z en fonction des paramtres
, , R, z1 et z2 (Strack, [63], section 41). Ces paramtres peuvent tre relis entre eux.
Prenons par exemple la situation reprsente sur la gure 3.5 (il est toujours possible de se
ramener cette situation grce lquation 3.1). Lquation du cercle sexprime pour un point
(x, y) par
(x xc )2 + (y yc )2 = R2

(3.10)

o les coordonnes du centre du cercle xc et yc sont xc = 0 et yc = cot 2 + R. En

dveloppant cette quation, nous obtenons




2
2
2R cot = x + cot
2
2

(3.11)

Par consquent, nous obtenons la relation entre R et par


R=

1
2

x2 tan
66

+ cot
2
2

(3.12)

3.2 tude analytique pour une rpartition de charge constante

La premire transformation est dnie par


Z=

z i
e
2R

Elle transforme le cercle de lespace z en un cercle de rayon

(3.13)
1
2

dans lespace Z . Le segment

[z1 , z2 ] y est orient avec un angle par rapport laxe horizontal 0x. Pour le cas particulier
dun arc dni comme sur la gure 3.5, cette transformation sexprime par

Z=

z
2R

(3.14)

Par cette transformation conforme, les images des points z1 , z2 , z = et z = zc deviennent


respectivement les points Z1 , Z2 , Z = 0 et Zc = i.
La deuxime transformation est dnie par
= cot


1
i
Z

(3.15)

Elle transforme larc de cercle [Z1 , Z2 ] du plan Z en une fente joignant les extrmites
1 = 1 et 2 = 1 de lespace . Limage de linni devient le point dni par
= i cot

3.2.3.1

(3.16)

Expression de la troisime transformation conforme

Pour obtenir une expression simple du potentiel complexe arc , nous souhaitons avoir
une transformation conforme qui puisse projeter le plan entier sur le demi-plan suprieur
{t C : (t) 0} dun espace complexe t (gure 3.6).
Bien que nous ayons 1 = 1 et 2 = 1 dans notre tude, nous allons rechercher une forme

plus gnrale de cette transformation avec 1 = a et 2 = a. Pour cela, nous recherchons

dabord la transformation rciproque sous la forme

(t) =

At
At
= 2
(t i ) (t + i )
(t + 2 )

avec les constantes relles positives et A.

67

(3.17)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

0
t

cot 2

Figure 3.6 Reprsentation de la 3me transformation conforme

Cette expression implique les images suivantes pour les points t = 0, t = et t = i :


(0) = 0

(3.18a)

() = 0+

(3.18b)

(i ) =

(3.18c)

Nous souhaitons que limage du segment [a, a] de lespace soit le segment [1, 1] dans
lespace t . Par consquent, cette transformation doit aussi vrier les proprits :
A
= a = 1
1 + 2
A
(1) =
= a = 2
1 + 2
d
=0
pour = a
dt
(1) =

(3.19a)
(3.19b)
(3.19c)

les quations 3.19a et 3.19b induisent la condition


a=

A
1 + 2

(3.20)

Daprs lexpression choisie pour (t) (quation 3.28), la condition 3.19c implique


A
2t
+
A
t

=0
t2 + 2
(t2 + 2 )2
cest dire

2 t2
=1
t2 + 2

pour
68

pour = a

= a

(3.21)

(3.22)

3.2 tude analytique pour une rpartition de charge constante

En rsolvant cette quation du 2me ordre, nous obtenons la solution


pour = a

t =

(3.23)

En substituant dans lquation 3.28 ces expressions pour t et , nous pouvons en dduire
une relation entre A et par
a=

A
2

(3.24)

En regroupant les quations 3.20 et 3.24, nous obtenons un systme de 2 quations 2


inconnues pour A et :

a =

a =

A
1 + 2
A
2

(3.25)

Ce systme nous amne rsoudre lquation du second degr en :


a 2 2 a + a = 0

(3.26)

Le discriminant y est nul, donc nous obtenons la solution unique =

2a
2a

= 1. Par cons-

quent, nous avons A = 2 a et nous obtenons lexpression gnrale de la transformation par


=

2at
2at
=
t2 + 1
(t i) (t + i)

(3.27)

Pour le cas particulier de notre tude o a = 1, la transformation recherche devient


2t
2t
= 2
=
=2
t +1
(t i) (t + i)

"

1
t+

1
t

(3.28)

Il sut dinverser lexpression de cette transformation pour en dduire une formulation de


t en fonction de . Par consquent, le systme suivant doit tre rsolu pour t :
t2 2 t + = 0

(3.29)

le discriminant de cette quation du second degr est = 4 (1 2 ), les solutions sont

donc de la forme

t=

1
1 2
=

69

1
1
2

(3.30)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

Posons =

1
, nous obtenons alors

t=

p
1 +1

(3.31)

Pour obtenir que limage dun point de lespace se projette dans le demi-plan suprieur
{t C : (t) 0}, il faut choisir la transformation conforme suivante :
t=

p
1 +1

avec

(3.32)

et sa transformation inverse est donne par


1
=
2

3.2.3.2

1
t+
t

avec =

(3.33)

Expression de limage de linfini t

Pour compltement caractriser la transformation conforme passant de lespace z lespace t , il est ncessaire de connatre les images successives de linni. La premire transformation renvoie linni sur linni, puis la 2me transformation envoie linni de Z au point
dni par
= i cot

(3.34)

Enn, limage du point dans lespace t devient :

= f ctt ( ) = i tan +
2

s

tan
2

2

+ 1

(3.35)

Pour le cas particulier dun demi arc de cercle dextrmits z1 = 1 et z2 = 1, nous



obtenons que t = i 1 + 2 .
3.2.3.3

valuation du potentiel complexe de larc de cercle dans lespace t

Le potentiel arc peut sexprimer facilement dans lespace t en utilisant la mthode des
images puisque le point t est une source. En eet, la conservation de la masse implique que
la somme des ux gnrs par le systme est nulle. Le ux linni Q doit compenser celui
gnr par larc de cercle Qarc par
Q = Qarc
70

(3.36)

3.2 tude analytique pour une rpartition de charge constante

De mme que pour la ligne charge constante, il est ncessaire dimposer un potentiel 0
au point z0 pour rsoudre le problme. Le potentiel complexe arc doit alors vrier

(t) = Qarc ln t t +
arc
arc
2
t t

(t) = 0
pour t = t0

(3.37)

En utilisant la condition en z0 , le dbit Qarc peut sexprimer en fonction de 0 par




Qarc t0 t
ln
+ arc
0 = [arc (t0 )] =
2
t0 t

(3.38)

Le systme dquations devient donc


t t
Qarc
ln
+ arc
2
t t
0 arc

= 2
t
ln tt0 t

arc =

(3.39a)

Qarc

(3.39b)

Ce systme permet de dcoupler lexpression du potentiel arc (z) et celle du dbit Qarc
gnr par larc de cercle puisque la transformation conforme entre lespace z et t est
entirement dnie.
3.2.3.4

valuation Numrique

Les gures 3.7 et 3.8 reprsentent respectivement en 2D et en 3D la solution numrique de


ce potentiel complexe pour un demi-cercle dextrmits z1 = 1 et z2 = 1. Il correspond aux

valeurs de paramtres =

2,

= i et R = 1. Le potentiel constant impos sur le segment

est arc = 2 et la contrainte impose en z0 = i est 0 = 1.5.

Par exemple, limage du point z0 = 2 i est successivement donn par


1
i
2
0 = 3 i
Z0 =

t0 =

1+

71

10

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5

Phi
Psi

2.0
2

Figure 3.7 Arc de cercle de potentiel constant en 2D

Z
2.00
0.46
2.92
2

Y
0
X
2
2

Figure 3.8 Arc de cercle de potentiel constant en 3D

72

3.2 tude analytique pour une rpartition de charge constante

3.2.4

Comparaison des potentiels complexes obtenus

Les 2 sections prcdentes ont permis dexposer les dmarches de calcul des potentiels
complexes pour la ligne (quation 3.9) et larc de cercle (quation 3.39). Pour le segment, le
potentiel complexe l est donn par

Ql
ln(z + z 1 z + 1) + l
2
l
0

Ql = 2
ln |z0 + z0 1 z0 + 1|

l (z) =

(3.40a)
(3.40b)

et pour larc de cercle, lexpression du potentiel complexe arc est donn par
Qarc
t t
ln
+ arc
2
t t
0 arc

= 2
t
ln tt0 t

arc =

(3.41a)

Qarc

(3.41b)

Pour comparer le comportement de ces deux potentiels, deux types dhypothses sont
considres :
soit l = arc , ce qui signie une condition de potentiel identique ;
soit Ql = Qarc , ce qui signie une condition de dbit identique.

3.2.4.1

tude pour lhypothse l = arc

Puisque l = arc , les dbits Qarc et Ql sont successivement valus par les quations 3.40b
et 3.41b. Lerreur sur est donc donne en fonction de z par


1
t t
+ Ql ln(z + z 1 z + 1)
Di()(z) = |arc (z) l (z)| =
Qarc ln

2
t t

(3.42)

Daprs le principe du maximum [54], lerreur maximale doit se situer sur la frontire.

Cest vri puisquelle se situe au point zc , le point de larc qui se trouve le plus loign du
segment (gures 3.9 et 3.10). Ce point est plus prcisment dni par
zc =

2 R cotan
2

Par consquent, lerreur maximale est dnie par


Errmax () = |arc (zc ) l (zc )|
= |arc l (zc )|
73

(3.43)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5

Phi
Psi

2.0
2

Figure 3.9 Dirence arc l des potentiels complexes en 2D.

Z
12.0
3.6
4.7
2

0
2
Y
0
X
2
2

Figure 3.10 Dirence arc l des potentiels complexes en 3D.

74

3.2 tude analytique pour une rpartition de charge constante

Puisque l (zc ) = l (zc ), il est possible dapprocher ce terme par une simple interpolation
dordre 1 par
l (zc ) = (0 l )

|zc |
+ l
|z0 |

(3.44)

Pour eectuer une meilleure approximation, il est aussi possible dutiliser la solution analytique 1D qui sera prsente au chapitre 5 en considrant une rpartition de ux moyenn
moy
ql

moy

dni par ql =

Ql
|z1 z2 |

Ql
2 .

Daprs les quations 3.40b et 3.41b, il est possible de relier les dbits Ql et Qarc par




ln tt0 t

t
0
Ql = Qarc
ln |z0 + z0 1 z0 + 1|

(3.45)

Cette relation peut sexprimer sous la forme


Ql = Qarc

g(t0 )
f (z0 )

(3.46)

avec
p
p
f (z0 ) = ln |z0 + (z0 1) (z0 + 1)|


t0 t


g(t0 ) = ln
t t
0

(3.47)
(3.48)

La limite asymptotique du rapport entre f et g est donne par (gure 3.11(b))


g
(z0 ) = 1
|z0 |+ f

(3.49)

lim

Par consquent, le dbit Ql se rapproche de Qarc trs lentement lorsque z0 tend vers linni.
3.2.4.2

tude du cas de lhypothse Qarc = Ql

Avec lhypothse Qarc = Ql , il est possible dtablir une relation entre arc et l par
l = 0
avec

1+

f (z0 )
g(t0 )

arc

f (z0 )
g(t0 )

p
p
f (z0 ) = ln |z0 + (z0 1) (z0 + 1)|


t0 t

g(t0 ) = ln
t t
0

75

(3.50)

(3.51)
(3.52)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

g/f

f/g

1.04

0.90

1.05
0.91
1.06
0.92
1.07

1.08

0.93

1.09
0.94
1.10
0.95
1.11

|z0|

1.12
0

100

200

300

400

(a)

500

600

700

800

900

|z0|

0.96
0

1000

100

200

300

f
(z0 )
g

400

(b)

Figure 3.11 Comportement asymptotique de la fonction


z0 = |z0 | i.

f
g

500

600

700

800

900

1000

g
(z0 )
f

(z0 ) en fonction du module de

De mme que prcdemment, la limite asymptotique du rapport entre f et g est donne


par (gure 3.11(a))
f
(z0 ) = 1
|z0 |+ g
lim

(3.53)

Par consquent, daprs lquation 3.50, cela signie que plus |z0 | tend vers linni, plus la

valeur de l est proche de arc .


3.2.4.3

Analyse de sensibilit de lerreur de discrtisation

Une analyse de sensibilit de lerreur de discrtisation est prsente sur la gure 3.12.
Elle montre comme se comporte lerreur en faisant varier les paramtres 0 , z0 et avec
lhypothse arc = l ou Qarc = Ql . Cela montre globalement que respecter la condition
Qarc = Ql est gnralement meilleur que de respecter la condition arc = l . En pratique, il
reste relativement dicile dimposer ce type de condition puisquelle nest gnralement pas
connue avant la simulation (sauf pour une condition de ux impos). Par contre, elle pourrait
ventuellement tre prise en compte dans une perspective dajustement du maillage aprs une
premire simulation.

76

3.2 tude analytique pour une rpartition de charge constante

20

Errmax(Phi)

15

18

Phil=Phiarc

Err(Q)

Ql=Qarc

Err(Phi)

16
14
10
12
10
8
5
6
4
2
Phi0

0
30

25

20

15

10

Phi0

0
30

25

20

15

(a)

10

(b)

Errmax(Phi)
12

6
Phil=Phiarc

Err(Q)

Ql=Qarc

Err(Phi)

10

4
8
3
6
2
4
1

|z0|

|z0|

0
0

10

15

20

25

1
0

30

10

15

(c)

25

30

(d)

Errmax(Phi)

Phil=Phiarc

Err(Q)

Ql=Qarc

20

Err(Phi)

6
4
5
3
4
2
3
1
2
0

|zc|

0
0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1
0.0

1.0

(e)

|zc|
0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

(f)

Figure 3.12 Comportement de lerreur en fonction des dirents paramtres 0 , z0 et


. A gauche, reprsentation de lerreur maximale Errmax selon lhypothse arc = l ou
lhypothse Qarc = Ql . A droite, reprsentation de lcart induit |Qarc Ql | ou |arc l |
selon lhypothse considre.
77

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

3.3

Gnralisation au cas dune rpartition de potentiel non


constante

3.3.1

Position du problme

Une rpartition non constante de potentiel arc () pour larc de cercle et l () pour le
segment est impose en fonction des coordonnes paramtriques [0, ] joignant lextrmit
z1 pour = 0 lextrmit z2 pour = . Un potentiel 0 est toujours impos au point z0 .
Le schma 3.13 synthtise ces direntes hypothses.

arc
l
z1

z2

z1

z2

z0

z0
0

Figure 3.13 Problme rpartition de charge non constante

Nous allons successivement exposer les solutions analytiques pour un arc de cercle, puis
pour le segment de droite. Cette tude permet de gnraliser le calcul des solutions pour une
rpartition de potentiel quelconque. Le calcul pour larc de cercle se fait par une approche un
peu dirente que prcdemment. Bien sr, cette mthode plus gnrale permettrait aussi de
calculer une rpartition de potentiel constante.

3.3.2

Rsolution analytique du segment de droite

Par un raisonnement similaire au cas constant, nous utilisons une transformation conforme
qui fait correspondre le plan z la zone extrieure au disque unit de lespace , i.e.
{ : || > 1}. Elle est dnie par



1
1
+
z=
2

cd

=z+

z1

(3.54)

z+1

Dans lespace , le potentiel complexe l sexprime alors en fonction des coecients an


l (z) =

n=0

an n +

Ql
ln
2

avec
78

=z+

z1

z+1

(3.55)

3.3 Gnralisation au cas dune rpartition de potentiel non constante

Ces coecients an sont rels. Ils reprsentent la rpartition de potentiel impos sur le
segment (voir section 3.3.4). Par consquent, en y ajoutant la contrainte 0 impose en z0 , le
potentiel complexe l doit vrier

Ql

l (z) =
ln avec
an n +
2
n=0

(z) = 0
pour z = z0

=z+

z1

z+1

(3.56)

En utilisant la condition en z0 , le dbit Ql peut sexprimer en fonction de 0 par

Ql
ln |z0 + z0 1 z0 + 1| +
0 = [l (z0 )] =
an (z)n
2

(3.57)

n=0

Le systme dquations devient donc


l (z) =

an n +

n=0

Ql
ln
2

avec = z +

P
0
a (z)n
n=0 n
Ql = 2
ln |z0 + z0 1 z0 + 1|

z1 z+1

(3.58a)
(3.58b)

Ce systme permet de dcoupler lexpression du potentiel l (z) et celle du dbit Ql gnr


par la ligne.

3.3.3

Rsolution analytique de larc de cercle

Pour rsoudre le potentiel complexe gnr par une rpartition non constante de potentiel
arc () sur un arc de cercle joignant les points z1 = 1 et z2 = 1. De faon similaire au cas
constant, nous caractrisons larc de cercle reprsent sur la gure 3.1 par les paramtres ,
et R.
Pour rsoudre le potentiel complexe de larc de cercle arc avec une distribution de potentiel
non constant, 3 transformations conformes vont tre utilises. Les deux premires sont les
mmes que pour le cas constant. Elles sont reprsentes sur la gure 3.5 et se trouvent dans
Strack [63]. Elle sont donnes par
z
2R 

1
= cot
i
2 Z

Z=

(3.59)
(3.60)

Rappelons aussi que lexpression de limage de linni de lespace z dans lespace est
dni par
= i cot
79

(3.61)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

Pour la 3me transformation, nous choisissons cette fois lexpression donne par
=+

(3.62)

+1

Elle nous permet de faire correspondre le segment de lespace avec le cercle unit de
lespace (gure 3.14).

Figure 3.14 Reprsentation de la 3me transformation.

Limage de linni y devient le point dni par

= +

(3.63)

+ 1

Par exemple, pour le cas du demi arc de cercle nous obtenons


= (1 +

2) i .

Par la mthode des images et puisque Q = Qarc , nous pouvons exprimer le potentiel

arc dans lespace en fonction des coecients an par


arc (z) =

an

n=0

Qarc

ln
2

(3.64)

Les coecients an sont rels et dpendent de la rpartition de potentiel (section 3.3.4).

+
Posons
= i p et = i p. Daprs Strack [63] (page 241), nous avons la relation

p=

R2
p

80

(3.65)

3.3 Gnralisation au cas dune rpartition de potentiel non constante

Par exemple, pour le cas dun demi arc de cercle unit p = (1 +


p=

2), nous aurions donc

R2
1

=
p
1+ 2

et donc

(3.66)

1+ 2

+
=

(3.67)

Par consquent, en y ajoutant la contrainte 0 impose en z0 , le potentiel complexe arc


doit vrier




+
X

Q
arc

n
arc (z) =
ln
an
2

n=0

(z) = 0
pour z = z0

(3.68)

En utilisant la condition en z0 , le dbit Qarc peut sexprimer en fonction de 0 par


0 = [arc (z0 )] =

an n
0

n=0




Qarc 0 +

ln

2
0

(3.69)

o 0 est limage de z0 dans lespace . Le systme dquations devient donc




+
Qarc

ln
an
arc (z) =
2

n=0
P
n
0 n=0 an (z)


Qarc = 2
0 +

ln

(3.70a)
(3.70b)

Ce systme permet de dcoupler lexpression du potentiel arc (z) et celle du dbit Qarc
gnr par larc de cercle.

3.3.4
3.3.4.1

Estimation des coefficients an pour une rpartition de potentiel linaire


Reprsentation de la condition de potentiel par une srie de Fourier

Par chacune de ces transformations, les images du segment et de larc de cercle deviennent
le cercle unit dans lespace . Il est dni par = ei avec [0, 2 ]. Nous choisissons de

reprsenter la condition limite par une srie de Fourier :


() =
() =

n=0

n=0

(3.71a)

an cos(n )
an sin(n ) +
81

(3.71b)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

pour chacun des lment gomtrique considr. Par construction, le potentiel doit
respecter la condition de continuit (ei ) = (ei ). Les coecients correspondrons donc
une fonction paire.
3.3.4.2

Reprsentation de la distribution de potentiel linaire

Daprs la condition de continuit, lquation 3.71a est la srie de Fourier dune fonction
paire que nous appellerons f . Les coecients an sont donc donns par
2
an =

(3.72)

f (t) cos(nt) dt
0

o f (t) pour t [0, [ dnit la rpartition de potentiel le long de llment gomtrique.

Cela permet de reprsenter nimporte quelle rpartition de densit susamment rgulire.

Dans le cas dune rpartition linaire, la fonction 2 priodique f est par exemple de la forme
f (t) = |t| avec t ] , [.
Les coecients de Fourier, pour n N, sont alors

a0
=

a2n
= 0

a2n+1 =

(3.73)

4
(2n + 1)2

nous observons alors que lordre de convergence de la suite de terme gnral an est de
lordre de 1/(n2 ).
Une troncature du potentiel est donne lordre N par
N

(z) =

N
X

an n

avec

=z+

n=0

z1

z+1

(3.74)

Lerreur eectue par cette troncature est




X


X
X


N
1

EN () = (z) (z) =
|an |
an n


n2
n=N +1

en utilisant que
lordre de

n=N +1

(3.75)

n=N +1

1
1 lextrieur du cercle unit. Donc, le reste de cette srie est de
||

n=N +1

1 1

n2
N

(3.76)

Cela donne une estimation du comportement de lerreur en fonction du degr N de la


troncature.

82

3.4 tude numrique de 3 segments connects

3.4
3.4.1

tude numrique de 3 segments connects


Position du problme

Cette tude va sattacher calculer la solution de 3 segments connects avec une approche
par lments analytiques. Cette solution reprsente la discrtisation de larc de cercle, dont la
solution analytique dj t expose la section 3.2. Par consquent, lerreur de discrtisation
commise pourra tre quantie en comparant ces solutions obtenues. En particulier, il sagira
destimer la position optimale des 3 segments pour reprsenter au mieux cet arc de cercle
symbolisant le contour exact et den dduire une mthode de discrtisation ecace.
Les hypothses du problme tudi sont reprsentes sur la gure 3.15. Un potentiel
constant 3l y est impos sur chacun des segments et de mme que prcdemment, un potentiel
0 est impos au point z0 .

arc

3l
z1

z2

z1

z0

z2

z0
0

Figure 3.15 Hypothses du problme des 3 segments

3.4.2

Cadre de la rsolution numrique par lments analytiques

Une ligne source est constitue dune rpartition de sources dintensit (). Son expression
analytique est de la forme
Z z2
1
(z) =
() ln (z ) d
2 z1


Z z2
1
()
=
d
(z2 ) ln (z z2 ) (z1 ) ln (z z1 ) +
2
z1 z

d
avec
= (z)
dz

(3.77)
(3.78)
(3.79)

z[z1 ,z2 ]

par une intgration par parties. Ainsi, nous obtenons lexpression du potentiel complexe
(z) en fonction de la rpartition de saut (). Cette quation sexprime en fonction des
sources (z1 ) et (z2 ) chacune des extrmits z1 et z2 et de lintgrale de Cauchy qui
83

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

reprsente une ligne diple. Cette reprsentation permet de simplier le calcul des lments
analytiques grce une criture mathmatique commune.
Le calcul de ces lments se trouve la base de la mthode des lments analytiques
initie par Strack [63]. Le principe de rsolution de ces lments analytiques est assez bien
dtaill dans la thse de Jankovi [38]. Par contre, il propose de les rsoudre par une mthode
itrative, alors que la mthode choisie ici est base sur une rsolution globale.
3.4.2.1

Dfinition du potentiel complexe

Daprs le principe de superposition (chapitre 1), la solution du potentiel complexe des


3 segments peut sexprimer en fonction de la somme des potentiels complexes j induit par
chacune des lignes sources Lj dindice j :
3l (z) =

3
X

j (z) + C0

(3.80)

j=1

o C0 est la constante qui permet de satisfaire la condition de potentiel 0 au point de


rfrence z0 .
3.4.2.2

Dfinition du systme de coordonnes local

Le potentiel complexe induit par chacun des lments Lj est exprim dans son systme de

coordonnes locales par

Z=
j

z
1
2

1
2

(z1 + z2 )
j

(3.81)

(z1 z2 )

o z1 et z2 sont les coordonnes globales dans lespace z des extrmits du segment Lj .

Les images de ces deux extrmits sont respectivement les points (1, 0) et (1, 0) du systme
de coordonnes locales.

3.4.3

Expression locale dune ligne source

Lexpression du potentiel complexe dune ligne source (quation 3.78) sexprime dans son
systme de coordonnes locales par

j (Z) =

1
2
|


(1)
Z 1
(1)
+ q(Z)
ln (Z 1) +
ln (Z + 1)
Z +1
2
2
|
{z
}
{z
}
(B)
(A)

(Z) ln

(3.82)

Cette expression montre quune ligne source est une ligne diple (A) laquelle sont rajouts
84

3.4 tude numrique de 3 segments connects

des termes sources aux extrmits (B). Le ux gnr par la ligne source est donc Qj =
(1) (1). Le terme (A) induit un saut de la partie imaginaire du potentiel j (Z) le long
du segment. Ce saut est reprsent par la fonction de saut (Z).

Le polynme q(Z) ne dpend que de la fonction de saut (Z). Cest un polynme de


correction qui permet que le comportement linni de la ligne diple (A) soit
(A) (Z)
3.4.3.1

|Z|

1
Z

(3.83)

Reprsentation par les polynmes de Tchebychev

Soit X = {Z : Z [1; 1]} lensemble des points dnissant le segment en coordon-

nes locales. La fonction de saut (Z) devient relle et peut donc sexprimer en fonction des
polynmes de Tchebychev par
(X) =

Nj
X

(3.84)

ajn Tn (X)

n=0

Le terme (A) de lquation 3.82 sexprime alors en fonction de X par

(A) =

1
2

Nj
X

ajn Tn (X) ln

n=0

Z 1
+
Z +1

Nj 1

n=0

bjn Tn (X)

(3.85)

o le polynme de correction q(X) sexprime sous une forme similaire (X), mais avec les
coecients bjn . Pour avoir le comportement souhait linni [63, 38], ces coecients doivent
sexprimer en fonction des coecients ajn par
bjn = B ajn

(3.86)

o bj et aj sont des vecteurs de dimension (Nj ) et (Nj + 1) contenant respectivement les


coecients bjn et ajn . La matrice B est une matrice de taille (Nj ) (Nj + 1) dont la forme
est donne en fonction de lindice de la colonne c et de celui de la ligne r par :

2
c
4
B(r, c) =

pour

r = 0 et c impaire

pour

0 < r < c et r + c est impaire

(3.87)

autrement

Le terme (B) de lquation 3.82 sexprime alors en fonction de X en utilisant la reprsen85

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

tation Tchebychev de la fonction saut (quation 3.84) par

Nj
Nj
X
1 X
ajn Tn (1) ln (X 1) +

(B) =
ajn Tn (1) ln (X + 1)
2
n=0

3.4.3.2

(3.88)

n=0

Reprsentation du champ lointain (far-field)

Pour des points loigns, ildevient


 ncessaire dutiliser un dveloppement asymptotique de

lexpression logarithmique ln

Z1
Z+1

. Lors de ce dveloppement, seuls les coecients ngatifs

ne sannulent pas en ajoutant le polynme de correction. Par consquent, le terme (A) du


potentiel complexe j (Z) peut se mettre sous la forme dune srie de Laurent avec uniquement
des exposants ngatifs par
N Fj
1 X
(A) =
cjn Z n
2

(3.89)

n=1

o N Fj est le nombre de terme de la srie en Z n . Cette expression permet de rduire


les erreurs numriques pour des valeurs de |Z| importantes et elle converge uniquement pour

|Z| > 1. Le calcul de ses coecients cjn peut se faire en fonction des coecients ajn par la

relation :

(3.90)

cj = CD aj

o cj et aj sont des vecteurs de taille N Fj contenant respectivement les coecients cjn


et ajn . D est de dimension (Nj + 1) (Nj + 1) et reprsente la matrice de passage entre

la reprsentation polynmiale et la reprsentation par les polynmes de Tchebychev. Elle est


donne par Abramowitz [1] et sexprime par la relation

(1) 2

4
cr
D(r, c) =

2 D(r 1, c 1) D(r, c 2)

pour

r = 0 et c pair

pour

r = 1 et c = 1

pour

r > 0 et c > 1

(3.91)

autrement

C est une matrice de dimension (N Fj ) (Nj + 1) qui reprsente la relation dans la base

des polynmes de Tchebychev entre les coecients de la reprsentation au prs de llment


et ceux du champ lointain cjn . Elle sexprime par
86

3.4 tude numrique de 3 segments connects

C(r, c) =

2
r+c+1

pour

r + c + 1 impair

(3.92)

autrement

La dtermination de la distance laquelle il faut utiliser lexpression pour le champ lointain est dlicate. Daprs Jankovi, pour Nj = 40, le champ lointain peut tre dni pour
|Z| > 1.02 pour une correspondance de lordre de 7 chires signicatifs. Cest d la r-

currence de Clenshaw utilise pour calculer les polynmes de Tchebychev. le Grand [40] a
montr quil est possible de rendre cette transition plus ecace et comment il est possible
daugmenter le degr des polynmes de Tchebychev sans introduire des erreurs numriques
signicatives.
3.4.3.3

Formulation contracte du potentiel complexe

En regroupant les expressions 3.85 3.88 et 3.89, il est possible de contracter lcriture du
potentiel complexe j (Z) pour la ligne source. Il peut sexprimer avec les coecients ajn par
un srie dpendante dune fonction Gj (n, Z) par

j (Z) =

Nj
X

ajn Gj (n, Z)

(3.93)

n=0

Gj (n, Z) est la fonction qui synthtise les quations 3.85 et 3.88 pour le champ au prs,
ainsi que lquation 3.89 pour lexpression du champ lointain de la partie (A). La jonction
entre le champ au prs et le champ lointain est dnie par une ellipse.

3.4.4
3.4.4.1

Principe de rsolution par la mthode des lments analytiques


Prise en compte des conditions aux limites

Pour rsoudre notre problme, nous devons satisfaire les conditions aux limites suivantes :
(z) = 3l

z Lj

pour j = 1, 2, 3

(3.94)

o Lj est le segment gomtrique de la ligne source dindice j.

Rappelons (quation 3.80) que lexpression du potentiel en fonction des potentiels com-

plexes lmentaires j (Z) est donne par


3l (Z) =

3
X

j (Z) + C0

j=1

En prenant la partie relle, nous obtenons


87

(3.95)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

3
X

[(z)] = 3l =

j=1

(3.96)

[j (Z)] + C0

En prenant en compte lquation 3.93, cette expression se met sous la forme dune srie
en an par

[(z)] = 3l =
3.4.4.2

Nj
3 X
X

j=1 n=0

(3.97)

ajn [Gj (n, Z)] + C0

Dfinition des points de contrles

Pour chacun des lments Lj , un ensemble de points de contrles est dni localement
mj

pour X [1, 1] par

mj

avec

{ X Lj : mj 1, .., Mj

Mj N }

(3.98)

Mj est le nombre total de points de contrles pour llment dindice j. Pour la rsolution,
ces points sont choisis aux localisations des racines des polynmes de Tchebychev par
mj

X = cos

2 (mj 1)
2
Mj

pour

(3.99)

mj 1, .., Mj

Un tel ensemble de points de contrles permet doptimiser la qualit de linterpolation


au sens des moindres carrs avec une reprsentation adquat des singularits localises aux
extrmits.
3.4.4.3

Assemblage de la matrice dinfluence et du second membre

Soit ujn (Z) = [G(n, Zj )], alors daprs lquation 3.97, il sut de rsoudre les inconnues

ajn par la mthode des moindres carrs le systme suivant :

3l =

Nj
3 X
X

mj

ajn un ( X ) + C0

j=1 n=0

mj

En rednissant ce systme en fonction des indices globaux m =


m

des points de contrles x, le systme scrit :


K
X
k=1

cte

ak uk ( x) = C0

(3.100)

P3

j=1 Mj

et K =

P3

j=1 Nj

(3.101)

Par consquent, il faut rsoudre par la mthode des moindres carrs une matrice [U ] de
m

dimensions M K et de terme gnral uk ( x) dont les inconnues sont les K termes ak par
88

3.4 tude numrique de 3 segments connects

(3.102)

[U ] [ak ] = [b]

o le second membre [b] = 3l C0 est un vecteur de dimension K et la valeur de C0 est

xe par le point de rfrence z0 .


3.4.4.4

Prise en compte de contraintes

Ils est souvent ncessaire dimposer des contraintes lors de la rsolution. Par exemple, il
est possible de contraindre que la fonction de densit soit continue aux jonctions entre lignes
sources, i.e.
| j = | k
z2

z1

vriant

z2 , z1

z1 = z2

(3.103)

Ces contraintes seront vries exactement lors dune rsolution par moindres carrs. Ce
principe sera plus prcisment dtaill au chapitre 5 lors de la rsolution dun problme 1D
en transitoire.

3.4.5

Comparaison avec larc de cercle

Considrons les 3 lignes connectes dnies en fonction de kz = kx + i ky par :


(3.104)

L1 = [1, kz ]

(3.105)

L2 = [kz , kz ]

(3.106)

L3 = [kz , 1]

Le potentiel impos sur ces 3 segments est le mme que celui impos sur larc de cercle,
i.e. arc = 3l = 2. La contrainte 0 = 10 est impose au point z0 = i. Les gures 3.17 et
3.18 montrent les rsultats obtenus pour ces paramtres et avec kz = 0.5 + i.

3.4.5.1

tude spatiale au sens des moindres carrs

Nous tudions dabord la position optimale des 3 segments connects au sens des moindres
carrs. La position spatiale optimale au sens des moindres carrs est kx = 0.61 et kx = 0.93
(gure 3.16).
Dans lintervalle dni pour kx et ky , lerreur au sens des moindres carrs est donne par
la gure 3.19.
La position optimale des segments avec kz appartenant larc de cercle serait
kz = cos

 
3

+ sin

 
3

89

0.5 + 0.87 i

(3.107)

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

y
2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5

2.0
2

Figure 3.16 Position spatiale optimale au sens des moindres carrs.

Pour comparer le potentiel complexe de larc de cercle avec celui des 3 lignes, nous allons
estimer la position optimale minimisant lerreur entre les 2 potentiels complexes. Pour cela
nous faisons varier la valeur de kz . Le rsultat est reprsent sur la gure 3.20.
La position minimisant la norme correspondante est donne par le tableau 3.1. Ils sont
tablis partir dune grille de rsolution 0.02.

kx
ky

Erreur2
0.67
0.90

Erreur1
0.69
0.89

Erreurinf
0.62
0.94

Erreurmax
0.64
0.90

Table 3.1 Localisation de lerreur minimale selon plusieurs critres.

Pour cette analyse, la comparaison des solutions t eectue sur une grille de rsolution
0.02. Lcart peut tre en parti justi par les erreurs numriques. Nanmoins, nous constatons
que la norme innie correspond exactement la position obtenue au sens des moindres carrs.
Cette position est tout fait adapte notre problme, mais il faut faire attention au cas
gnral. En eet, si la rpartition de potentiel est par exemple linaire, il faudrait utiliser le
mme principe en dterminant la position optimale au sens des moindres carrs pondrs par
rapport au ux local. Cela semble approprier, mais cela demanderait bien sr des analyses
supplmentaires pour tre justier.
90

3.4 tude numrique de 3 segments connects

2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5

Phi
Psi

2.0
2

Figure 3.17 Les 3 segments connects en 2D.

Z
2.0

8.8
15.7
2

0
2
Y
0
X
2
2

Figure 3.18 Les 3 segments connects en 3D.

91

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

ky
1.00

0.95

0.90

0.85

0.80
kx
0.50

0.55

0.60

0.65

0.70

0.75

0.80

arc de cercle

Figure 3.19 Erreur au sens des moindres carrs en fonction de kz .

3.4.5.2

tude en terme dAire et de Primtres



Soit = 2 arcsin R1 . Pour lArc de cercle, laire et le primtre sont dnis par

2
R R cos
2
2
= R

Aarc =

(3.108)

Parc

(3.109)

Dans le cas dun demi arc de cercle, nous avons Aarc =

et Parc = .

Pour les 3 segments connects, laire est dnie par


(3.110)

A3l = (kx + 1) ky
q
P3l = 2 ky2 + (1 kx )2 + 2 kx

(3.111)

Nous allons chercher valuer lcart des solutions optimales par rapport ces critres.
Le tableau 3.2 montre les rsultats obtenus.
|Aarc A3l |
|Parc P3l |

Erreur2
0.068
0.116

Erreur1
0.067
0.123

Erreurinf
0.048
0.126

Erreurmax
0.095
0.077

Table 3.2 cart par rapport aux critres gomtriques de la forme optimale en fonction du
critre derreur.

92

3.5 Conclusion

ky

ky

1.00

1.00

0.95

0.95

0.90

0.90

0.85

0.85

0.80

0.80
kx

0.50

0.55

0.60

0.65

0.70

0.75

kx
0.50

0.80

0.55

(a) Erreur en norme 2

0.60

0.65

0.70

0.75

0.80

0.75

0.80

(b) Erreur en norme 1

ky

ky

1.00

1.00

0.95

0.95

0.90

0.90

0.85

0.85

0.80

0.80
kx

0.50

0.55

0.60

0.65

0.70

0.75

kx
0.50

0.80

(c) Erreur en norme innie

0.55

0.60

0.65

0.70

(d) Erreur maximale (rsolution 0.02)

Figure 3.20 Reprsentation de lerreur suivant plusieurs critres

3.5

Conclusion

Les dirents problmes prsents dans ce chapitre ont permis danalyser le comportement
numrique de lerreur de discrtisation. Dans le mme temps, direntes techniques de rsolution par lments analytiques ont t exposes. Elles montrent en particulier quel point cette
mthode de rsolution est vaste puisquil est possible de rsoudre un mme problme de diffrentes faons. Les transformations conformes ont t trs employes travers ces exemples
thoriques. Une mthode de rsolution t expose pour 3 lignes connectes de potentiel
constant, combinant 3 lments analytiques linaires.
Il savre quune discrtisation optimale na gnralement pas de sommets positionns
sur la courbe dorigine. Cest pourtant la mthode classiquement utilise pour discrtiser la
frontire gomtrique. Le chapitre suivant va donc sattacher dvelopper des mthodes de
93

Chapitre 3 Analyse mathmatique de lerreur de discrtisation

2.0

1.5

1.0

0.5

0.0

0.5

1.0

1.5
Errmax
y

2.0
2

Figure 3.21 Localisation de lerreur maximale en fonction de kz .

discrtisation plus adaptes la mthode des lments analytiques.


A partir de ces bases, il serait aussi intressant dtudier lecacit algorithmique de
llment arc de cercle par rapport la ligne pour faire ressortir des quivalences de cot
algorithmique. Relier ce critre la prcision gomtrique de la discrtisation permettrait
daugmenter encore lecacit de la discrtisation.

94

Chapitre 4

Nouvelles approches de discrtisation


a conceptualisation continue de laquifre travers le SIG ore de nombreuses pos-

sibilits algorithmiques qui seraient adaptables pour constituer un algorithme de discr-

tisation. Bien sr, son choix doit tenir compte de la spcicit et des besoins de la mthode
des lments analytiques. En particulier, la conceptualisation vectorielle des objets hydrogologiques doit y tre exploite au mieux, tout en conservant leurs caractristiques topologiques.
Des outils et mthodes de discrtisation sont tudis dans ce chapitre. Ils sintgreraient
facilement dans une dmarche cohrente et rigoureuse de modlisation telle quelle a t prsente au chapitre 2. Lexploitation de lanalyse mathmatique du chapitre 3 a permis aussi
de mettre en valeur une dmarche de discrtisation et un certain nombre de critres danalyse
de cette discrtisation pour en dduire son inuence sur la qualit du modle.
Lobjectif est daboutir une procdure de discrtisation qui rduirait au mieux lerreur
induite par la discrtisation.

4.1
4.1.1

Mthodes de discrtisation adaptes aux AEM


Classification des algorithmes de simplification

Selon lapproche suivie au chapitre 2, nous avons vu que la discrtisation peut tre interprte comme une simplication des caractristiques physiques de laquifre. Cela se traduit
avec le SIG par une dgradation de la reprsentation vectorielle des entits hydrogologiques.
Avant dutiliser un algorithme, une structure rigoureuse de linformation gorfrence est
ncessaire (gure 4.1). Cela implique bien souvent un nettoyage des couches dinformations
gographiques pour en liminer les structures dgnres. Des nuds doivent tre dnis uniquement aux points dinterpolations algbriques et aux points dintersections de polylignes.
Chacune des polylignes doit dmarrer un nud pour nir un autre nud. Ces nuds
sont xes et connectent les polylignes entre elles. Les polygones sont dnis par une polyligne
95

Chapitre 4 Nouvelles approches de discrtisation

ferme en formant un anneau.


Par consquent, un algorithme de discrtisation gomtrique pourra tre utilis ecacement sur toute la gomtrie du domaine. Cet algorithme devra prserver la consistance topologique des direntes entits gomtriques, en interdisant en particulier leurs regroupements
et en vitant leurs superpositions.

Sommets
Nud

Nud

Nud

Nud

Nud
Figure 4.1 Structure topologique correcte de la connexion entre les polylignes.

De nombreux algorithmes de simplication existent en gomtrie algorithmique. Ils peuvent


servir dinspiration pour le choix dune mthode de discrtisation qui serait adapte aux lments analytiques. Ces algorithmes de simplication ont majoritairement t dvelopps pour
le domaine de la visualisation. Par consquent, ils sont beaucoup plus adapts aux modications graduelles de la rsolution graphique. Les deux techniques qui sen distinguent sont
principalement bases sur un traitement local de la rduction des sommets :
Lune est base sur un sous-chantillonnage des donnes. Elle consiste slectionner un
sous-ensemble des sommets originaux de la polyligne.
Lautre dont le principe est de fusionner les sommets initiaux en minimisant un certain
critre derreur. Cela produit un eet de lissage de la polyligne et donc une meilleure
qualit visuelle qui est trs apprcie en informatique graphique [35, 34, 36].
En vue de leur utilit, les algorithmes qui permettent de gnraliser une polyligne ont aussi
t trs tudis pour la cartographie [44, 73]. Lintrt y est la possibilit de ne retenir que
linformation qui est pertinente pour produire une carte orant un compromis entre prcision,
contenu et lisibilit de linformation.
Plus prcisment, certains sommets estims trop proches deviennent redondants et par
consquent inutiles pour une rsolution souhaite. Rduire ainsi le nombre de vertices 1 sur
chacune des polylignes induit une diminution du temps dachage, de la mmoire ncessaire
au stockage des donnes et du temps de calcul des diverses oprations qui servent manipuler
1. Vertices est le pluriel de vertex qui dsigne soit un nud soit un sommet.

96

4.1 Mthodes de discrtisation adaptes aux AEM

cette information vectorise. Cela permet aussi de faire correspondre des donnes des chelles
direntes.
Que ce soit pour linformatique graphique ou pour la cartographie, les techniques qui permettent de simplier une structure vectorielle sont essentiellement bases sur un traitement
local. Il existe par exemple une adaptation de la mthode dlimination de sommets de Visvalingam [70] qui limine itrativement des sommets de la polyligne selon un critre qui dpend
de la courbure gomtrique [71].
Leur principal dfaut est que la rsolution originelle des donnes y est nettement suprieure
celle qui serait requise pour une discrtisation. Leur utilisation pour gnrer un maillage induirait un temps de calcul qui serait disproportionn par rapport au besoin. De plus, les
algorithmes qui dplacent localement les sommets initiaux sourent dun manque de contrle
sur lerreur de maillage.
Les algorithmes qui traitent la polyligne dans sa globalit sont principalement fonds sur
lalgorithme de Douglas-Peucker. Il a t dcouvert simultanment par Ramer (1972) [50] et
par Douglas et Peucker (1973) [26]. Cest lalgorithme de gnralisation le plus populaire
dans le domaine du SIG car ses diverses amliorations ont permis de le rendre trs ecace [37].

4.1.2

Lalgorithme de Douglas-Peucker

Lalgorithme de Douglas-Peucker (DP) est illustr par la gure 4.2. Ses caractristiques
montrent quil est le plus appropri pour gnrer un maillage adapt la mthode des lments
analytiques.

tape 1

tape 2

tape 3

Rsultat Final
Tolrance

Figure 4.2 Gnralisation dune polyligne avec lalgorithme de Douglas-Peucker.

Son principe est de modier individuellement chacune des polylignes selon une procdure
97

Chapitre 4 Nouvelles approches de discrtisation

de sous-chantillonnage de sommets. Il est appliqu dans notre exemple une polyligne U


avec une tolrance LDP . Son criture algorithmique est donne par :

Algorithme
Entres :

if

SimplieDP
U = (u0 , . . . , un )

// Dfinition de la polyligne

LDP > 0

// Tolrance

n 2 and

maxi{1,...,n} {dist(ui , u0 , un )} > LDP

then

imax := argmaxi{1,...,n} {dist(ui , u0 , un )}


U1 := (u0 , . . . , uimax )

U2 := (uimax , . . . , un )
V1 := SimplieDP(U1 , LDP )

// Simplifier rcursivement U1

V2 := SimplieDP(U2 , LDP )

// Simplifier rcursivement U2

return concat(V1 , V2 )
else
return (u0 , un )
end
end

Dabord, les deux extrmits u0 et un de la polyligne sont connectes par un segment.


Puis la distance entre le segment et chacun des sommets est calcule. Si au moins un de ces
sommets se trouve au-del de la distance de tolrance, celui qui est le plus loign est ajout
la polyligne simplie et lalgorithme est rcursivement appliqu chacune des sous-polylignes
U1 et U2 . Sa complexit est de O(n log m) en gnral et de O(n m) dans le pire cas, m tant
le nombre de sommets de la polyligne simplie.
Lalgorithme sarrte lorsque tous les sommets de la polyligne initiale sont contenus une
distance qui est infrieure la tolrance LDP . Ce critre est cohrent puisquil reprsente
lcart maximal entre les deux polylignes. Ainsi, il est possible de faire le lien avec la notion de
rsolution du maillage qui correspond au niveau de dtail de la reprsentation spatiale. En effet, cette granularit peut sinterprter aussi comme la distance minimale sparant deux objets.
Par consquent, lalgorithme DP prsente lavantage dtre fonction de la rsolution souhaite.
Cependant, la forme originale de cet algorithme montre linconvnient majeur de ne pouvoir
empcher lapparition dauto-intersections pour certaines formes complexes. Il ne prend pas
en compte non plus son environnement topographique immdiat, ce qui produit parfois des
chevauchements ou des superpositions avec dautres entits gomtriques. Il faut aussi faire
attention aux polylignes simplies qui sont rduites un point (polyligne de longueur nulle).
98

4.1 Mthodes de discrtisation adaptes aux AEM

Par consquent, de nombreux travaux ont successivement cherch amliorer cet algorithme. Ils ont permis dacclrer son excution [37] et de proposer entre autres dy ajouter
des critres pour en prserver la consistance topologique [55].
Lapproche de lalgorithme utilis au chapitre 2 est plus simple. Dabord, les morceaux
de polylignes gnres qui sont topologiquement errons sont identis. Puis, lalgorithme DP
est de nouveau appliqu aux polylignes originales, mais avec une tolrance qui est rduite de
50 %. Ceci est eectu jusqu ne plus avoir derreur topologique. Le pire cas tant de ne
pouvoir simplier la polyligne dorigine.

4.1.3

Mthodes de discrtisation alternatives

Lalgorithme de Douglas-Peucker est une mthode de gnration de maillage intgre dans


certain SIG 2 . Elle est trs satisfaisante en premire approche, mais elle na pas t dveloppe spciquement pour cette tche. Il est possible de dvelopper des algorithmes alternatifs
qui seraient plus adapts aux particularits dun maillage pour les lments analytiques. Ils
permettraient damliorer encore plus la qualit de la discrtisation qui est produite.
Pour dvelopper ces algorithmes alternatifs, le choix a t fait de sinspirer de lalgorithme
DP. En eet, il a montr une grande ecacit pour de forts changements de rsolution et son
critre est pertinent pour faire la correspondance avec la notion de rsolution du maillage.
De plus, lanalyse mathmatique du chapitre 3 a montr que la simplication reste moins
prcise si ses sommets ne sont composs uniquement dun sous-ensemble des sommets de la
reprsentation continue. En eet, la meilleure reprsentation de larc de cercle par 3 segments
connects na aucun sommet plac sur la courbe. Pour une rpartition de charge constante
(et de ux spcique constant) sur un arc isol, la meilleure approximation obtenue est celle
quivalente celle des moindres carrs.
Par consquent, les deux nouvelles approches algorithmiques qui sont suggres ici exploitent ces deux aspects en combinant lalgorithme DP et une approximation par moindres
carrs (gure 4.3). Ils conservent la consistance topologique des donnes et sont susamment
exibles pour tre adapts selon les besoins de lutilisateur. Le choix de ces mthodes de discrtisation a aussi t justi par leur relative facilit dutilisation avec un SIG.
Le premier algorithme (least square DP) commence, comme lalgorithme DP, par joindre
les deux extrmits de la polyligne par un segment. Puis, le sommet qui est le plus loign
est slectionn sil se trouve au-del de la distance de tolrance LDP , sinon la simplication
sarrte l.
Ce sommet divise les sommets dorigine en 2 groupes (gure 4.3). Le premier groupe est
2. Cet algorithme a par exemple t implment dans ArcInfo de Esri, 1996.

99

Chapitre 4 Nouvelles approches de discrtisation

compos des sommets situs entre le premier u0 et le sommet le plus loign uimax exclu. Le
deuxime groupe est compos des sommets situs entre le sommet le plus loign uimax (qui
est aussi exclu) et le dernier un .

Nouvelle position accepte

Sommet le plus loign

Cercle de tolrance

Ligne de rgression

Ligne de rgression

Premier sommet
dernier sommet

Figure 4.3 Mthode de localisation des sommets avec lalgorithme de gnration du


maillage.

Une rgression linaire est calcule respectivement pour chacun de ces deux groupes, les extrmits u0 et un tant des contraintes xes. Puis, la position potentielle x du nouveau sommet
p est calcule en minimisant lerreur quadratique pondre de la fonctionnelle J(x). Celle-ci
est dnie en fonction des distances chacune de ces 2 rgressions linaires di (x), i = 1, 2 et
de la distance dv (x) au point uimax .

J(x) =

li di (x) + Ldp dv (x)

(4.1)

i=1,2

o li est la longueur des sous polylignes dnies par chacun des 2 groupes et Ldp est la
tolrance dnie dans lalgorithme DP. Si la position x du nouveau sommet est estime en
dehors du cercle de rayon LDP , lalgorithme prend le point uimax pour sommet de la polyligne
simplie.
Cette procdure est rcursivement reproduite pour chacune des sous-polylignes o le point
uimax est substitu par le point nouvellement calcul. Lalgorithme se poursuit jusqu ce que
tous les sommets se trouvent une distance qui est infrieure la tolrance.
La deuxime version de lalgorithme (DP+least square correction) commence avec lexcution de lalgorithme DP. Puis, la position des sommets y est ajuste de sorte minimiser
la fonctionnelle J(x), de la mme manire que pour lalgorithme prcdent (gure 4.3). Par
100

4.1 Mthodes de discrtisation adaptes aux AEM

consquent, toutes les coordonnes des vertices initiaux doivent tre gardes en mmoire.
Lavantage de cette mthode est quelle peut tre utilise aprs une simulation pour rectier
une partie de la gomtrie de laquifre par exemple.
Ces mthodes algorithmiques ne sont pas dpendantes du type de courbes gomtriques de
la discrtisation (arc curviligne, courbes de Bzier, . . . ). En eet, linterpolation par moindres
carrs peut permettre dapprocher les sommets initiaux par une courbe curviligne (gure 4.4).
Par contre, la mthode pour estimer lcart entre les deux courbes devient non linaire. Deux
mthodes peuvent tre utilises pour estimer lcart maximal entre les deux courbes.

Cercle de tolrance
Nouvelle position accepte

Sommet le plus loign

Arc de rgression

Premire estimation

Arc de rgression

Premier sommet
dernier sommet

Figure 4.4 Mthode de localisation des sommets avec lalgorithme de gnration du maillage
curviligne.

Toutes ces mthodes ont pour point commun dutiliser le critre spatial LDP qui correspond
la rsolution de la discrtisation qui est souhaite sur le domaine modlis. Cette rsolution
peut tre uniforme ou graduelle suivant lobjectif de la modlisation et de la rsolution des
donnes disponibles. Prenons par exemple le cas dun problme multi-chelles o une zone
prcise intresserait lutilisateur. La rsolution peut augmenter graduellement en fonction de
la distance cette zone. Elle peut aussi tre fonction dune loi dpendante de la propagation
des erreurs de discrtisation dans les rsultats de simulations, similairement aux lois qui ont
t estimes au chapitre 3.
Enn, ces direntes mthodes algorithmiques sont facilement intgrables dans une procdure automatique de gnration de maillage, en y apportant une certaine objectivit dans
la dmarche de modlisation.
101

Chapitre 4 Nouvelles approches de discrtisation

4.1.4

Reconnaissance de formes elliptiques pour la discrtisation

Les solutions particulires dveloppes pour lellipse sont trs utilises dans la mthode des
lments analytiques. Elles succdent naturellement celles obtenues pour le point, le segment,
larc de cercle et le cercle. Ces solutions se calculent ecacement tout en rduisant de manire
signicative le temps de calcul qui est ncessaire pour le calcul de la solution obtenue sur
un polygone de forme similaire. Extraire ces formes gomtriques simples de lensemble des
donnes gorfrences permet dexploiter au mieux les possibilits oertes par les lments
analytiques. La simulation y devient plus ecace et plus rapide.
La dtection de cette primitive gomtrique est un problme qui t trs tudi du fait
de ses possibles applications dans de nombreuses disciplines. La mthode qui semble la plus
pertinente pour notre problmatique est la reconnaissance dune ellipse daprs un ensemble
de points. En eet, la rsolution de la discrtisation est normalement nettement moins prcise
que celle des donnes. Rsoudre le problme pour une polyligne serait inadapt car la complexit algorithmique y serait trop importante.
Beaucoup de mthodes ont t proposes pour dtecter ces formes elliptiques. Pour dtecter des formes simples dans les images, les algorithmes de votes comme la transforme
de Hough [28, 41] sont trs populaires. Elles sont robustes et peuvent dtecter plusieurs primitives en mme temps, mais elles sont gnralement assez lentes et requirent une mmoire
importante. De toutes faons, elles ne sont pas vraiment adaptes la structure topologique
des donnes dun SIG.
Lautre famille est forme des mthodes doptimisation qui cherche minimiser une fonction dobjectivit (mthode des moindres carrs). Cette fonctionnelle caractrise la correspondance entre la forme elliptique estime et lensemble des points donns. Ces mthodes assez
rapides ne peuvent faire correspondre quune seule forme la fois, ce qui nest pas gnant
pour notre problmatique.
Les algorithmes qui en dcoulent sont typiquement bass sur la correspondance une forme
conique gnrale [7, 33]. Des contraintes y sont ajoutes an davoir une solution de la forme
dune ellipse. Dans le cas de donnes incompltes ou non uniformes, des amliorations des mthodes prcdentes ont t proposes selon une approche directe par moindres carres [31, 32].
Ces divers travaux ont permis de rendre ecaces les algorithmes permettant de faire correspondre une ellipse avec un ensemble de points. Comme les donnes SIG sont assez rgulires,
les mthodes doptimisation classiques bases sur une forme conique gnrale sont susamment ecaces pour apporter une solution adapte notre problmatique.
La structure topologique des donnes est dabord considre correcte. Chaque polygone
doit tre form dune polyligne ferme o les vertices sont espacs dune distance infrieure
102

4.1 Mthodes de discrtisation adaptes aux AEM

LDP . La dmarche adopte est dappliquer lalgorithme doptimisation de forme aux vertices
de la polyligne pour en obtenir une ellipse (gure 4.5).
Cela peut se faire automatiquement sur toutes les formes polygonales. Il serait nanmoins
plus appropri que lutilisateur fasse une prslection de ces formes polygonales.

Ellipse

Nud

Figure 4.5 Schmatisation dune ellipse obtenue par une optimisation de forme utilisant
les vertices dune polyligne ferme.

Ensuite, plusieurs critres peuvent servir de contrainte lalgorithme doptimisation de


forme pour permettre de vrier un certain niveau de correspondance entre lellipse estime et
sa polyligne. Ces critres peuvent aussi permettre de valider ou non la correspondance entre
une estimation dellipse gnre et sa forme polygonale dorigine :
le critre de lcart entre les centres de gravit,
le critre de la correspondance des aires avec un cart infrieur L2DP .
Ensuite, il sagit destimer la correspondance entre les deux formes par une estimation de
lcart maximal entre celles-ci. Cest une estimation en norme innie de lcart entre les deux
courbes gomtriques.
Lestimation ne peut tre applique directement sur lellipse. Les intersections entre lellipse et la polyligne dorigine doivent tre pralablement calcules ou alors cela doit tre fait
durant lalgorithme. Ensuite, pour Hausdor, des points espaces dune distance infrieure
LDP sont dnis le long de lellipse. Pour cela, les 4 extrmites de lellipse sont pris en compte
puis les points sont rpartis uniformment selon un intervalle infrieur LDP .
Ensuite, nous calculons la distance de chacun des sommets la courbe elliptique. Si un des
sommets se trouve au-del de la distance de tolrance LDP , la forme elliptique est considre
invalide. Sinon, nous dnissons par umax le point le plus loign de lellipse. Sa distance caractrise le niveau de correspondance entre le polygone et lellipse. Une approximation elliptique
103

Chapitre 4 Nouvelles approches de discrtisation

acceptable aura une correspondance au polygone infrieure LDP .


Lestimation de la distance dun point une ellipse est un algorithme non linaire. Dautres
mthodes plus performantes comme la distance de Hausdor (prsente la section 4.2.2)
peuvent tre utilise pour estimer la norme innie entre les 2 formes gomtriques. Elle sapplique sur chacune des sections dnies entre 2 intersections entre lellipse et la polyligne
ferme.

4.1.5

Prservation des proprits physiques

Dans le processus de discrtisation suivi au chapitre 2, nous avons pu mettre en vidence


les notions dapproximations algbrique et gomtrique :
 Lapproximation gomtrique est la simplication de la reprsentation spatiale de linformation. Pour les AEM, cela consiste simplier la reprsentation vectorielle du modle
continu. Pour les FDM, cest la traduction de cette reprsentation vectorielle en une
grille.
 Lapproximation algbrique consiste dgrader les valeurs imposes sur cette forme gomtrique. Cela permet de conserver une certaine analogie avec les proprits physiques
des entits de laquifre.
Ces deux types dapproximation sont troitement lis puisquune modication de la gomtrie implique une erreur sur les donnes algbriques attaches et rciproquement.
Chacune des formes gomtriques possde des attributs algbriques qui se rapportent aux
caractristiques physiques de llment hydrogologique. Pour rectier lerreur qui est induite
par la modication de la gomtrie, il faut modier la valeur des caractristiques physiques
attribues aux entits hydrogologiques. Ainsi, on conserve la correspondance physique par
rapport la condition physique continue.
Lexpression de la condition de rivire (dj t expos au chapitre 2) exprime le ux
maille
qriv

en fonction de la rsistance r par


qriv =

n r
r

avec

r=

E
kz

(4.2)

E
kz W

(4.3)

et pour une condition de rivire linique par


Qriv =

n r
R

avec R =

Ces quations sont fonction du niveau deau du euve r , de la charge pizomtrique de


la nappe n avec E lpaisseur du lit, kz la permabilit locale et W la largeur de la rivire.
104

4.2 Estimation de lerreur de discrtisation

e ou de laire
La correction de lattribut physique est donne en fonction de la longueur L

e de la simplication par
A

kc A
kec =
e
A

(4.4)

ou pour une condition de rivire linique :

kc L
kec =
e
L

(4.5)

Pour les cas dune condition de ux sur une polyligne ou de recharge sur un polygone, la
correction se fait par

et pour une recharge par

qe =
qe =

qL
e
L

qA
e
A

(4.6)

(4.7)

e [L2 ] est laire de la simplication de forme polygonale ou elliptique.


o A

4.2
4.2.1

Estimation de lerreur de discrtisation


Notion dlments actifs et passifs

Les lments analytiques peuvent tre classis en fonction de leur inuence sur lcoulement. Les lments actifs sont nomms ainsi car ils gnrent un ux par nature. Ces lments
reprsentent les conditions limites de type Dirichlet ou Neumann. La condition impose sur
lobjet peut changer, mais ils sont toujours construits partir de llment analytique linesink
(ligne source) qui est llment mathmatique lorigine du ux.
Du fait quils crent un coulement dans laquifre, leur inuence stend thoriquement
jusqu linni. Une erreur de discrtisation implique une propagation de lerreur de simulation
sur tout le domaine.
Les lments dit passifs ne font que ragir aux autres lments. Ils se construisent
partir dune linedoublet (ligne doublet) et ne produisent donc pas dcoulement. Ils sont
calculs en fonction de linuence des autres lments. Ils aectent localement lcoulement,
par consquent ils introduisent une erreur de modlisation spatialement born.

105

Chapitre 4 Nouvelles approches de discrtisation

4.2.2

Mesures spatiales de la discrtisation

La mthode la plus naturelle pour estimer lerreur de discrtisation est de comparer lcart
gomtrique entre les formes originelles et leurs approximations. Plusieurs mthodes de mesures spatiales sont possibles pour valuer la qualit du maillage.
La distance de Hausdor dH permet destimer cette erreur spatiale selon une approximation
discrte de la norme innie. Elle sexprime en fonction de lensemble des vertices U de la
polyligne originelle et de ceux de la forme simplie V par :
dH (U, V ) = max (h(U, V ), h(V, U ))

(4.8)

h(U, V ) = max min ku vk

(4.9)

avec

uU vV

Nud

h(U,V)

h(V,U)

Nud

Nud
Nud
V

Figure 4.6 Reprsentation de la distance de Hausdor.


Plus lchantillonnage des courbes est n, plus cette distance se rapproche de la norme
innie L , mais alors cette mthode peut devenir coteuse. Pour aner la prcision de cette
erreur, la mthode alternative revient estimer la distance dun point la courbe en minimi-

sant la distance entre ce point et sa projection sur la courbe. La distance D est alors calcule
par :
D(U, V ) = max{dist(u, V )}
uU

(4.10)

o dist(u, V ) est la distance entre le point u et la forme gomtrique V . Elle se caractrise


par la distance minimale entre le point u et une projection sur V .
Il peut tre aussi trs utile de comparer les formes gomtriques par des critres spatiaux
faciles estimer :
106

4.2 Estimation de lerreur de discrtisation

Laire entre le maillage obtenu et le contour original,


La dirence de primtre entre la courbe du maillage et loriginale.
travers cette estimation de la qualit du maillage, le maillage peut tre localement ajust,
voir ran.

Lgende
Critre de l'Aire
Discrtisation de la rive gauche
Contour original de la rive gauche
Fleuve Loire
Bassins

0 25 50

100 mtres

Figure 4.7 Mesures spatiales de la discrtisation.

Avec la mme ide, la discrtisation algbrique peut tre value en utilisant la norme
quadratique entre les valeurs dorigines et les nouvelles. Puisque les reprsentations algbrique
et gomtrique sont fortement lies entre elles, ces critres doivent tre interprts avec prcaution.

Ces mesures de la discrtisation restent spatiales. Elles permettent de bien valuer lerreur
sur les lments passifs puisque leur erreur est essentiellement due la reprsentation spatiale
de ces lments (ils ont un dbit nul). Par contre, lerreur induite par les lments actifs est
aussi due au ux gnr. Cest pourquoi, nous avons dvelopp des estimateurs plus adapts
ce type dlment.
107

Chapitre 4 Nouvelles approches de discrtisation

4.2.3

Estimateur local a posteriori

Nous avons tabli un critre local permettant destimer lerreur de discrtisation en fonction
du rsultat de simulation. Il sert pour les entits hydrogologiques du type actif comme par
exemple la condition rivire.
Cet estimateur physico-gomtrique combine les caractristiques physiques et gomtriques
de llment par
Edloc =

(4.11)

Tmax Ldp L

Cest un critre sans dimension qui dpend du dbit total Q gnr par llment, de sa
longueur L, de laire A situe entre la polyligne originelle et sa simplication, de la rsolution
LDP issue du processus de discrtisation et de la transmissivit maximale de laquifre donne
par Tmax = (k )max . La gure 4.8 montre une schmatisation des dirents paramtres du
critre.

Aire
< LDP

L
Q

Figure 4.8 Schmatisation de lestimateur local.

La premire partie du critre peut tre interprte au signe prs comme une estimation
moyenne du gradient de la charge, puisque la loi de Darcy nous donne localement la relation :
Q
Tmax L

qmoy
= moy
Tmax

(4.12)

avec qmoy et moy des valeurs moyennes sur la ligne.


La deuxime partie du critre est forme de paramtres spatiaux et reprsente un dimensionnement de llment en fonction dune rsolution dnie par LDP .

108

4.2 Estimation de lerreur de discrtisation

4.2.4

Estimateur global a posteriori

Nous souhaiterions maintenant estimer cette erreur de discrtisation une chelle plus
globale. Pour cela, nous tablissons un critre non dimensionnel dune faon similaire au
prcdent sur une partie du maillage par :

Ed =

Qi

A
i sgn
Pi i

Tmax Ldp (

(4.13)

i Li )

o .i reprsente llment i avec son dbit total Qi , son aire Ai et sa longueur Li . Le sgni
reprsente le signe oriente de laire par rapport la gomtrie dorigine.

Discrtisation

Ai
Li

Courbe originelle

(+)

(+)
Qi

(-)

(-)
Tolrance LDP

(-)

Figure 4.9 Schmatisation de lestimateur global.

Le critre Ed est lerreur cumule dune partie du maillage. Cela peut tre vu comme
une reprsentation de lerreur de maillage une chelle dnie par le diamtre de lenveloppe
convexe intgrant cette partie du maillage. Cet estimateur permet destimer linuence quaura
lerreur de discrtisation dune partie de maillage sur lensemble de la modlisation.
Utiliser ces estimateurs derreur en complment de la mesure spatiale de la discrtisation
permet davoir une ide assez complte de lerreur de discrtisation.
Avant tout, il serait intressant de tester la robustesse de ces estimateurs sur un cas dtude
thorique comme ceux prsents aux chapitre 3. Par exemple, la robustesse de lestimateur
local pourrait tre vri sur le 1er cas thorique (cas avec un potentiel impos constant). Cela
consisterait tudier la sensibilit de ce critre par rapport aux dirent paramtres 0 z0 et
.

109

Chapitre 4 Nouvelles approches de discrtisation

4.3

Vers un outil daide la discrtisation

Ce travail a montr des extensions possibles de lalgorithme de Douglas-Peucker pour


rduire au maximum les erreurs qui sont induites par la discrtisation. Elles combinent cet
algorithme de Douglas-Peucker et une approximation par moindre carr. Leurs avantages sont
leur intgration facile dans un SIG aussi bien que la possibilit dutiliser une discrtisation
avec des lments de formes gomtriques plus sophistiques comme les lments curvilignes.
Cette dmarche de discrtisation peut intgrer des lments analytiques dont la gomtrie est
une ellipse pour orir un panel de possibilits trs varies. Il serait alors intressant de pouvoir
estimer la meilleure gomtrie du point de vue algorithmique.
Avec ces algorithmes, de nombreux outils permettent dvaluer lerreur de discrtisation,
ainsi que les erreurs de simulation induites. Par consquent, lutilisateur peut valuer la qualit
globale de son modle avant et aprs la simulation. Il peut choisir dajuster ou de raner le
maillage avant ou aprs la simulation pour satisfaire au mieux son objectif de modlisation.
Lintrt que prsenterait un processus semi-automatique de discrtisation adapt une
structure objet et vectorielle dans le SIG dcoule de cette partie du travail. Ces dirents
algorithmes pourraient sintgrer dans un outil daide la discrtisation qui permettrait
lutilisateur davoir sa disposition plusieurs outils pour lassister dans ses tches de modlisation, en contribuant ainsi une grande rigueur dans sa dmarche de modlisation.

110

Chapitre 5

Nouveaux lments analytiques 1D en


rgime transitoire
a mthode des lments analytiques pour le rgime permanent a t prsent lors des

prcdents chapitres. Tout en conservant la reprsentation objet des lments analy-

tiques, de nouveaux lments ont aussi t mathmatiquement dvelopps pour rsoudre une
varit de problmes plus importante Strack [66, 65]. Chacun de ces lments analytiques
permet de reprsenter un comportement physique comme le leakage. Cela reprsente les diffrents changes verticaux qui peuvent intervenir entre 2 aquifres spars par un aquitard,
mais aussi lors de la reprsentation dun coulement souterrain en rgime transitoire.
Pour le rgime transitoire, il sagit de rsoudre lquation fondamentale en rgime transitoire tout en conservant une dcomposition de la solution en lments analytiques. Nous avons
choisi de rsoudre le problme dune variation brusque du niveau deau dune rivire scoulant dans un milieu aquifre. Par une discrtisation nie du temps, la solution de ce problme
pourrait aisment reprsenter les variations temporelles du niveau deau dune rivire.
Nous avons choisi de rsoudre dabord ce problme en 1D pour limiter les erreurs dues au
calcul des lments analytiques eux-mme et se focaliser sur le comportement numrique de
la rsolution.

5.1

Problme physique

Nous considrons la simulation dune variation brusque de potentiel de charge sur une
coupe verticale dun aquifre centre sur une rivire positionne en x = 0 (gure 5.1). Laquifre est libre, de milieu considr homogne et isotrope, de permabilit k [L/T ] et de coefcient demmagasinement Sp [.]. La base de laquifre est horizontale et considre comme
impermable. Le niveau initial de la nappe est considr constant et dlvation de rfrence
= 0.
111

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire


Rivire

Sol

x3
x

Substratum
Figure 5.1 Variation brusque de potentiel

La rivire subit une variation brusque du niveau deau t = 0. Le saut eectu est de
1 init .

Les conditions du problme physique sont alors :


pour

(x, 0) = init

pour

(0, t) = 1

5.2

(5.1)

x 6= 0

(5.2)

t0

Formulation gnrale

Rappelons lexpression du potentiel complexe [L3 /T ] :


1
= k h k h2
2

avec

1
=
h

dx3

(5.3)

o x3 est laxe de coordonne verticale et h [L] la hauteur deau dans la nappe phratique.
Notons que dans un aquifre libre, nous pouvons choisir la charge pizomtrique telle que
= h.
Lapproximation de Dupuit selon laquelle la charge pizomtrique est constante sur la
verticale permet de dduire la proprit suivante :
==h

(5.4)

Le potentiel complexe peut ainsi scrire :


=

1
k h2
2

(5.5)

De plus, lquation fondamentale dun coulement en rgime transitoire, obtenue par le


principe de conservation de la masse, peut tre formule en terme de potentiel (Strack [63],
eq. 16.15) :
2 = Sp

h
N
t

112

(5.6)

5.2 Formulation gnrale

o Sp [.] est le coecient demmagasinement et N [L/T ] linltration verticale uniforme.


Daprs lhypothse de Dupuit (quation 5.4), le potentiel complexe peut se dvelopp
par

= kh
t
t

(5.7)

Nous en dduisons une formulation de lquation fondamentale pour un coulement en


rgime transitoire par
2 =

Sp
N
k h t

(5.8)

Pour ltude, h(x, t) est considr de variation faible en temps et en espace. Ainsi, cette
quation est simplie en considrant la moyenne spatiale et temporelle de la hauteur deau
sur tout laquifre hmoy :
2 =

1
t

avec

k hmoy
Sp

(5.9)

o [L2 /T ] est le coecient de diusivit. Notons quil est possible de prendre en compte
une diusivit non constante, mais les solutions exactes de cette quation ne sont plus exploitables. De plus, pour ltude propose ici, cela complique inutilement la forme des solutions
obtenues.
Lerreur rsultante de cette approximation est donne par :
=

k (h hmoy )
Sp

(5.10)

Pour donner un ordre dide physique, des valeurs proches de celle dun aquifre alluvial
peu pais (lcozone du Forez par exemple) sont prisent en compte. Soit une permabilit
moyenne k 103 m/s avec sa valeur maximum kmax = 5 103 m/s, une hauteur deau
moyenne hmoy 5 m avec |h hmoy | < 1 m, et un coecient demmagasinement encadr par
0.2 Sp 0.3 ; une estimation de lerreur est :


k (h hmoy )

< 0.05 m2 /s
|| =

Sp

(5.11)

Et lerreur relative peut tre estime par :

|h|
1
||
=
= 0.2

h
5
113

(5.12)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

5.3

Solution exacte

La solution exacte de ce problme, donne par Carslaw et Jaeger [9] est :


(x, t) = init + (1 init ) erfc x

1
4t

(5.13)

avec
2
erf(u) =

erfc(u) = 1 erf(u)

ev dv

(5.14)

La fonction erfc(u) tend vers 0 lorsque u tend vers linni. Nous pouvons donc dnir umax
fonction dune prcision numrique et de la variation de charge 1 init tel que
erfc(umax )

1 init

(5.15)

Ainsi, pour u > umax , le potentiel = init + peut tre assimil init . Cela nous
permet den dduire la distance dinuence d du potentiel atteinte lorsque u = umax :
d=

(5.16)

4 t umax

Maintenant, calculons analytiquement la solution exacte de (x) qui reprsente le Laplacien


de (x). La drive premire de erfc(u) est donne par
2
2
erfc (u) = eu

(5.17)

Ainsi, la drive seconde de erfc(u) est :


2
2
erfc (u) = eu (2 u)

(5.18)

La solution exacte (x) peut donc scrire


(x) = (1 init )

1
2
eu u
t

114

avec

u=x

1
4t

(5.19)

5.4 Rsolution du problme en rgime transitoire

5.4

Rsolution du problme en rgime transitoire

Nous proposons de rsoudre ce problme par un schma aux dirences nies centres en
temps de la forme :

= 2


2
20
=
0 +
t
t

(5.20)

avec la recherche dune solution dcompose sous la forme :


a

ns

(5.21)

=++
a

ns

o est une fonction harmonique, est une fonction bi-harmonique, est une srie
polynmiale permettant de satisfaire lquation direntielle au sens des moindres carrs.
Pour justier cette forme, nous remarquons dabord que lquation 5.20 peut se mettre
sous la forme dune quation de Helmholtz modie avec un terme dinltration N :

2 =
o =

t
2


et N = 0 +

20
t

(5.22)

X
n1
Considrons n avec n N dnis par n =
. Alors le potentiel =
n est

n=0
solution de lquation de Helmholtz sans le terme dinltration N , puisque

2 =
=
=

n=1

car 2 0 = 0

(5.23)

n1

n=1

X
n

n=0

2 n

(5.24)
par changement de variable implicite sur n

(5.25)

(5.26)

Maintenant, si nous considrons dcompos sous la forme :


=

n=0

ns

n +

ns

avec 2 = N

alors est bien solution de lquation 5.22.

(5.27)

ns

Une srie de fonctions singulires n de degr impaire et une fonction non singulire
pouvant tre reprsente par une srie de monmes est ainsi obtenue.
115

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

les drives successives du potentiel tendent vers zros. Nous considrons qu partir

ns

de lordre 6, il est susant de les approcher par une fonction non singulire. La fonction

introduite permet de toujours vrier lquation de diusivit (quation 6.1) aux points de
contrles du domaine. Elle permet donc dapprocher tous les termes singuliers non pris en
compte directement.
Dans la suite, les formes analytiques choisies pour les potentiels 1D sont justies par
rapport aux potentiels complexes 2D existants.
a

5.5

ns

Formes analytiques des diffrents potentiels , et

Nous allons construire des fonctions quivalentes aux fonctions analytiques 2D existantes
a

ns

(appeles aussi lments analytiques), puis en dduire la forme des fonctions , et . Nous
les appellerons lments analytiques 1D en rfrence leurs homologues 2D. Celles-ci seront
choisies de telle sorte que et soient nulles et de drives nulles en limite dinuence du
phnomne transitoire, i.e. une racine de multiplicit 4.

Dans un premier temps, nous verrons la forme 1D de llment linesink . Cest une
singularit harmonique qui tait dj utilise dans la mthode des lments analytiques en
rgime permanent et qui permet de modliser une rpartition de source. Ensuite, la forme
b

de llment divergence linesink permettant de modliser linltration verticale gnre par


ns

la rpartition de source sera dveloppe. Enn, la forme du potentiel non singulier sera
explicite. Cet lment permet de reprsenter les phnomnes assimils comme non singuliers.
Dans notre cas, cela permettra de satisfaire lquation de diusivit en des points choisis dans
le domaine.

5.5.1

Forme de llment linesink

Pour reprsenter au mieux linuence dun lment linesink dans le cas une dimension,
nous avons choisi de partir de la forme bi-dimensionnelle de llment linesink avec rpartition
de charge constante (Strack [63], quation 25.7 p285) :
a

L
= g0 =
2D
4





z2 z1
(Z + 1) ln (Z + 1) (Z 1) ln (Z 1) + 2 ln
2
2

(5.28)

avec L la longueur de llment. Le changement de variables suivant est utilis :

Z=

1
2

1
2

(z1 + z2 )
(z2 z1 )

avec

2i
z
L

z1 =

i L
2

et z2 =

iL
2

(5.29)
(5.30)

116

5.5 Formes analytiques des diffrents potentiels

+i L2

y
x

i L2

Figure 5.2 Potentiel complexe 2D dune linesink de densit constante

Cet lment, schmatis sur la gure 5.2 est positionn sur laxe imaginaire et centr en 0.
Lvaluation sur laxe rel dun lment linesink de longueur innie permettra de reprsenter
linuence dune singularit dans le cas 1 dimension.
a

Le potentiel peut se mettre sous la forme :


a

(z) =

1
ea (z)
[g0 + g0 ] = (g0 ) = G
2

(5.31)

ea (z) donne :
Pour z [1, 1], le dveloppement de G
"

#


4 z arctan 2Lz
4 z2
2 z
z
ln 1 + 2
+
sign( ) + (C)
L
L
L
L




2z
4 z2
L
z
1
L
ln 1 + 2 arctan
(C)
+ |z| +
=
4
L

L
2
4

ea (z) = L
G
4

(5.32)
(5.33)

Un dveloppement asymptotique de lexpression prcdente lorsque L tend vers linni


implique :
ea (z) = 1 |z| + L (C) 1 z 2 + O
G
2
4
L

1
L2

(5.34)

Choisissons C = 0 et faisons tendre L vers linni, alors nous obtenons lexpression nale
de la forme 1 dimension :

ea (z) = 1 |z|
G
2
117

(5.35)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Cette fonction est harmonique pour z R \ {0} et sera exprime avec la variable locale X.

Un polynme de correction est ensuite ajout pour permettre davoir la proprit souhaite
(racine de multiplicit 4) la distance dinuence d, i.e. pour |X| = 1. Nous obtenons alors :
1
Ga (X) =
2




5 4 15 2
5
1 6
X
X +
X +
|X|
16
16
16
16

(5.36)

Le calcul de la drive seconde de Ga nous donne lexpression analytique suivante :


1
2 Ga
(X) =
2
X
2

15 4 30 2 15
X
X +
8
8
8

(5.37)

Cette expression sera utile lors du calcul de pour la rsolution du problme numrique.

5.5.2

Forme de llment divergence linesink


b

Soit dni par :


b

= Gb (X)

(5.38)

La fonction est choisie de telle sorte que


d2 Gb
= Ga
dX 2

(5.39)

Une intgration double en X donne :


Gb (X) =

1 2
X |X|
12

(5.40)

Ce qui est bien une fonction bi-harmonique en X.


Pour faire la correspondance avec les lments 2D dvelopps par Strack, nous pouvons
remarquer que la partie relle de lintgrale double en Z et Z dune fonction complexe est
gale lintgrale double en X de la partie relle de cette fonction. Cette fonction correspond
exactement la partie relle 1D de la fonction divergence linesink 2D.
De mme que pour llment linesink, pour permettre davoir le comportement souhait
la distance dinuence d pour chaque pas de temps (racine de multiplicit 4), un polynme de
correction est ajout :
1
Gb (X) =
12




1 6
9 4
9 2
1
2
X +
X +
X
X |X|
16
16
16
16
118

(5.41)

5.5 Formes analytiques des diffrents potentiels

Le calcul de la drive seconde de Gb nous donne lexpression analytique suivante :


2 Gb
|X|
1
(X) =

X 2
2
12

15 4 54 2 9
X +
X +
8
8
8

(5.42)

Cette expression analytique sera galement utile lors du calcul de pour la rsolution du
problme numrique.

5.5.3

quivalent 1D du potentiel non singulier

La forme de la fonction non singulire en 2D est la suivante :


ns

= ( 1)4

2D

M
X

m=0

m
X

n=0
n+mM

amn Tm (Z)Tn (Z) + amn Tm (Z)Tn (Z)

(5.43)

o = 1 le long dune ellipse reprsente la distance dinuence de llment.


Les polynmes de Tchebychev ont la proprit suivante [1] :
2Tm Tn = Tm+n + Tmn

pour

mn

(5.44)

Cela nous permet den dduire la forme quivalente une dimension :


ns

= ( 1)

N
X

an Tn (X)

(5.45)

n=0

o = 1 pour une distance d qui reprsente la distance dinuence de leet transitoire de


x
llment. Son expression en coordonnes locales X = est alors = X. Do :
d
ns

N
X

an Gn (X)

(5.46)

n=0

o Gn (X) = (X 2 1)4 Tn (X).

Par la suite, la notation Tn (X) = Tn sera considre par souci de simplication dcriture

des polynmes de Tchebychev.


ns

Le Laplacien de peut se mettre sous la forme suivante :


ns

X
2 Gn
2
a
=
(X)
n
X 2
X 2

(5.47)

n=0

puisque Gn (X) = ( 2 1)4 Tn (X), la drive premire est obtenue :


Gn
= 4( 2 1)3 2X Tn + ( 2 1)4 Tn
X
119

(5.48)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

et la drive seconde en X :

2 Gn 
= 48 ( 2 1)2 X 2 + 8 ( 2 1)3 Tn + 16 X ( 2 1)3 Tn + ( 2 1)4 Tn
2
X

5.5.4

(5.49)

Calcul de Tn , Tn et Tn

Le calcul numrique des polynmes de Tchebychev seectue de faon classique laide de


la formule de rcurrence suivante :
Tn+1 = 2X Tn Tn1

(5.50)

avec T0 = 1 et T1 = X.
Le calcul de la drive des polynmes de Tchebychev sobtient en drivant la formule de
rcurrence prcdente :

= 2 Tn 2 X Tn Tn1
Tn+1

(5.51)

avec T0 = 0 et T1 = 1.
Une drivation des termes de lquation direntielle prcdente nous permet den dduire
la relation pour le calcul de la drive seconde des polynmes de Tchebychev Tn :

Tn+1
= 4 Tn + 2 X Tn Tn1

(5.52)

avec T0 = 0 et T1 = 0.
Tous ces dveloppements analytiques nous permettrons dobtenir la forme de la matrice
dinuence et du second membre du systme dquations 5.20 rsoudre.

5.6

Assemblage de la matrice dinfluence et du second membre

Pour rsoudre ce systme, nous avons choisi de combiner un schma numrique en temps
(dirences nies centres) avec une mthode de rsolution par moindres carrs pour chacune
des itrations. Pour bien rsoudre ce problme, il est ncessaire de choisir judicieusement les
conditions aux limites imposer qui seront assimiles des contraintes pour les moindres
carrs.
Lors de la rsolution, il faudra faire attention au phnomne de Runge [24] qui est notamment trs bien mis en vidence lors de lutilisation dune interpolation de Lagrange avec
rpartition uniforme des points de contrles sur le domaine D = [1, 1]. Nous noterons sa

frontire par D = {1, 0, 1}.

Par souci de simplication des critures, nous considrons que ltat initial 0 se situe

au niveau de rfrence 0, ainsi 0 = 0, et que le saut eectu est unitaire, ainsi 1 = 1.

Le problme peut toujours tre ramen un problme plus classique de niveau de rfrence
120

5.6 Assemblage de la matrice dinfluence et du second membre

quelconque par une simple translation et de saut de potentiel quelconque par un facteur
dchelle sur laltitude.

5.6.1

Points de contrles

Pour satisfaire lquation direntielle, des points de contrles {Xj , j = 1, .., J} rpartis

dans le domaine sont utiliss. Le nombre de ces points devra toujours tre suprieur au degr
du polynme dinterpolation, cest dire J > N , pour permettre davoir un systme surdtermin.
La rpartition de Tchebychev est dnie par :


(j 1)
Xj = cos
Jloc

avec

j = 1, .., Jloc

(5.53)

Puisque la rpartition des points de contrles peut tre un facteur inuenant la rsolution, nous allons aussi tudier deux autres rpartitions de points de contrles direntes : la
rpartition uniforme classique excluant le point X = 0 et une rpartition suivant la solution
exacte et dnie par :
Yj = erf(umax Xj ) avec

j = 1, .., Jloc

(5.54)

o {Yj , j = 1, .., Jloc } est une rpartition quidistante sur ]0, 1[.

Ensuite, un dcoupage et une normalisation de lespace sur [1, 0[ et ]0, 1] sont eectus
pour permettre de garder une symtrie par rapport au point de singularit X = 0. Notons
que puisquune condition vrie exactement sera impose, il est inutile de le prendre comme
point de contrle. Il sera donc exclus.

5.6.2

Conditions vrifier par le systme dquations rsoudre

Rappelons que les lments analytiques 1D utiliss peuvent scrire sous la forme suivante :
ns

(X) =

N
X

an Gn (X)

(5.55)

n=0
a

(X) = Ga (X)
b

(X) = Gb (X)

(5.56)
(5.57)

Le systme dquations 5.20 sexprime en coordonnes locales par :

(X)
=

1 ((X) + 0 (X)) =
2

121

2 (X) 1
X 2 d2
1
[(X) 0 (X)]
t

(5.58)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

avec X =
sous la forme :

x
le systme de coordonnes locales et le potentiel complexe (X) recherch
d
(X) = Ga (X) + Gb (X) +

N
X

(5.59)

an Gn (X)

n=0

Incluons lquation 5.59 dans le systme dquations 5.58. Le systme dquations suivant
devra tre satisfait pour chaque point de contrle Xj :


2
2
1
(Xj )
(Xj ) 2
2
t
X
d

2
0 (Xj ) + 0 (Xj )
t

(5.60)

Ce qui sexprime sous forme matricielle par :


(5.61)

Ma=b

ou encore, sous une forme plus dveloppe :

. . . M1n . . .
.
..
..
.

. . . Mjn . . .

..
..

.
.

. . . MJn . . .

par

M1N +1
..
.

M1N +2
..
.

MjN +1
..
.

MjN +2
..
.

MJN +1

MJN +2

a0
.
.
.


an


.
.. =


aN

b1
..
.

bj

..
.
bJ

(5.62)

M est une matrice sur-dtermine de dimension J (N + 3), puisque J N + 3, et dnie

Mjn+1

2 Gn
1
2

Gn (Xj )
(Xj ) 2

t
X
d

2 Ga
1
2
=
G
(X
)

(Xj ) 2
a
j
2

t
X
d

2 Gb (Xj ) Gb (Xj ) 1
t
X 2
d2

pour 0 < n < N


pour n = N + 1

(5.63)

pour n = N + 2

b est le second membre du systme dni par


bj =

2
0 (Xj ) + 0 (Xj )
t
122

(5.64)

5.6 Assemblage de la matrice dinfluence et du second membre

et a, contenant les coecients inconnus du systme, est dni par :

an+1

an
=

pour

0<n<N

pour
pour

n=N +1
n=N +2

(5.65)

Notons que les fonctions 0 et 0 , calcules litration prcdente, doivent tre rvalues
pour la nouvelle rpartition de points Xj litration actuelle. Pour cela, la relation suivante
est utilise :



X d
0
d0
0 (X) =

pour

X<

d
d0

pour

d
d0

(5.66)

o d0 correspond la distance dinuence de litration prcdente.


Enn, il est ncessaire dinitialiser les valeurs de (x) et (x). Celles-ci seront considres
gales au potentiel de rfrence 0 = 0.
Soit k k2 la norme euclidienne discrte associe aux points de contrles Xj . Rsoudre

ce systme au sens des moindres carres signie que nous devons minimiser la fonctionnelle
quadratique suivante :
J(a) = kM a bk22

(5.67)

Le problme devient alors


Chercher

a RN +3

tel que J(a) = kM a bk22

soit minimale

(5.68)

En exprimant que a, solution de ce problme, annule la direntielle de la fonctionnelle


J(a), cest dire J (a) = 2 M (M ab) = 0, nous montrons que le problme 5.68 est quivalent
au systme linaire suivant :
M tM a = M b

(5.69)

Notons que cette quation est appele quation normale associe au problme des moindres
carrs. La matrice M t M tant symtrique dnie positive, les mthodes de Choleski ou du
gradient conjugu peuvent tre utilises. Cependant, les quations normales sont souvent assez
mal conditionnes. Une mthode base sur la dcomposition QR (Quasi-Rversibilit) de la
matrice A [13] est prfrable.

5.6.3

Contraintes du systme dquations vrifier

Pour avoir un problme mathmatique bien pos, les conditions aux limites doivent tre
vries exactement. Cela se traduit par des contraintes imposer lors de lutilisation de
la mthode des moindres carrs. Nous parlons alors de mthode des moindres carrs avec
123

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

contraintes.
Rappelons que la forme de la fonction t choisie de sorte avoir une racine de multiplicit 4 en limite dinuence du phnomne transitoire, i.e. pour |X| = 1. Ainsi, la solution

numrique est implicitement contrainte. Mais, il est ncessaire de contraindre le systme au


point singulier X = 0 sur les fonctions et ainsi que leurs drives. Le problme sera alors
mathmatiquement bien pos.
Les deux premires conditions sur et sont dnies par :
(5.70)

(0) = 1 = 1
2

(5.71)

(0) = (x) = 0

Une relation entre les singularits dordre un et dordre trois en x sera aussi impose. Elle
permettra dtablir une relation entre , du pas de temps actuel et 0 , 0 du pas prcdent.
Notons que cela correspond nalement mettre une condition sur les drives premires de
et en zro.
e
Soit (x)
la partie singulire du potentiel . Elle sexprime par :
e
ea (X) + G
eb (X)
(X)
= G

= |X| +
|X| X 2
2
12

(5.72)

Le coecient du terme singulier dordre un, que nous noterons (x)||x| , quivalent la
drive premire en x = 0 de la partie singulire de , est donn par :
(x)||x| =

e
e

X
1
(x)|x=0 =
(X)|X=0
=
x
X
x
2 d

(5.73)

De mme, le coecient du terme singulier dordre un de la fonction (x), que nous noterons
(x)||x| , peut tre explicit par :
(x)||x|

e
3
(X)|X=0
=
X 3

X
x

3

1
2 d3

(5.74)

En utilisant les quations 5.73 et 5.74, les termes singuliers dordre un peuvent tre identis dans le schma numrique discrtis (eq. 5.58). La relation suivante est alors mise en
vidence :








1 1
1 1
1 1
1 1
=
0 +

0
t d
2 d3
t d0
2 d30

(5.75)

Nous remarquons que les contraintes exprimes par les relations 5.70, 5.71 et 5.75 peuvent
sexprimer sous la forme dun systme linaire fonction des inconnues a du systme dquations.
Ce qui peut se mettre sous la forme :
Qa = c
124

(5.76)

5.6 Assemblage de la matrice dinfluence et du second membre

o Q est la matrice des contraintes de dimension 3 (N + 3) et c est le second membre

du systme de contraintes de dimension 3 1. Leurs expressions sont donnes par


Qn+1
1

Gn (0)
=
Ga (0)

Gb (0)

pour
pour

0<n<N
n=N +1

pour

n=N +2

(5.77)

1 2 Gn

(0)
pour 0 < n < N

d2 X 2

1 2 Ga
Qn+1
=
(0)
pour n = N + 1
2

d2 X 2

1 Gb (0)
pour n = N + 2
d2 X 2

pour 0 < n < N

1 1
pour n = N + 1
Qn+1
=
3
t d

1
pour n = N + 2
2 d3

pour 0 < n < N

an
an+1 =

pour n = N + 1

pour n = N + 2

(0) = 1 = 1

(0) = 0
c=





1 1
1 1

0
0 +

t d0
2 d30

(5.78)

(5.79)

(5.80)

(5.81)

Un algorithme de rsolution par moindres carrs avec contraintes est utilis. Cela signie
que nous allons chercher minimiser la fonctionnelle J(a) (quation 5.67) dans le domaine
restreint par la contrainte linaire prcdente (quation 5.76). Le problme rsoudre devient
alors :
Chercher

a {RN +3 /Q a = c} tel que J(a) = kM a bk22

soit minimale

(5.82)

Nous pouvons montrer que cela revient nalement rsoudre le systme suivant :

a = (M T M )1 M T b
b

e = (M T M )1 QT Q (M T M )1 QT 1
Q

e (c Q b
a =b
a+Q
a)
125

(5.83)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Ces quations sont appeles quations normales associes au problme des moindres carrs
sous contrainte. De mme que pour la mthode des moindres carrs ordinaire et puisque la
matrice M t M est symtrique dnie positive, il est possible dutiliser les mthodes de Choleski
ou du gradient conjugu. Pour les mmes raisons que prcdemment (quations normales mal
conditionnes), nous leur prfrons une mthode base sur la dcomposition QR de la matrice
A [13]. Ce qui serait une amlioration apporter au code de calcul.
Cette mthode de rsolution t dveloppe de faon conserver le principe de superposition des potentiels complexes. Il est ainsi possible dajouter un potentiel complexe reprsentant
linuence des autres lments du modle aquifre au modle numrique dvelopp ici.
Une mthode de rsolution numrique assez complexe t mise en vidence. Celle-ci
combine une mthode discrtise en temps et une mthode dapproximation de fonction par
moindres carrs sous contraintes. Ces deux approches ne sont gnralement pas associes entre
elles lors de la rsolution de problme physique. Elle ne rentre donc pas dans les mthodes
de rsolution classique que nous pouvons trouver dans la littrature. Il est donc ncessaire
danalyser numriquement le comportement du modle. Cela permettra den dduire le comportement numrique dun modle utilisant les lments analytiques 2D.

5.7

Un premier rsultat numrique

Par la suite, un coecient de diusivit = 1 est considr et nous nous focalisons sur
le cas dune variation brusque unitaire du niveau de la rivire, i.e. 1 = 1. De plus, ltat
initial sera considr constant de potentiel de rfrence 0 = 0.

Un premier rsultat numrique est reprsent sur la gure 5.3. Un extrait du script de
rsolution sous Scilab montre les paramtres qui ont t utiliss :
nbpts = 100;

//Nombres de points de contrles rpartis aux racines

des polynmes de Tchebychev


N = 6;

//Degr du polynme de la partie non singulire

Dt=.1;

//Pas de temps

NBiter = 10;

//Nombre ditrations maximale

La gure 5.3 compare les solutions numriques de et obtenues aprs une itration
et les solutions exactes obtenues daprs les rsultats thoriques (quations 5.13 et 5.19). La
gure 5.4 montre lvolution de la norme euclidienne du rsidu Emc = kM a bk2 induit par

la rsolution par moindres carrs en fonction de litration du schma numrique.

Notons que lcart entre la solution numrique et sa solution exacte ex est dpendant
dun facteur dchelle t par rapport lerreur sur la solution . Le facteur
dans lquation 5.58 explique cette observation.
126

1
t

apparaissant

5.7 Un premier rsultat numrique

Calcul de Phi et gamma aprs 10 itrations en temps


Phi et gamma
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

1.0
1.0

0.8 0.6
Phi_ex
Phi_cal
gamma_ex

0.4

0.2

0.2
0.4
gamma_cal

0.6

0.8

1.0

Figure 5.3 Comparaison entre les solutions numriques de et aprs 10 itrations avec
leurs solutions exactes respectives

Evolution de Emc dans le temps


Emc
100
90
80
70
60
50
40
30
20
10

it

0
1

10

Figure 5.4 volution de lestimateur derreur Emc = kM a bk2 en fonction de litration

127

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Notons que les coecients an pour n impaire sont nuls. Cela se justie par la parit en
X = 0 de la fonction recherche et du fait que tout polynme de Tchebychev de degr
impair est impair.

5.8

Comportement des termes singuliers dordre un et trois

Les termes singuliers calculs partir de la solution numrique seront compars par rapport
ceux obtenus daprs les solutions exactes ex (x) (quation 5.13). Utilisant les valeurs 0 = 0
et 1 = 1, la solution exacte sexprime :
(x) = 1 + erf(u) avec

u = |x|

1
4t

(5.84)

Un dveloppement analytique de la fonction erf nous donne [1] :

2 X (1)n u2n+1
erf(u) =
u n=0 n! (2n + 1)

(5.85)

Les termes singuliers exacts dordre un et trois en sont dduits :


2
1
(x)||x| =
4t
2
(x)||x|3 = (4t)3/2
3

(5.86)
(5.87)

Utilisant lexpression numrique des termes singuliers dordre un et trois de , les inconnues
et peuvent tre relies aux valeurs exactes des termes singuliers par :
1
2
= (4t)1/2
d 2



2
1
1
= (4t)3/2
d3 12
3

(5.88)
(5.89)

Reprsentons les relations formules par les quations 5.88 et 5.89 sur la gure 5.5 et
observons leur volutions temporelles.
Les termes de gauche correspondent aux singularits calcules (courbes bleu et cyan) et les
termes de droite correspondent aux singularits exactes (courbes noire et verte). Notons que
les paramtres utiliss sont les mmes que pour le calcul prcdent reprsent sur la gure 5.3.
Lvolution de lerreur sur la singularit dordre 2 t factoris par t. Il est ainsi facile de
remarquer que lamplitude et le comportement des erreurs deviennent similaires.
Une convergence rapide de chacune des singularits calcules vers leurs solutions exactes
respectives est observe. Cela conrme le comportement de la solution dj observ sur la
gure 5.3.
128

5.9 tude de la consistance du schma numrique

Evolution temporelle des singularits dordres un et deux


singularits
2.3
1.9
1.5
1.1
0.7
0.3
0.1
0.5
0.9
0.1

t
0.2
0.3
0.4
Ordre 1 exacte
Ordre 1 calculer
Ordre 2 exacte (x Dt)

0.5

0.6

0.7
0.8
0.9
Ordre 1 calculer (x Dt)

1.0

Figure 5.5 Singularits dordre un et deux exactes et calculs


Sans conclure dnitivement, nous pouvons dj remarquer que la solution numrique ncessite un certain nombre ditrations avant dobtenir un comportement rgulier de la solution
numrique.

5.9

tude de la consistance du schma numrique

La consistance est la proprit qui traduit le fait que toute solution exacte rgulire vrie
le schma discret avec une erreur qui tend vers 0 quand t 0. Notons 1 la valeur du
potentiel calcul au temps t +

t
2 .

Soit les dveloppements de Taylor de en fonction de 1 et de 0 en fonction 1 :


2

t
2
2
t
= 1 +
2
2

0 = 1

1
2

t
1
2

+ O(t2 )

(5.90)

+ O(t2 )

(5.91)

En incluant ces dveloppements de Taylor dans le schma numrique 5.58, nous obtenons :
1

"

+ O(t ) =

1
( + 0 )
2

(5.92)

Lerreur de troncature ET reprsente lerreur commise en remplaant les drives partielles


exactes par leurs approximations dans lquation direntielle. Nous avons ET = O(t2 ), ce
129

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

qui correspond une consistance dordre 2 du schma numrique.


Pour mettre en vidence lvolution de cette consistance, les solutions exactes ex et ex
calcules prcdemment sont intgres dans le schma numrique. Lerreur de troncature obtenue au temps t avec un pas de discrtisation t peut ainsi tre estime en utilisant :
2
2
ex (t) + ex (t) =
ex (t + t) ex (t + t) + ET
t
t

(5.93)

La gure 5.6 montre la consistance de ce schma numrique.

ET en fonction du pas de temps Dt pour t=1


log(ET)
2

10

10

10

log(Dt)
5

10 2
10

10

Figure 5.6 Reprsentation des valeurs calcules de lerreur de troncature du schma numrique (eq. 5.93) au temps t = 1

En eectuant une rgression linaire sur les valeurs calcules, nous obtenons une consistance dordre 2.057 2 conrmant le rsultat donn par 5.92.
Maintenant, regardons lvolution de lerreur de troncature en fonction du temps. La gure 5.7 reprsente lvolution logarithmique de ET en comparaison avec lerreur Emc de la
rsolution numrique.
Le comportement de lerreur de troncature est linaire, ce qui implique un ordre de convergence calcul de 3.0938 3. Pour lerreur Emc , deux phases dans le comportement de la courbe

logarithmique peuvent tre observes sur la gure 5.7. Une premire non linaire qui nie sur
une singularit de la courbe logarithmique, puis une seconde o un convergence rgulire est
tablie. Nous estimons la convergence de la deuxime phase de lordre de 0.998 1.
130

5.10 tude du comportement de la solution numrique

ET et Emc en fonction du temps pour 200 itrations et Dt = 0.01


3

10
2

10
1

10
0

10
1

10
2

10
3

10
4

10
5

log(t)

10
6

10 2
10

log(ET)
log(Emc)

10

10

10

Figure 5.7 volution de lerreur ET et de lerreur Emc

5.10

tude du comportement de la solution numrique

La rsolution numrique dpend de paramtres tel que le pas de discrtisation t, le


nombre de points de contrles J = N bXj utiliss, leur mode de rpartition sur le domaine
(Tchebychev, uniforme, suivant la fonction erf) et le degr N des polynmes de Tchebychev
pour lestimation du potentiel non singulier.
Ces paramtres proviennent de lutilisation dune mthode itrative, comme le pas de
temps t, ou de la mthode des moindres carrs.
La norme euclidienne du rsidu de la mthode des moindres carrs Emc = kM a bk2 est

un estimateur derreur naturel. Elle permet destimer la convergence numrique du systme


dquations. Elle permet davoir une estimation de lerreur induite par la rsolution numrique
sans direncier les erreurs sur et .
Mais, cet estimateur derreur ne met pas en vidence les erreurs induites par les paramtres
numriques tels que le nombre de points de contrles, le degr N des polynmes de Tchebychev
pour lestimation du potentiel non singulier.
Ainsi, nous utiliserons en complment un critre derreur bas sur lcart maximal entre
la solution numrique et la solution exacte dni par :
Einf () =

k(X) ex (X)k
max ||

X, t

supX[1,1] |(X) ex (X)|


max ||

(5.94)

X, t

o max || correspond au maximum en temps et en espace de la variation de la hauteur


X, t

deau. Pour notre tude, elle est gale 1 m, obtenue au temps initial en x = 0. Nous
131

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

dnissons de faon identique le critre derreur Einf () de la fonction . Les valeurs par
dfaut des paramtres faisant lobjet de cette tude sont :
nbpts = 100;

//Nombres de points de contrles rpartis aux racines

des polynmes de Tchebychev


N = 6;

//Degr du polynme de la partie non singulire

Dt=.01;

//Pas de temps

NBiter = 100;

//Nombre ditrations maximale

Ces paramtres et leurs inuence sur la qualit de la simulation numrique seront successivement tudis en fonction de divers critres tels que Einf , Emc et le temps de calcul cpu
pour en dduire la meilleure conguration.

5.10.1

Influence du pas de temps t

Le pas de discrtisation reprsente un des paramtres les plus importants. Il provient de


lutilisation dun schma itratif. Nous reprsentons sur la gure 5.8, lvolution en fonction
du temps de Emc pour plusieurs pas de discrtisation t.
Erreur E_mc pour diffrents pas de temps DT
E_mc
500

400

300

200

100
t
0
0.02

0.04
0.06
Dt = 0.02
Dt = 0.04
Dt = 0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

Figure 5.8 Rsidu Emc en fonction du pas de temps t


Lerreur Emc diminue en fonction du temps, ce qui signie une convergence vers une
solution lorsque le temps augmente ; ce que nous avions dj observ lors de la premire
simulation. Nous observons galement que plus le pas de temps t est petit, plus cette erreur
est faible. Par contre, lutilisation dun pas de temps plus petit augmente lerreur Emc obtenue
la premire itration.
132

5.10 tude du comportement de la solution numrique

La gure 5.9 reprsente lerreur Einf obtenue pour des diverses simulations de pas de temps
dirents. Logiquement, la solution numrique samliore lorsque le pas de temps diminue.
Comme nous lavons dj remarqu, deux phases dans la rsolution numrique sont clairement
identiable.
Erreur E_inf de Phi pour diffrents pas de temps DT

Erreur E_inf de gamma pour diffrents pas de temps DT

E_inf

E_inf

0.20

28

0.18
24
0.16
20

0.14
0.12

16

0.10
12

0.08
0.06

0.04
4
0.02

0
0

0.1
0.2
Dt = 0.02
Dt = 0.04
Dt = 0.06

0.3

0.4

0.5

0.6
0.7
Dt = 0.08
Dt = 0.1

0.8

0.9

1.0

0.1
0.2
Dt = 0.02
Dt = 0.04
Dt = 0.06

0.3

0.4

0.5

0.6
0.7
Dt = 0.08
Dt = 0.1

0.8

0.9

1.0

Figure 5.9 Variation dans le temps de lerreur Einf en fonction de t

5.10.2

volution de lerreur en fonction de litration

La gure 5.10 montre une diminution rapide de Emc ds les premires ditrations. Le
nombre ditrations ncessaires pour que Emc soit ngligeable reste toujours infrieur 10 ;
ceci est peu inuenc par la valeur du pas de discrtisation t.
Phi et gamma(x Dt) en fonction du nombre ditrations

Erreur E_mc en fonction du nombre ditrations


E_mc

0.4

1000
900

0.2

800
0
700
0.2

600

0.4

500
400

0.6

300
0.8
200
1.0
1.2
1.0

100

iter

0
0.8 0.6 0.4
Phi
gamma (x Dt)

0.2

0.2

0.4

0.6

0.8

1.0

2
3
Dt = 0.01
Dt = 0.03
Dt = 0.05

7
Dt = 0.07
Dt = 0.09
Dt = 0.11

Figure 5.10 volution de la solution numrique pour les 10 premires itrations


133

10

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Il faut garder lesprit que cette rsolution locale serait normalement intgre dans la
simulation globale dun aquifre qui comprendrait linuence dautres lments analytiques.
Pour permettre dviter les erreurs induites par un petit pas de temps tout en gardant la
prcision apporte, nous pourrions dnir un pas de temps t de cette rsolution numrique
qui soit infrieur au pas de temps dni lchelle du modle aquifre. En dautres termes,
nous pourrions par exemple envisager de prendre en compte les valeurs de toutes les 10
itrations dans la modlisation de laquifre en rgime transitoire.
Nous pouvons aussi observer sur la gure 5.11 la variation logarithmique des divers critres
derreurs en fonction de litration.

Erreurs en fonction de litration


3

10
2

10
1

10
0

10
1

10
2

10
log(iter)
3

10 0
10

log(Einf_Phi)
log(Einf_gamma)
log(Emc)

10

10

Figure 5.11 volution logarithmique de lerreur en fonction du nombre ditrations avec


t = 0.01
Deux phases sont observables. Elle sont spares par une singularit observable sur la
courbe reprsentant lerreur Emc . La premire phase, comprenant les premires itrations,
met en vidence une convergence rapide des critres derreurs. Pour la deuxime phase, la
variation des critres derreurs devient plus rgulire. Le tableau 5.1 montre les ordres de
convergence obtenus pour la deuxime phase. Lordre de convergence de Emc et Einf () est
de 1, alors que Einf () est beaucoup plus faible.
Erreur
Einf ()
Einf ()
Emc

Ordre
.3438
.9369
.9901

Table 5.1 Ordre de convergence des erreurs en fonction du nombre ditrations


134

5.10 tude du comportement de la solution numrique

Regardons maintenant lerreur en fonction du pas de discrtisation t. Par rgression


linaire sur les courbes logarithmiques, lordre de convergence t calcul par rapport aux
critres derreurs en fonction du pas de temps t. Le tableau 5.2 montre les rsultats obtenus
divers temps t.
t
Einf ()
Einf ()
Emc

0.1
1.2888
1.8262
2.1376

0.3
1.0278
1.1556
.8552

0.5
.7469
.4929
.3798

0.7
.6224
.2426
- .0085

0.9
.5340
.1715
- .0082

Table 5.2 Ordre de convergence, fonction de t, des critres derreurs des temps xs
La convergence diminue en fonction du temps comme observ plus haut. Nous remarquons
que la convergence de Einf () est plus importante que celle de Einf () pour t = 0.1 et t = 0.3,
puis cela sinverse. La convergence numrique volue rapidement, jusqu devenir presque nulle
partir de t = 0.7.
Nous en concluons que le pas de temps devra tre choisi en fonction de la variabilit des
conditions aux limites. Plus elle sera importante, plus le pas de temps devra tre petit. En
mme temps, il nest pas ncessaire dutiliser un pas de temps excessivement petit.
Une solution serait dutiliser un pas de temps local infrieur a cela du systme global.
Par exemple, le pas de temps local pourrait tre choisi de lordre de 1/10 du pas de temps
global puisque lerreur Emc devient ngligeable au bout dune dizaine ditration.

5.10.3

Influence du nombre de points de contrles et de leurs rpartition

La faon dont les points de contrles sont rpartis peut inuencer la qualit de la simulation.
Nous avons reprsent sur la gure 5.12 trois rpartitions direntes : Une rpartition aux
racines des polynmes de Tchebychev, des points de contrles quidistants et une rpartition
fonction de la solution exacte, appele rpartition erf.
Lcart observ entre les rsultats obtenus pour une rpartition de Tchebychev et une
rpartition uniforme est trs faible, mme si de meilleurs rsultats sont obtenus avec une
rpartition uniforme. Dans notre exemple, lcart entre ces solutions numriques, au temps
t = 0.3, est infrieur 103 pour et .
La prcision de la mthode des moindres carrs dpend surtout du nombre de points de
contrles utiliss lors de la rsolution du systme. Lorsque ce paramtre augmente, la solution
samliore rgulirement jusqu lobtention dune solution optimale lorsque N bXj augmente.
Cette solution contient toujours une erreur rsiduelle. En consquence, nous avons choisi de
considrer lcart entre la solution obtenue avec 600 points de contrles et la solution numrique
obtenue avec un nombre croissant de points de contrles N bXj ; avec la notation suivante :
Edif f () =

|Einf ()(600) Einf ()(N bXj )|


max ||
X, t

135

(5.95)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Erreur E_inf de Phi

Erreur E_inf de gamma

E_inf

E_inf

0.24

90
80

0.20
70
0.16

60
50

0.12
40
0.08

30
20

0.04
10

t
0
0.01

0.05
0.09
Tchebychev
Uniforme
erf

0.13

0.17

0.21

0.25

0.29

0
0.01

0.33

0.05
0.09
Tchebychev
Uniforme
erf

0.13

0.17

0.21

0.25

0.29

Figure 5.12 Inuence du type de rpartition des points de contrles sur lerreur k k
De mme, la dirence Edif f () fonction de Einf () et la dirence Edif f (mc) fonction
de Emc sont dnies. Le tableau 5.3 rsume ces erreurs calcules, ainsi que le temps de calcul
ncessaire :
N bXj
Edif f ()
Edif f ()
Edif f (mc)
Temps cpu

14
.05749
5.739
2002
10.72

16
.008872
1.458
1971
11.00

20
.009030
.2976
1918
11.031

24
.004197
.2998
1873
11.25

28
.001612
.1283
1833
11.5

36
.0007962
.04484
1761
12.00

52
.0003240
.01282
1641
13.02

100
.0000078
.0009197
1371
15.98

300
8.527 E-07
.0000262
675.9
28.61

Table 5.3 cart entre la solution obtenue avec 600 points de contrles avec une solution
numrique obtenue avec N bXj points de contrles

Une divergence de la solution numrique pour N bXj 12 (valeurs non reprsentes sur le

tableau) peut tre observe. Dans notre exemple, la forme de la solution recherche, paire
par rapport X = 0, est un polynme de degr N + 4 = 10 avec deux fonctions singulires.
Ainsi, il est ncessaire davoir N bXj N + 8 (avec N pair) pour avoir une estimation par

moindres carrs et viter une divergence de la solution numrique. Notons que lerreur sur
est toujours dpendante dun facteur dchelle t.

Pour mieux reprsenter cette convergence, nous avons trac sur la gure 5.13 la reprsentation logarithmique de la convergence de la solution numrique en fonction du nombre de
points de contrles N bXj .
Remarquons que, logiquement, lerreur Edif f (mc) est trs peu inuence par le nombre de
points de contrles avec une convergence de lordre de .3298. Par contre, Edif f () et Edif f ()
prsentent une convergence rgulire dordre respectivement 4 3.577 et 4 3.837.

Nous remarquons que le paramtre utilis par dfaut, gal 100 points de contrles,

implique une prcision 102 prs pour et ; ce qui peut tre considr comme susant.
136

0.33

5.10 tude du comportement de la solution numrique

Erreurs en fonction de Nb_Xj


log(E_diff)
4

10
3

10
2

10
1

10
0

10
1

10
2

10
3

10
4

10
5

10
log(nb_Xj)

10
7

10 1
10

10

Phi
gamma
Emc

10

Figure 5.13 Reprsentation logarithmique des erreurs Edif f de la solution numrique en


fonction du nombre de points de contrles N bXj

Temps cpu en fonction de Nb_Xj


Temps cpu
50
46
42
38
34
30
26
22
18
14

nb_Xj

10
0

100

200

300

400

500

600

Figure 5.14 Temps cpu en fonction du nombre de points de contrles N bXj

137

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Nous remarquons que N bXj est li linairement Emc et au temps de calcul cpu. La
relation linaire entre le temps cpu et le nombre de points de contrles, reprsent sur la gure
5.14, nous montre une pente de 6.3%.

5.10.4

Influence du degr N des polynmes de Tchebychev

Dans la dcomposition du potentiel , le degr polynmial le plus lev des termes singuliers est 3. Pour obtenir une solution le polynme non singulier doit donc ncessairement tre
dun degr suprieur 4. Nous observons numriquement quun degr N 5 est ncessaire
pour obtenir la convergence ; la solution divergeant fortement lorsque N < 4. La divergence

pour N = 4 peut sexpliquer par lutilisation de contraintes sur le systme dquation.


Lors de nos tests numriques, un nombre excessivement important de points de contrles
avec N bXj = 600 t utilis pour permettre dviter linuence de ce paramtre. Nous
observons quil nest pas ncessaire dutiliser un trop grand degr N . Les simulations ont
montr que pour N > 8, la solution nest pas plus prcise et se dgrade pour les premires
itrations. La forte non rgularit de la solution numrique lors des premires itrations peut
expliquer le phnomne. Aprs un grand nombres ditrations, les solutions se rapprochent
tout en restant dans un intervalle de variation de lordre de 103 m. Cela peut sexpliquer par
des erreurs numriques qui annulent la prcision apporte par lutilisation dun degr N lev.
Lutilisation dun algorithme itratif simple pour le calcul des polynmes de Tchebychev peut
tre une part de lexplication. Notons que cette solution est stable et ne devient pas pour
autant moins prcise pour N grand.
Il est donc inutile daugmenter excessivement le degr des polynmes de Tchebychev. Cela
napporte pas damlioration signicative de la simulation et augmente les temps de calculs
inutilement.

5.11

Pr-estimation du rsultat numrique a la premire itration

Les analyses prcdentes montrent de fortes perturbations induites par linitialisation du


systme rsoudre. Ce qui provoque des erreurs importantes lors des premires itrations
pour sattnuer jusqu un niveau de stabilisation acceptable. Au bout de 10 itrations, une
convergence rgulire est obtenue.
Linteraction entre les lments analytiques locaux, rsolvant le phnomne transitoire
local, est beaucoup plus forte que celle que nous avons avec les lments analytiques extrieurs
cette rsolution. Partant de ce principe, la solution du problme numrique sera proche de
la solution exacte du problme 1D qui est connue. Linitialisation des singularits dordre
un et deux partir des solutions exactes permettra dobtenir une rsolution numrique qui
138

5.11 Pr-estimation du rsultat numrique a la premire itration

converge plus rgulirement vers la solution du problme tudi ; vitant dimportantes erreurs
numriques induites par linitialisation.
Evolution temporelle des singularits dordres un et deux
singularits
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.1

t
0.2
0.3
0.4
Ordre 1 exacte
Ordre 1 calculer
Ordre 2 exacte (x Dt)

0.5

0.6

0.7
0.8
0.9
Ordre 1 calculer (x Dt)

1.0

Figure 5.15 Singularits dordre un et deux exactes et calculs


Fourni par les quations 5.88 et 5.89, les valeurs exactes de ces singularits sont imposes la premire itration sur notre problme 1D. Les lments extrieurs sont supposs
sans inuence, mais cela permet nanmoins de comprendre le comportement numrique de la
rsolution numrique. Les mmes paramtres de simulation que prcdemment sont utiliss.
La gure 5.15 montre lvolution temporelle de la valeur des singularits. La comparaison
avec la gure 5.5 montre la nette dirence sur lvolution de la solution. La premire phase
qui montrait une solution perturbe nexiste plus et lestimation des singularits converge
rgulirement vers la solution exacte.
Erreur
Einf ()
Einf ()
Emc

Ordre
.0081
1.0029
.9949

Table 5.4 Ordre de convergence des erreurs en fonction du nombre ditrations partir des
itrations o Emc devient linaire en logarithme
Les gures 5.16 5.17 5.18 et le tableau 5.4 montrent les autres rsultats obtenus, conrmant
un meilleur comportement pour la rsolution numrique. Tout se passe comme si linuence des
erreurs numriques provoques par le schma numrique sattnuait, ne restant principalement
que les erreurs induites par la rsolution par moindres carrs.
Cette mthode permet dacclrer la vitesse de convergence, mais il reste prfrable de
dnir un pas de temps local pour la rsolution numrique du problme transitoire plus petit
139

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Phi et gamma(x Dt) en fonction du nombre ditrations

Erreur E_mc en fonction du nombre ditrations


E_mc

0.1

900
800

0.1
700
0.3

600
500

0.5
400
0.7

300
200

0.9
100

X
1.1
1.0

iter

0
0.8 0.6 0.4
Phi
gamma (x Dt)

0.2

0.2

0.4

0.6

0.8

1.0

2
3
Dt = 0.01
Dt = 0.03
Dt = 0.05

7
Dt = 0.07
Dt = 0.09
Dt = 0.11

10

Figure 5.16 volution de la solution numrique pour 10 itrations en temps

Erreur E_inf de Phi pour diffrents pas de temps DT

Erreur E_inf de gamma pour diffrents pas de temps DT

E_inf

E_inf

31e3

3.6
3.2

27e3

2.8
23e3
2.4
19e3

2.0

15e3

1.6
1.2

11e3
0.8
7e3

0.4

t
3e3

0
0

0.1
0.2
Dt = 0.02
Dt = 0.04
Dt = 0.06

0.3

0.4

0.5

0.6
0.7
Dt = 0.08
Dt = 0.1

0.8

0.9

1.0

0.1
0.2
Dt = 0.02
Dt = 0.04
Dt = 0.06

0.3

0.4

0.5

0.6
0.7
Dt = 0.08
Dt = 0.1

Figure 5.17 Variation dans le temps de lerreur Einf en fonction de t

140

0.8

0.9

1.0

5.12 Rsolution de lquation non linaire pour une diffusivit non constante

Erreurs en fonction de litration


3

10
2

10
1

10
0

10
1

10
2

10
log(iter)
3

10 0
10

10

log(Einf_Phi)
log(inf_gamma)
log(Emc)

10

Figure 5.18 volution de lerreur en fonction du nombre ditrations pour t = 0.01

que celui pour la modlisation du modle aquifre global. La gure 5.16 montre que 3 itrations susent pour notre problme, une dizaine ditrations devraient tre susantes pour
une rsolution dans un cadre plus gnral avec lajout dlments analytiques extrieurs au
phnomne transitoire local. Les solutions analytiques ntant pas aisment connues dans ce
cas, il reste dicile destimer linuence de ces lments sur le comportement numrique de la
solution.

5.12

Rsolution de lquation non linaire pour une diffusivit


non constante

5.12.1

Rsolution par un schma explicite

Rappelons que la forme de lquation fondamentale de la rsolution dun coulement en


rgime transitoire sexprime par
2 =
o la diusivit est donne par =

kh
Sp .

Sp
N
k h t

(5.96)

Celle-ci peut se formuler en fonction du potentiel

avec lquation 5.3, donnant ainsi une expression de lquation 5.96 par
2 =

Sp

N
4 k t
141

(5.97)

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

Cette quation non linaire peut se rsoudre par un schma numrique de nature explicite
par
2 =

Sp 0
N
4 k 0 t

(5.98)

Cest une rsolution qui reste simple mettre en uvre. En partant de la procdure de
rsolution expose dans les sections prcdentes, il sut de rajouter une rvaluation de la
diusivit chacune des itrations de la rsolution numrique.
tant donn la nature des coulements souterrains et lordre de grandeur des dirents paramtres mis en jeux, la diusivit varie faiblement pendant chacun des pas de temps locaux.
Cette modlisation peut donc tre tout fait acceptable dans le cadre dune modlisation des
coulements souterrains.

5.12.2

Rsolution par un schma implicite

Malgr tout, il est reconnu que lutilisation dun schma implicite est plus stable. Une telle
mthode permet de rsoudre le systme dquations par
2 =

Sp

0
N
4 k t

(5.99)

La rsolution de cette quation non linaire peut se faire par des mthodes classiques de
rsolution dquations non linaires. On pourrait par exemple utiliser lalgorithme du gradient pas optimal. Seulement, pour pouvoir conserver la dcomposition de en lments
analytiques, il est ncessaire de combiner cette technique avec une mthode doptimisation.
Reprenons le systme 5.20, le problme consiste a trouver les , et n tels que lon
minimise la fonctionnelle suivante :

avec



+ 0
0
1


J(, , n ) =

2
4k t max
(X) = Ga (X) + Gb (X) +

N
X

n Gn (X)

(5.100)

(5.101)

n=0

Alors, on obtient les valeurs optimale de , et n en appliquant le gradient pas optimal


sur cette fonctionnelle.
Il reste aussi possible dtablir une condition sur les singularits pour cette quation non
linaire en drivant chacun des membres de lquation 5.58, puis en posant X = 0.

142

5.13 Conclusion

5.13

Conclusion

Nous avons tabli dans ce chapitre un quivalent 1D aux rcents lments analytiques
dvelopps par Strack [66, 65] et bas sur le calcul de Wirtinger [74]. Il en a t driv des
lments 1D avec une inuence spatialement borne. Ces formes 1D nous ont permis dviter
dintroduire les erreurs numriques dues au calcul des lments eux mme pour se focaliser
sur le comportement numrique de la rsolution elle-mme. Cela nous permet den dduire
une tendance pour le comportement numrique en 2D et dtablir des principes de rsolution
adapts au problme considr.
Bien sr cette rsolution sest focalise sur un problme local particulier, mais la mthode
de rsolution a tenu compte de linuence dventuels lments extrieurs. En particulier, elle
conserve le principe de superposition des potentiels complexes propre toute rsolution par
lments analytiques. Ce qui rend cette mthode de rsolution compltement intgrable dans
un modle numrique de laquifre par lments analytiques.
La mthode de rsolution utilise est une combinaison entre un schma aux dirences
nies en temps et une approximation par moindres carres en espaces. Cest une mthode de
rsolution relativement instable lors des premires itrations et cette analyse a montr quil est
prfrable dinitialiser la rsolution numrique en valuant des singularits par leur solution
locale exacte. Puisque la solution nale est gnralement proche de la solution locale, cela
permet de mieux rgulariser la convergence vers la solution.
Pour intgrer cette rsolution dans une modlisation numrique de tout un aquifre, nous
avons montr quil faudrait prendre en compte un pas de temps local 10 fois infrieur au
pas de temps de la modlisation de laquifre qui est choisi. En eet, le rsultat obtenu aprs
10 itrations permet davoir une convergence susante vers la solution en vitant ainsi les
possibles perturbations des premires itrations.
Dans le chapitre suivant, nous allons chercher exploiter cette analyse pour tablir une
mthode de rsolution similaire pour les lments analytiques 2D en rgime transitoire.

143

Chapitre 5 Nouveaux lments analytiques 1D en rgime transitoire

144

Chapitre 6

Mthode des lments analytiques 2D


pour le rgime transitoire
e chapitre prcdent tait consacr une tude dune modlisation dun problme 1D en

rgime transitoire avec le dveloppement dlments analytiques 1D. Diverses techniques


de modlisation y ont t exposes pour rsoudre le problme des lments analytiques adapt
au rgime transitoire. Il sagit maintenant dexploiter cette analyse pour tablir une mthode
de rsolution pour le problme 2D.
Pour cela, nous avons utilis le recent dveloppement par Strack [66, 65] de nouveaux
lments analytiques bass sur le calcul de Wirtinger [74]. Ces lments prsentent lavantage de reprsenter par exemple le leakage qui est induit par de linltration entre 2 couches
aquifres spares par un aquitard. Ils peuvent permettre aussi de reprsenter des coulements
souterrains en rgime transitoire par une mthode qui est prsente dans ce chapitre.

6.1

Position du problme

Le problme consiste modliser une variation brusque de potentiel constant sur un segment [z1 , z2 ] reprsentant la rivire. Laquifre est libre, de milieu considr homogne et
isotrope, de permabilit constante k [L/T ] et de coecient demmagasinement Sp [.]. La base
de laquifre est horizontale et considre comme impermable.
Pour ltude, la hauteur deau h(x, t) est considre de variation faible en temps et en
espace. Ainsi, lquation a rsoudre est simplie en considrant la moyenne spatiale et temporelle de la hauteur deau sur tout laquifre hmoy . Elle sexprime en fonction du coecient
de diusivit [L2 /T ] par
2 =

1
t

avec
145

k hmoy
Sp

(6.1)

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

Le choix de considrer une diusivit constante permet de simplier la modlisation


expose dans ce chapitre. Il serait relativement facile de ltendre au cas dune diusivit
non constante par une mthode implicite comme celle qui a t expose la n du chapitre 5.
Le niveau initial de la nappe est considr constant et dlvation de rfrence init = 0.
Au temps t = 0, la rivire subit une variation brusque de son niveau deau avec un saut de
potentiel de 1 init . Les conditions du problme physique sont alors :
(

6.2
6.2.1

(z, 0) = init

pour

(z, t) = 1

pour

z 6= 0

z [z1 , z2 ] et t 0

(6.2)

tude de solutions particulires


Une solution 2D

Ltude des lments analytiques pour le rgime transitoire a t amorce dans la thse de
Zaadnoordijk en 1988 [76]. Cette mthode est depuis devenue incompatible avec les diverses
amliorations qui ont t dveloppes par la suite pour le rgime permanent.
Ces travaux restent nanmoins trs utiles par ltude de fonction particulire qui a t
eectue. En particulier, il a t prsent la solution exacte pour une ligne source dextrmites
(1 , 0) et (2 , 0) avec une rpartition de ux spcique constant en espace et en temps qui
est suppose sactiver au temps t = 0. Elle sexprime sous la forme

exact

(, , t) =
"






( 2 )2 + 2
( 1 )2 + 2

( 2 ) E1
( 1 ) E1
8
4t
4t


 Z



 2
2
1
1

u2
+
e . erfc
+t
u erfc
u
du
2 2

q
(

t 2

e 4t erfc
4

2
4t

!
r
2
2
.
erfc

4t

146

!)#
r
2
1
.

4t

(6.3)

6.2 tude de solutions particulires

Dans cette expression, la fonction exponentielle intgrale E1 (Abramowitz [1], p229,


quation 5.1.11) et son dveloppement asymptotique se prsente sous la forme
E1 (z) =

eu
du
u

= ln z

(6.4)

X
(1)n z n

n=1

pour

n n!

(6.5)

|arg z| <

Lquation 6.3 est obtenue en intgrant sur le temps la fonction ligne source instantane.
En fait, il est relativement facile den dduire la forme gnrale pour une rpartition de qui
varie en temps comme celui dun polynme de degr n.
Cette fonction reste trs singulire. Elle est fonction dintgrales impropres quil faut calculer avec prcaution. La mthode de calcul est prsente dans Barnes [5] daprs les travaux
de Zaadnoordijk [76, 77]. Cette fonction y est dcompose en 3 parties qui sont calcules
sparment. Lintgrale impropre y est reprsente sous direntes formes qui dpendent de
paramtre fonction de son comportement singulier. La gure 6.1 en montre une application
numrique obtenue au temps t = 0.1 pour le segment [1, 1] de ux constant = 1.

t = 0.1

t = 0.1
Phi

nu
0.02

1.0

0.00
0.5
0.02

0.0

0.04

0.06
0.5
0.08

1.0

0.10
1.5

eta
1.5

1.0

0.5

0.0

0.5

1.0

1.5

(a) Courbe de niveau dans le plan.

nu
1.0

0.5

0.0

0.5

1.0

(b) Coupe de la solution en = 0.

Figure 6.1 Rsultat numrique de la solution exacte en transitoire.

Similairement la mthode utilise en 1D, il est possible de reprsenter le domaine dinuence de la fonction par une ellipse. Cette ellipse est entirement dtermine par son demigrand axe A et son demi-petit axe B. Pour notre exemple numrique, si nous posons successivement = 0 puis = 0, il est possible destimer numriquement cette distance dinuence
147

1.5

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

en fonction dune prcision par


max = min{ :

> 0 et

max = min{ :

> 0 et



exact

(, 0, t) < }




exact

(0, , t) < }

(6.6)
(6.7)

Ce qui donne une estimation du demi-grand axes A et du demi-petit axe B par


max = A

(6.8)

max = B

(6.9)

Ainsi, lellipse dinuence est dtermine par lquation cartsienne rduite :


 2  2

+
=1
A
B

(6.10)

Cette solution sexprime dans lespace local Z en posant 1 = 1 et 2 = 1.

6.2.2

Une solution 1D

Nous pouvons remarquer sur la gure 6.1(b) la similarit entre le comportement de cette
fonction sur laxe Y = 0 et la solution 1D dj prsente au chapitre 5.
Cette solution 1D constitue une approximation raisonnable du comportement de la solution
2D sur laxe Y = 0. Rappelons quelle se prsente pour X > 0 et t > 0 sous la forme :
(X) = init + (1 init ) erfc
(X) =

2 t

(6.11)

2
1
2
eu u
(X) = (1 init )
2
X
t

X
avec u =
4t

(6.12)

avec
2
erf(u) =

erfc(u) = 1 erf(u)

ev dv

(6.13)

La drive du potentiel (X) (quation 6.11) est donne par

= (1 init ) erfc (u) du


X
1
2
1
= (1 init ) eu

t
148

(6.14)
(6.15)

6.2 tude de solutions particulires

celle de (X) (quation 6.11) est donne par

3
=
X
X 3

(6.16)


1
2 
= (1 init ) (t)3/2 eu 2u2 + 1
2

(6.17)

Par consquent, les singularits de cette fonction 1D sont dnis en X = 0+ par

1
|X=0+ = (1 init )
X
t

(6.18)

1
(t)3/2
|
+ = (1 init )
X X=0
2

(6.19)

Ces fonctions sont paires, nous obtenons donc une forme identique au signe prs pour

X |X=0

par

et

X |X=0 .

En particulier, cela permet de relier la singularit dordre 1 au ux 1D

1D =

|
+
|

X X=0
X X=0

(6.20)

Dans le cas de notre exemple, nous avons init = 0 et 1 = 1. Par consquent, le ux

est donne par

2
1D =
t

(6.21)

Pour faire une correspondance avec lquation 6.3, il sut de considerer par exemple la
moyenne sur le segment de droite 2D.

149

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

6.3

Formulation des lments analytiques en rgime transitoire

6.3.1

Transformation conforme utilise

Considrons un segment [z1 , z2 ] dni dans lespace complexe z par la transformation


conforme
Z=

z
1
2

1
2

(z1 + z2 )
(z1 z2 )

(6.22)

Limage du segment [z2 , z1 ] devient le segment [1, 1] dans lespace Z (gure 6.2). Considrons maintenant la transformation
1
Z=
2

(6.23)

Cette transformation est similaire celle qui a t utilise au chapitre 3 pour les lments
analytiques classiques. Elle permet de transformer lellipse de foyer 1 et 1 dans lespace Z

au cercle unit = 1 de lespace (gure 6.2). Le segment [1, 1] devient alors le cercle
de rayon .

Z
Im

Y
y

Re

z2

z1

Figure 6.2 Transformations conformes utilises.

Dans lespace Z , lellipse est dnie par lquation cartsienne rduite :




X
A

2

Y
B

2

(6.24)

=1

en fonction du demi grand axe A et du demi petit axe B. Ceux-ci peuvent tre relis au
paramtre par
A=

1
2

1
+

B=
150

1
2

(6.25)

6.3 Formulation des lments analytiques en rgime transitoire

De ces 2 relations, nous pouvons en dduire lexpression de en fonction de A et B par


(6.26)

=AB

6.3.2

Formulation utilisant les polynmes de Tchebychev

Soit f une fonction holomorphe sur , alors elle peut sexprimer par une srie de Laurent
par
f () =

an n + bn n

n=0

(6.27)

Pour conserver la continuit de cette fonction holomorphe dans Z , il est ncessaire dtablir une relation de continuit en = 2 . Cela se traduit par la condition
(6.28)

f () = f ()

Daprs =

2
, nous avons la relation

bn = an 2n

(6.29)

La fonction analytique f peut donc sexprimer par


f () =
=

n=0

an +

n 
avec

2 an n

n=0

(6.30)
1
n =
2

n 

(6.31)

Ceci va justier le choix dexprimer les fonctions analytiques dans une base de fonctions
n au lieu de la traditionnelle base de fonctions Tn . Par consquent, les direntes expressions
pour n et Tn sont donnes en fonction de par
n 
2
+

 n  n 

1
+
Tn =
2

1
n =
2

(6.32)
(6.33)

Ce qui met en vidence la relation n = n Tn . Par consquent, il est possible de mettre


151

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

en vidence une relation de rcurrence pour n similaire celle pour Tn par


n+1 = 2 1 n 2 n1

(6.34)
(6.35)

Tn+1 = 2 Z Tn Tn1
avec 1 = Z.

6.3.3

criture en fonction des Fen

En suivant une dmarche similaire celle qui est prsente dans Strack [65], nous dnissons la fonction Fen par
Fen (Z) =

+1

n ()
d
Z

(6.36)

Alors daprs 6.34, nous avons


Fen+1 =

+1

1
+1

2 n ()
d +
Z

+1

1
+1

2 n1 ()
d
Z

n ()
d 2 Fen1 (Z)
Z

1
1
Z +1
2 e
e
n () d
= 2Z Fn (Z) Fn1 (Z) + 2

=2

n () d 2Z

(6.37)

Pour calculer lintgrale sur n , nous utilisons le calcul de lintgrale de Tn qui est eectu
dans Strack [65]. Le rsultat est donne par
Z

+1

Tn () d =


1 
1 (1)n+1
1

pour

n2

n>1

(6.38)

Cette relation y a t tablie en exprimant Tn en fonction de , puis par un dveloppement


qui utilise la relation :
Z

1
Tn dZ =
2

Tn+1
Tn1

n+1 n1

pour

n>1

(6.39)

Lquation 6.38 permet ainsi dobtenir une relation similaire pour lintgrale de n par
Z

+1

n () d =


n 
n+1
1

(1)
n2 1

pour

n>1

Finalement, nous obtenons une relation de rcurrence pour Fen+1 par



2 n+1 
Fen+1 = 2Z Fen (Z) 2 Fen1 (Z) 2
1 (1)n+1
n 1
152

pour n > 1

(6.40)

(6.41)

6.3 Formulation des lments analytiques en rgime transitoire

Le calcul de Fe0 et Fe1 peut se faire directement daprs lexpression 6.36 avec 0 = 1 et

1 = Z par

Z 1
Fe0 = ln
Z +1
Z1
Fe1 = Z ln
+ 2
Z+1

6.3.4

(6.42a)
(6.42b)

lment linesink

Nous avons dj vu au chapitre 3 que lexpression du potentiel complexe pour une ligne
source peut scrire avec la fonction de saut (Z) par
1
(Z) =
2


(1)
(1)
Z 1
+ q(Z)
ln (Z 1) +
ln (Z + 1)
(Z) ln
Z +1
2
2

(6.43)

o q(Z) est un polynme de correction qui permet davoir le bon comportement linni.
Nous considrons maintenant une expression de (Z) dans la base des fonctions n (Z) par
(Z) =

N
X

an n (Z)

(6.44)

n=0

Puisque la formulation des Fen prsents la section prcdente intgrent directement le

polynme de correction q(Z), le potentiel complexe peut se rcrire directement en fonction


des Fen par
N
L2 X
(1)
(1)
(Z) =
ln(Z 1) +
ln(Z + 1)
an Fen (Z)
8
2
2

(6.45)

n=0

Chacune des fonctions Fen y est dnie par

Z 1
Fen = n ln
+
Z +1
= 2 n ln

n1
X

ebm m

m=0
n1
X

+
+

m=0

e
bm m

(6.46)
(6.47)

La relation de rcurrence de lquation 6.41 permet de fournir directement les coecients


ebn de sorte a avoir un comportement de lordre de

1
Z

linni. Seulement, nous souhaiterions

imposer une condition plus forte en bornant le domaine dinuence de cet lment une forme
elliptique.

Nous voulons imposer une racine de multiplicit 4 sur le contour dune ellipse de foyers
153

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

les extrmits du segment. Pour cela, nous ajoutons un polynme de correction au potentiel
a

complexe prcdent. Nous obtenons alors une expression du potentiel (Z) par
N
(1)
(1)
L2 X
an Fn (Z)
ln(Z 1) +
ln(Z + 1)
(Z) =
8
2
2
a

(6.48)

n=0

Chacune des fonctions Fn y est dnie par


Fn = Fen +
= n ln

n1
X

(6.49)

bm m n

m=0
n1
Z 1 X e
(bm + bm ) m
+
Z +1

= 2 n ln

m=0
n1
X

+
+

m=0

(6.50)

(ebm + bm ) m

(6.51)

Les termes logarithmiques fonctions de (1) et (1) peuvent se rcrire en dveloppant


lexpression de (Z) par
(1)
(1)
ln(Z 1) +
ln(Z + 1)
2
2
N
L2 X
an [ln(Z 1) (1)n ln(Z + 1)]
=
8 n=0

H0 (Z) =

(6.52)
(6.53)

Cette formulation permet de prendre en compte le calcul des Fen obtenus par la formule de

rcurrence 6.41 . Elle permet aussi de partir dune solution ayant un comportement rgulier
linni avant dy imposer une condition plus forte par les moindres carrs. Soit
a

Gn (Z) = Fen +

n1
X

m=0

bm m [ln(Z 1) (1)m ln(Z + 1)]

(6.54)

alors, imposer que ait une racine de multiplicit 4 sur le contour de lellipse se traduit
a

par une condition sur les drives successives de Gn (Z) en fonction de Z pour tout n = 0, .., N
par
a
Gn (Z)

=0

Gn
(Z) = 0
Z

2 Gn
(Z) = 0
Z 2

3 Gn
(Z) = 0
Z 3

(6.55)

Cette contrainte est en fait impose au sens des moindres carrs sur lensemble des points

de contrle {j

j = 1, .., N } rpartis uniformment le long du cercle = 1 dans .

Le calcul des drives successives de Fn (Z) et n (Z) se dduisent directement des formules
154

6.3 Formulation des lments analytiques en rgime transitoire

de rcurrence fournies par les quations 6.41 et 6.34. Pour Fen nous obtenons :
f n+1 = 2 Fen + 2Z F
f n F
f n1
F

f n+1 = 4 F
f n + 2Z F
f n F
f n1
F

g
f
g
g
F
n+1 = 6 F n + 2Z F n F n1

(6.56a)
(6.56b)
(6.56c)

avec la notation abrg de la drive par rapport Z.

Ainsi, le problme revient rsoudre lensemble des bn du systme dquations suivant


pour tout n = 0, .., N :
N
X

n=0
N
X

n=0
N
X

n=0
N
X

n=0

bn n = Fen + [ln(Z 1) (1)n ln(Z + 1)]

f n + [ln(Z 1) (1)n ln(Z + 1)]


bn n = F
Z

2
f n + [ln(Z 1) (1)n ln(Z + 1)]
bn n = F
Z 2

+
g
bn n = F
n

3
[ln(Z 1) (1)n ln(Z + 1)]
Z 3

(6.57a)
(6.57b)
(6.57c)
(6.57d)

Finalement, la partie relle du potentiel complexe (Z) peut sexprimer par


a



a
1 a
(Z) + (Z)
2

1 
h0 (Z) + h0 (Z) + H0 (Z) + H0 (Z)
=
2

(Z) =

(6.58)
(6.59)

avec
N
L2 X
h0 (Z) =
an Fn (Z)
8 n=0

H0 (Z) =

N
L2 X
an Ln (Z)
8

(6.60)
(6.61)

n=0

Ln (Z) = [ln(Z 1) (1)n ln(Z + 1)]


155

(6.62)

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

6.3.5

lment divergence line sink

Llment divergence linesink est choisi de sorte avoir un Laplacien gal une linesink.
Par consquent, nous choisissons :
b

a
2
= (Z)
4
Z Z


a
1 a
=
(Z) + (Z)
2

1 
=
h0 (Z) + h0 (Z) + H0 (Z) + H0 (Z)
2

(6.63)
(6.64)
(6.65)

Le calcul de seectue alors en intgrant successivement par rapport Z et Z selon une


dmarche similaire celle qui se trouve dans Strack [65]. Cela nous amne une expression
b

de (Z) de la forme :
b

(Z) =

1
{(Z Z) [h1 (Z) + H1 (Z) h1 (Z) H1 (Z)]
8
+ 2 [h2 (Z) + H2 (Z) h2 (Z) H2 (Z)]}

(6.66)

avec
Z

Z
N
N
1
L2 X
L2 X
h1 (Z) = h0 dZ =
Fn (Z) dZ =
an
an Fn (Z)
8
8
n=0
n=0
Z
Z
Z
N
N
2
L2 X
L2 X
an
an Fn (Z)
Fn (Z) dZ =
h2 (Z) = h1 dZ =
8 n=0
8 n=0
Z
Z
N
N
1
L2 X
L2 X
Ln (Z) dZ =
an
an Ln (Z)
H1 (Z) = H0 dZ =
8
8
n=0
n=0
Z
Z
Z
N
N
2
L2 X
L2 X
H2 (Z) = H1 dZ =
an
an Ln (Z)
Ln (Z) dZ =
8 n=0
8 n=0
en introduisant les notations
Z
1
Fn (Z) = Fn (Z) dZ
Z
1
Ln (Z) = Ln (Z) dZ

Fn (Z) =
2
Ln (Z)

156

Fn (Z) dZ
1

Ln (Z) dZ

(6.67)
(6.68)
(6.69)
(6.70)

(6.71)
(6.72)

6.3 Formulation des lments analytiques en rgime transitoire

Leurs calculs sont donnes daprs Strack [65] par


1

Fn (Z) =

Fn (Z) =

1 Fn+1
1 Fn1
1

+
[ln(Z 1) + ln(Z + 1)]
2 n + 1 2 n 1 n2 1
1 Fn1
1
1 Fn+1

+ 2
F0
2 n+1 2 n1 n 1

(n = 2m, m N )
(6.73a)

(n = 2m + 1, m N )

(6.73b)

et
2

Fn (Z) =

avec
K1 (Z) =

n2

Fn+2
Fn
Fn2

2
4(n + 1)(n + 2) 2(n 1) 4(n 1)(n 2)


3
n+2
ln(Z

1)

(1)
ln(Z
+
1)
+ K1 (Z)
2
(n 1)(n2 2)

1
(Z 1) ln(Z + 1) (1)n+1 (Z + 1) ln(Z + 1)
+1


(Z 1) + (1)n+1 (Z + 1)

(6.74)

(6.75)

Nous choisissons de reformuler le potentiel sous une forme plus concise par
b

(Z) =

N
X

(6.76)

an Gn (Z)

n=0

avec


1
1
1
1
1
Gn (Z) = (Z Z) Fn (Z) + Ln (Z) Fn (Z) Ln (Z)
8
 n1

X
2
2
2
1 2
bm m
+
Fn (Z) + Ln (Z) Fn (Z) Ln (Z) +
4
b

(6.77)

m=0

Nous choisissons alors dimposer une condition similaire celle pour la linesink avec une
racine de multiplicit 4 sur le contour de lellipse. Cela se traduit par une condition sur les
b

drives successives de Gn (Z) en fonction de Z pour tout n = 0, .., N par


b

Gn
(Z) = 0
Z

Gn (Z) = 0

2 Gn
(Z) = 0
Z 2

3 Gn
(Z) = 0
Z 3

(6.78)

Cette contrainte est impose au sens des moindres carrs sur lensemble des points de

contrle {j

j = 1, .., N } rpartis uniformment le long du cercle = 1.

Par consquent, le problme revient rsoudre lensemble des bn du systme dquations


157

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

suivant pour tout n = 0, .., N :


N
X

n=0
N
X

n=0
N
X

n=0
N
X

n=0

(6.79a)

bn n = Rn
bn n =

Rn
Z

(6.79b)

bn n =

2 Rn
Z 2

(6.79c)

bn n =

3 Rn
Z 3

(6.79d)

avec


1
1
1
1
1
Rn = (Z Z) Fn (Z) + Ln (Z) Fn (Z) Ln (Z)
8


2
2
2
1 2
Fn (Z) + Ln (Z) Fn (Z) Ln (Z)
+
4

6.3.6

(6.80)

lment non singulier

Introduisons la variable dnie par


=

2
(Z 2 Z)
1 4

(6.81)

alors, en dveloppant en fonction de X et Y , nous obtenons :



2 
(1 2 )2 X 2 + (1 + 2 )2 Y 2 =
=
4

X
A

2

Y
B

2

(6.82)

Ce qui signie que = 1 reprsente lellipse de demis grands axes A et B (voir lquation 6.24).
Par consquent, nous reprsentons le potentiel non singulier par une srie qui est fonction
de m et n par
ns

(Z) =


N
m 
ns
ns
1 XX
amn Gmn (Z, Z) + amn Gmn (Z, Z)
2
m=0 n=0

158

(6.83)

6.3 Formulation des lments analytiques en rgime transitoire

avec
ns

Gmn = ( 1)4 m (Z) n (Z)


4

= ( 1) m (Z) n (Z)

(6.84)
(6.85)

Cet lment servira vrier lquation direntielle rsoudre pour la dcomposition de


fournie par lquation 6.87.

159

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

6.4

Mthode de rsolution numrique

6.4.1

Systme dquations a rsoudre

Nous proposons de rsoudre ce problme en combinant un schma aux dirences nies


centres en temps et une mthode de rsolution par moindres carrs en espace de faon similaire
la mthode utilise en 1D (chapitre 5). Cela revient a rsoudre le systme donn par

= 2


20
2
=
0 +
t
t

(6.86)

avec la recherche dune solution dcompose sous la forme :


a

ns

(6.87)

=++
a

ns

o est une fonction harmonique, est une fonction bi-harmonique, est une srie
polynmiale permettant de satisfaire lquation direntielle au sens des moindres carrs.
Daprs lquation A.8 de lannexe A, nous avons lexpression de en fonction de z et z
par
= = 4

2
z z

(6.88)

16 2
L2 Z Z

(6.89)

16 2
L2 Z Z

(6.90)

avec L2 = (z2 z1 ) (z2 z1 ) et en utilisant lquation 6.22 reliant la variable Z la

variable z. Puisque

Z
1
=

2
1
Z
=




1
2

(6.91)

(6.92)

nous obtenons une expression du Laplacien dans lespace par


2
L2
=


64

1
1
1
2

+
2
2 2
2 2
160

(6.93)

6.4 Mthode de rsolution numrique

Le systme a rsoudre sexprime donc en coordonnes locale par



1
2
L2
1
1
2

() = 64 2 2 2 + 2 2

1
1

(() + 0 ()) =
[() 0 ()]
2
t

(6.94)

avec la recherche dune solution dcompose sous la forme :


a

ns

(6.95)

() = () + () + ()

6.4.2

Dfinition des points de contrles

Pour satisfaire lquation direntielle, des points de contrles sont rpartis dans le domaine
D et au bord D (sur le segment). Pour avoir un systme sur-dtermin, leur nombre restera
toujours suprieur au nombre dinconnues du systme dquations rsoudre. Une rpartition

de Tchebychev est choisie pour chacune des directions en fonction dun angle de variation
uniforme par
j0 ,k = Rj0 ei k

(6.96)

avec

 j  1
0
Rj0 = 1 + cos
+
J
2
k = k

2
K

pour j0 = 1, .., J0

pour k = 0, .., K 1

(6.97)
(6.98)

Chacun des points j0 ,k ainsi dni est fonction des paramtres j0 = 1, .., J0 et k =
0, .., K 1. Leur nombre est donc de J0 K. Ces points peuvent se rcrire avec un indice

global par

j = j0 ,k

avec

j = k J + j0

et j0 = 1, .., J0

(6.99)

Sur le segment dni par [1, 1] dans Z , la rpartition de Tchebychev classique est choisie.
Cela se traduit dans par une rpartition uniforme de points de long du cercle = 2 , i.e.
par

k = ei k

avec k = k

2
K

161

pour

k = 0, .., K 1

(6.100)

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

Nous pouvons remarquer que cette rpartition est cohrente avec celle au domaine puisque
nous avons la relation avec les points aux domaines donne par

pour j = 0

k = j,k

6.4.3
6.4.3.1

(6.101)

Assemblage de la matrice dinfluence et du second membre


Condition au domaine

Du systme dquations 6.94, nous pouvons en dduire une relation pour () par
64 1 2
2
2
() 2
() =
0 () + 0 ()
t
L d
t

(6.102)

avec d dni par




1
1
1
2
d = 2 2 2 + 2 2

(6.103)

Cette relation est applique en chacun des points de contrle j du domaine en dveloppant
le potentiel sous sa forme dcompose (quation 6.95) en fonction des coecients inconnus
an et amn . Ces relations sont regroupes dans une matrice dinuence M de taille JM KM avec
JM tant le nombre total de points de contrle du domaine et KM le nombre de coecients
inconnus du systme.
Le terme de droite de lquation 6.102 permet de dnir le second membre b. Il est fonction
des solutions 0 et 0 obtenues au pas de temps prcdent.
Considrons que cet espace prcdent soit exprim avec la variable 0 qui dpend du
paramtre 0 = A0 B0 reprsentant la taille de lellipse dinuence. Nous avons donc une

relation avec lespace Z par

1
Z=
2

(6.104)

et lancienne taille de lellipse dinuence est dtermine par




A0

2

B0

2

=1

(6.105)

Soit Zj = Xj + i Yj limage du point de contrle j dans Z , i.e.


1
Zj =
2

162

(6.106)

6.4 Mthode de rsolution numrique

Dans notre tude, lellipse ne fait que saccrotre. Si Zj vrie la condition




A0

2

B0

2

(6.107)

>1

alors ce point se situe lextrieur de lellipse et nous avons 0 (Zj ) = 0. Sinon, le calcul se
fait en calculant limage du point de contrle dans lespace 0 .

ns

Rappelons que la forme des potentiels , et est donne par


N
X

(Z) =
b

(Z) =
ns

(Z) =
=

n=0
N
X

(6.108a)

an Gn (Z)

(6.108b)

an Gn (Z)

n=0
M X
m
X



Re amn Gmn (Z, Z)

m=0 n=0
P
X
ns ns
ap Gp (Z)
p=0

(6.108c)
(6.108d)

avec P = 21 (M + 1)(M + 2) et N = 12 (m)(m + 1) + n + 1.


Alors, la matrice M des condition au domaine est de dimension JM KM et son terme

gnral est dni par

Mjk+1

2 a
64

Gn (j ) 2

t
L
d

2 b
64
Gn (j ) 2
=
t
L d

64
2 ns

Gp (j ) 2

t
L
d

2 Gn
1
(j ) 2
2
d

pour

0kN

et n = k

2 Gn
1
(j ) 2
2

pour

ns
2 Gp
(j )
2

pour

1
d2

N + 1 k 2N + 1

et n = k (N + 1)

2N + 2 k 2N + 2 + P

et p = k (2N + 3)

(6.109)

Le second membre du systme B est dni par


Bj =

2
0 (j ) + 0 (j )
t
163

(6.110)

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

et a, contenant les coecients inconnus du systme, est dni par :

ak+1

an


an
=

ns

ap

pour 0 k N
et n = k
pour N + 1 k 2N + 1
et n = k (N + 1)

(6.111)

pour 2N + 2 k 2N + 2 + P
et p = k (2N + 3)

Par consquent, toutes les conditions au domaine peuvent sexprimer sous une forme matricielle par
Ma=B

(6.112)

avec [M ]j,n = Mjk+1 , [a]k = ak+1 et [B]j = Bj .


6.4.3.2

Condition au bord

La relation au bord dni par = 2 sexprime par une condition sur et en chacun
des K points de contrles k . Les deux premires conditions sur et sont dnies par

(k ) = 1 = 1

(k ) = 2 (k ) = 0

(6.113a)
(6.113b)

Ces deux relations peuvent aussi se mettre sous une forme matricielle par

Ma=C

(6.114)

o M est une matrice de dimension 2K KM est dnie pour k = 1, .., K par

l+1

Mk

Gn (k )

b
Gn (k )
=

ns

Gp (k )

pour 0 l N
et n = l
pour N + 1 l 2N + 1
et n = l (N + 1)

pour 2N + 2 l 2N + 2 + P
et p = l (2N + 3)

164

(6.115)

6.4 Mthode de rsolution numrique

et en considrant les K mme points de contrle, cette matrice est dnie pour k =
K + 1, .., 2K par

l+1

Mk

64

L2 d

64
=
L2 d

64

L d

2 Gn
(k )
2

pour

0lN

et n = l

2 Gn
(k )
2

pour

N + 1 l 2N + 1

(6.116)

et n = l (N + 1)

ns

2 Gp
( )
2 k

pour

2N + 2 l 2N + 2 + P

et p = l (2N + 3)

et C un vecteur de dimension 2K dni par


Ck =

6.4.3.3

pour

k = 1, .., K

pour

k = K + 1, .., 2K

(6.117)

Rsolution par moindres carrs avec sous domaines

Nous choisissons de rsoudre ce problme par une mthode des moindres carrs avec une
mme contribution de chacun des lments analytiques.

Considrons les J points de contrles j du domaine D et les K points de contrle k


a

du bord D . Les lments et doivent se rsoudre sur les points de contrle du bord
ns

D et llment se rsout sur les points de contrle du domaine D. Par exemple, daprs
a

les quations 6.113a et 6.113b, la contribution de llment se traduit pour chacun de ses
coecients aj par la condition

aj

2K
X
k=1

N
X

n=0

n+1

an M k

N
X

l+1

an M k

P
X

l+1
ns
ap M k

p=0
p=l(2N+3)

n=0
n=l(N+1)

Ck = 0

(6.118)

do

2K X
N
N
X
X
n+1
l+1

an M k +
an M k +

k=1

n=0

n=0
n=l(N+1)

P
X

l+1
ns
ap M k

p=0
p=l(2N+3)

ns

j+1
Ck M k = 0

(6.119)

En procdant de mme pour les lments et , nous obtenons une matrice carre que
nous rsolvons de faon traditionnelle.
165

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

6.4.4

Prise en compte de la contrainte de singularits

En drivant les termes de lquation 6.102, nous obtenons la relation


64
2
() 2
t
L


2 0
0
1 3
() =
() +
()
2
d
t

(6.120)

En appliquant cette relation aux points de contrle du bord j , nous obtenons


64 1 3
2 0
0
2
(j ) 2
(j ) =
(j ) +
( )
2

t
L d
t
j

(6.121)

Cette condition permet dtablir une relation entre les coecients des potentiels et
par rapport ceux prcdemment calculs. Elle est impose sous forme dune contrainte lors
de la rsolution du systme dquations 6.94.

6.4.5

Initialisation du systme dquations

Pour initialiser le systme dquations 6.94, nous proposons dexploiter la solution 1D


donne par lquation 6.11 pour estimer les singularits



Z (j ), Z (j )

et la taille de lellipse

dinuence.
Nous utilisons les quations 6.18 et 6.19 pour initialiser les singularits lors de la premire
itration par

1

(j )
=
|X=0+ = 1D

Z
X
2

(6.122)

1

(j )
=
|X=0+ = 1D

Z
X
2

(6.123)

Cela permet davoir une convergence plus rgulire vers la solution. Comme la montr
ltude 1D au chapitre 5, les fortes uctuations des premires itrations sont ainsi attnues.
Cette mthode se base sur le fait que les singularits de la solution nale reste proche de celle
de la solution 1D exacte.
Il est aussi ncessaire de connatre la taille de lellipse dinuence linitialisation. Pour
cela, nous utilisons la solution 2D fourni par lquation 6.3 au temps t = t avec une rpartition constante de ux Ensuite, la taille de lellipse dinuences est dtermine en valuant
les paramtres A et B par les quations 6.8 et 6.9. Ainsi, la taille de lellipse dinuence est
dtermine t = t par


X
A

2

Y
B

166

2

=1

(6.124)

6.5 Conclusion

et le paramtre est donne par


(6.125)

=AB

6.4.6

Estimation de la taille de lellipse dinfluence chacune des itrations

A chacune des itrations, il est ncessaire dvaluer la taille de lellipse dinuence pour
pouvoir rsoudre le systme dquation. La mthode utilise pour linitialisation ne peut tre
raisonnablement utilise car rien ne prsage de la variation de ux le long du segment. Seul
le potentiel y est x et les lments extrieurs peuvent fortement inuencer cette rpartition
de ux.
Une mthode de type explicite est choisie ici. Elle suppose que le dbit gnr par llment
reste constant pendant le pas de temps t. Ainsi, le dbit est obtenu par litration prcdente
et sexprime en fonction des coecients an de litration prcdente par
avec (Z) =

Q = (1) (1)

N
X

an n (Z)

(6.126)

n=0

Puisque n (1) = (1)n et n (1) = 1, nous obtenons


Q=

N
X

n=0

an [(1)n 1]

(6.127)

Ensuite, la taille de lellipse dinuence est estime au pas de temps suivant avec la solution
2D donne par lquation 6.3 avec une rpartition constante de ux pour gnrer un dbit
similaire. Lellipse dinuence est reprsente par les paramtres A et B, permettant ainsi
den dduire celui du changement de variable = A B.

6.5

Conclusion

La mthode de rsolution transpose au problme 2D avec des lments analytiques montre


une mthode numrique pour rsoudre le problme dun saut de potentiel sur un segment
de droite. Cette mthode exploite lanalyse du comportement numrique du problme 1D
quivalent en proposant dinitialiser la rsolution par une approximation des singularits avec
leurs solutions 1D respectives. Cela permet de rgulariser la convergence vers la solution. Elle
se base aussi sur une approximation de linuence elliptique de chacun des lments transitoires
en se rapportant la solution exacte 2D ux constant.
Puisque ces lments transitoires ont un champ dinuence spatialement born (ce qui est
aussi vrai dans la ralit), ils peuvent sintgrer dans une modlisation numrique de tout un
aquifre. Nous avons montr quil faudrait alors prendre en compte un pas de temps local de
167

Chapitre 6 Mthode des lments analytiques 2D pour le rgime transitoire

lordre de 1/10 du pas de temps utilis pour modliser laquifre. En eet, le rsultat obtenu
aprs 10 itrations permet davoir une convergence susante vers la solution pour viter les
ventuelles perturbations des premires itrations.
Il serait alors possible de reprsenter les variations dune rivire par une succession de saut
du niveau deau chaque pas de temps. Laquifre serait alors reprsent par des lments
transitoires ou permanent suivant lobjectif de la modlisation et la variation en temps du
phnomne transitoire.

168

Conclusion et Perspectives
Lobjectif principal de ce travail de thse consistait traiter les problmes lis la discrtisation spatiale et temporelle applique la mthode des lments analytiques en utilisant
une approche la fois pratique et thorique.
Cela ncessitait de positionner la mthode des lments analytiques dans le cadre gnral
des mthodes numriques, en mettant en vidence ses particularits, avec ses dirents avantages et inconvnients. Une comparaison sur un cas dtude a permis didentier les besoins
de cette mthode numrique en matire de discrtisation. Ceci en adoptant une dmarche de
modlisation rigoureuse adapte aux coulements hydrogologiques pour contrler au mieux
toutes les tapes de la modlisation.
Il sagissait de focaliser ensuite sur le processus de discrtisation en dveloppant une analyse mathmatique par ltude de cas thoriques et selon une approche pratique pour laborer
des algorithmes de discrtisation adapts aux spcicits et aux besoins des lments analytiques. La synthse de ces deux approches avait pour nalit de mettre en valeur des critres
dvaluation de la qualit de cette discrtisation et de disposer dun outil daide la discrtisation. A partir dune tude en rgime permanent, le cas du rgime transitoire a t trait par
llaboration dune mthode de rsolution utilisant les lments analytiques en conservant une
structure objet et le principe de superposition. Lintgration dans un modle hydrogologique
complet proposant le choix dlments transitoires ou permanents demeurant un des objectifs
du travail.
Une analyse de la rsolution numrique dun problme 1D avec le dveloppement dlments analytiques 1D a donc t ralise pour en dduire une mthode de rsolution transposable au problme 2D en traitant plus particulirement la gestion du pas de temps et en
prenant en compte le champ dinuence des lments transitoires.
Comparaison des mthodes AEM et FDM
La comparaison des approches AEM et FDM a t ralise en reprenant les direntes
tapes de la modlisation hydrodynamique. La mthode des FDM est a priori bien approprie
pour le type daquifre tudi puisquil est de taille relativement rduite et assez htrogne.
Nanmoins, lutilisation de mailles carres soulve des dicults pour reprsenter les zones
169

Conclusion et Perspectives

gomtrie complexe comme cest le cas, par exemple, pour les berges du euve et autour des
bassins.
La mthode des AEM est plus adapte aux aquifres rgionaux et permet notamment une
meilleure reprsentation de lcoulement lointain. Son avantage est surtout mis en vidence
lors de la modlisation de domaines ouverts avec des frontires physiques intrieures. Elle peut
prendre en compte des domaines trs tendus tout en conservant une grande prcision de
petites chelles.
Nanmoins, la reprsentation plus ne du contour gomtrique des entits hydrogologiques
et par consquent leurs inuences physiques sur laquifre constitue un avantage certain. En
particulier, la mthode numrique des AEM permet de calculer avec une meilleure prcision
la rpartition des changes de ux linterface entre la nappe et la rivire.
La reprsentation oriente objet et la structure naturellement vectorielle des AEM amliore fortement les interactions avec un SIG. Lorganisation de la base de donnes travers
la conceptualisation de laquifre permet une grande synergie entre les donnes et le modle
numrique, au bnce de la qualit de simulation.
Finalement, nous avons constat que suivant lobjectif de la modlisation, les AEM peuvent
tre plus ou moins bien adaptes par rapport aux FDM. Lintrt est aussi dutiliser une
mthode de modlisation alternative qui peut corroborer les rsultats de simulation obtenus
par la mthode des dirences nies. Les deux mthodes peuvent aussi tre utilises comme
deux approches complmentaires de modlisation en choisissant par exemple la mthode la
plus adapte chacun des sous domaines dune modlisation.

Analyse thorique des erreurs de discrtisation


Lanalyse du comportement numrique de lerreur de discrtisation reprsente un point
central. Cela a permis dexposer direntes techniques de rsolution selon le principe de la
mthode des lments analytiques partir dexemples thoriques. En particulier, ces exemples
ont montr la richesse et la modularit de cette mthode de rsolution oriente objet. En
eet, peu importe la technique mathmatique permettant de rsoudre un lment analytique,
il sut que cet lment respecte la reprsentation objet des lments analytiques pour tre
exploitable. Ces exemples ont montr comment calculer ces lments analytiques laide de
transformations conformes et du principe de superposition pour les rsoudre ensemble.
Une discrtisation optimale ne conduit gnralement pas positionner les sommets sur
la courbe dorigine. Cest pourtant la mthode classiquement utilise pour discrtiser une
frontire gomtrique. Ce constat a motiv le dveloppement dalgorithmes de discrtisation
plus adapts aux spcicits des lments analytiques.
170

Conclusion et Perspectives

Vers un outil daide la discrtisation


La mise en uvre du travail thorique sur la discrtisation a fait lobjet dalgorithmes de
discrtisation adapts aux spcicits et aux besoins des lments analytiques.
Les extensions de lalgorithme de Douglas-Peucker permettent de rduire au maximum
les erreurs qui sont induites par la discrtisation. Elles combinent cet algorithme de DouglasPeucker et une approximation par moindres carrs. Leurs avantages sont leur intgration facile
dans un SIG et la possibilit dutiliser une discrtisation avec des lments de formes gomtriques plus sophistiques comme les lments curvilignes. Cette dmarche de discrtisation
peut intgrer des lments analytiques dont la gomtrie est une ellipse pour orir un panel
de possibilits plus varies.
A laide de ces algorithmes, il devient possible dvaluer lerreur de discrtisation et les
erreurs de simulation qui en dcoulent. La qualit globale du modle avant et aprs la simulation peut ainsi tre value. Lutilisateur peut choisir dajuster ou de raner le maillage avant
ou aprs la simulation pour satisfaire au mieux son objectif de modlisation.

Mthode de rsolution des lments analytiques pour le rgime transitoire


Le dveloppement dlments analytiques 1D a permis la rsolution numrique dun problme en rgime transitoire 1D. Ces formes 1D nous ont permis dviter dintroduire les erreurs
numriques dues au calcul des lments eux mmes pour se focaliser sur le comportement numrique de la rsolution elle-mme. Cette mthode de rsolution a ensuite t transpose au
problme 2D avec des lments analytiques 2D similaires ceux rcemment dvelopps par
Strack [66, 65] grce au calcul de Wirtinger [74]. Leur distance dinuence y est considre
de forme elliptique.
La mthode de rsolution utilise combine un schma aux dirences nies en temps et
une approximation par moindres carrs. Nous avons vu que cette mthode de rsolution est
relativement instable lors des premires itrations et quil est prfrable dinitialiser la rsolution numrique par une estimation des singularits avec leur solution locale exacte. Puisque la
solution nale est gnralement proche de la solution locale, cela permet de mieux rgulariser
la convergence vers la solution.
Puisque ces lments transitoires ont un champ dinuence spatialement born (ce qui est
aussi vrai dans la ralit), ils peuvent sintgrer dans une modlisation numrique de tout un
aquifre. Nous avons montr quil faudrait alors prendre en compte un pas de temps local de
lordre de 1/10 du pas de temps utilis pour modliser laquifre. En eet, le rsultat obtenu
aprs 10 itrations permet davoir une convergence susante vers la solution pour viter les
ventuelles perturbations des premires itrations.

171

Conclusion et Perspectives

Perspectives
Lanalyse critique de ce travail montre que plusieurs points restent approfondir, en particulier :
poursuivre la comparaison entre les FDM et les AEM en prenant en compte les variations topographiques du substratum, en rgime transitoire ou en traitant dautres types
daquifre,
tester le couplage entre les deux mthodes appliques plusieurs endroits dirents de
laquifre,
tester la robustesse des estimateurs derreur de discrtisation locaux et globaux avec,
par exemple, le premier cas dtude expos au chapitre 3,
dvelopper un code de rsolution intgrant ces lments analytiques 2D en transitoire,
intgrer la rsolution en rgime transitoire dans un modle plus complet de reprsentation de laquifre.
Lune des perspectives immdiates est llaboration dun outil daide la discrtisation
pour la modlisation par lments analytiques. Cela passe naturellement par un dveloppement
informatique des algorithmes prsents au chapitre 4.
Associer ces algorithmes aux critres derreur permettrait, par exemple, de choisir la reprsentation spatiale la plus rentable en fonction de lecacit algorithmique et dune rsolution
donne. Cette rsolution pouvant bien sr tre uniforme, mais aussi dpendante des objectifs
de lutilisateur. Par exemple, elle pourrait tre dtermine en fonction du critre derreur local
et de linuence de la discrtisation une certaine distance (inuence des lments analytiques
les uns par rapport aux autres). Grce la reprsentation en continu de laquifre, il serait
envisageable de sabstraire du type de mthode numrique en utilisant indpendamment les
FDM ou les AEM pour une rsolution donne. En allant plus loin, cela revient coupler des
mthodes numriques direntes en dnissant des domaines de rsolution disjoints pour lesquels lune ou lautre de ces mthodes serait applique ; ou encore de les coupler des chelles
direntes.
Finalement, ce travail a essay de dmontrer plusieurs possibilits oertes par la mthode
des lments analytiques avec pour objectif de contribuer lamlioration des techniques de
modlisation selon deux aspects majeurs :
un aspect pratique avec la conception de techniques daide la discrtisation partir
dalgorithmes de gnration de maillage adapts aux lments analytiques,
un aspect thorique avec ltablissement dune mthode de rsolution numrique pour
des lments analytiques adapts au rgime transitoire.

172

Conclusion et Perspectives

La mthode des lments analytiques reste encore dicile daccs aux non initis, elle est
encore jeune et nest pas encore arrive sa pleine maturation comme les mthodes classiques
FDM et FEM. Elle a ncessit et va encore ncessiter un important travail de dveloppement
mathmatique, numrique et algorithmique.
La forte modularit due sa reprsentation objet permet denvisager des dveloppements
successifs autour du noyau initial de la mthode numrique des lments analytiques en rgime
permanent. Ce dveloppement intgrerait les direntes tentatives de progrs exposs dans la
thse, tout en considrant bien sr les travaux dvelopps dans le cadre de la communaut
scientique des lments analytiques.

173

Conclusion et Perspectives

174

Annexe A

Gnralisation de la thorie complexe


pour les fonctions harmoniques
A.1

Rappel de quelques proprits danalyse complexe

Rappelons les relations entre les direntes variables relles (x, y) et les variables complexes
(z, z) donnes par
2x = z + z

(A.1)

2iy = z z

(A.2)

et introduisons les oprateurs direntiels suivant :





=
i
z
2 x
y


1

=
+i
z
2 x
y

(A.3)
(A.4)

Alors rappelons le thorme danalyse complexe bien connu [53] :


Thorme A.1. Soit f une fonction complexe dans D qui possde une diffrentielle en tout
point de D. La fonction f est holomorphe si et seulement si lquation de Cauchy-Riemann
donne par
f
(z) = 0
z

(A.5)

est vrifie pour tout point z D. Alors nous obtenons la relation :


f (z) =

f
(z)
z
175

pour

zD

(A.6)

Chapitre A Gnralisation de la thorie complexe pour les fonctions harmoniques

De ce thorme dcoule plusieurs consquences. En particulier, si f a des drives partielles


du second ordre continues, la fonction f vrie le Lemme de Schwarz suivant
2f
2f
=
x y
y x

(A.7)

Ainsi, en utilisant les quations A.3 et A.3 nous pouvons obtenir une formulation du
Laplacien par
f =

2f
2f
2f
+
=
4
x2
y 2
z z

(A.8)

Par consquent, nous en dduisons la proposition suivante :


Proposition A.1.1. Les fonctions harmoniques sur un ouvert D sont les fonctions qui vrifient lquation de Laplace

2f
=0
z z

(A.9)

en tout point de D
Par consquent, une fonction complexe f = P + i Q avec P et Q rels est harmonique dans
f
D si et seulement si P et Q sont harmoniques dans D. Si f est holomorphe,
= 0 et f
z
ses drives partielles continues tous ordres. Nous en dduisons donc la proprit suivante :
Proposition A.1.2. Les fonctions holomorphes sont harmoniques.

A.2

Formulation du potentiel complexe par la divergence et le


rotationnel

Soit lexpression de la divergence et du rotationnel de Q suivant :


Qx Qy
+
=
x
y
Qy
Qx

=
x
y

(A.10a)
(A.10b)

Rappelons lexpression de la vitesse complexe :


W = Qx i Qy

(A.11)

Alors, lexpression donn par le systme dquations A.10 est quivalent la formulation
176

A.2 Formulation du potentiel complexe par la divergence et le rotationnel

suivante pour la vitesse complexe W :


W
W
+
=
x
y
W
W

= i
x
y

(A.12a)
(A.12b)

Finalement, nous obtenons lexpression suivante :


2

W
= = ( + i )
z

(A.13a)

Soit = + i le potentiel complexe donne par la dcomposition de Helmholtz. Les


direntes dcompositions en deux termes permettant de prendre en compte sparment la
divergence et le rotationnel sont :

Qx = Qx + Qx

Qy = Qy + Qy

W =W +W

(A.14a)
(A.14b)
(A.14c)

o lindice suprieur . indique la partie rotationnel nul et . indique la partie divergence


nulle.
Rappelons lexpression pour le vecteur vitesse :

Qy =
y

Qx =

(A.15a)
(A.15b)

Alors lexpression de lquation A.11 nous permet den dduire une expression pour W
avec les oprateurs pour z et z dnis avec lquation ?? :
W = 2

(A.16)

ou encore, en prenant en compte la dcomposition de W , lexpression des direntes parties


de la dcomposition peuvent se formuler par :

W = 2 i
z
W = 2

177

(A.17a)
(A.17b)

Chapitre A Gnralisation de la thorie complexe pour les fonctions harmoniques

Finalement, le potentiel complexe peut sexprimer, grce au thorme A.8 par


4

2
=
z z

(A.18)

Ce qui nous permet den dduire une relation pour les potentiels rels et correspondants au potentiel complexe :
2
z z
2
= = 4
z z

(A.19)

= = 4

(A.20)

Considrons maintenant le cas particulier o = + i = 0, alors nous avons :


(A.21)

(z, z) = 2 (z)
= (z, z) + i (z, z)

(A.22)

Comme nest fonction que dune variable, nous pouvons choisir que dpend de z
uniquement, alors :

=0
z

(A.23)

=0=
+i
z
z
z

(A.24)

ou encore
2

En dveloppant et en utilisant les expression A.3 et A.4, nous obtenons

+i
+i

=0
x
y
x
y

(A.25)

Ainsi, nous retrouvons que est holomorphe et les conditions de Cauchy-Riemann en


sparant la partie imaginaire et la partie relle.
Soit I lintgrale de sur lensemble A.En utilisant un changement de variables entre

(x, y) et (z, z), nous obtenons


I=

ZZ

1
(x, y) dx dyI =
2i
A
178

ZZ

(z, z) dz dz

(A.26)

A.2 Formulation du potentiel complexe par la divergence et le rotationnel

1
dz dz. Puis, en utilisant lquation A.13 et le thorme de la
2i
divergence, nous obtenons une expression pour I en fonction de W par
puisque dA = dx dy =

1
I=
i

ZZ

1
W
dz dz =
z
i

W (z, z) dz = i
A

W (z, z) dz

(A.27)

Cette formulation complexe permet de combiner le thorme de la divergence et le thorme


de stocke. En eet,
ZZ

(z, z) dx dy


ZAZ
Qy
Qx Qy
Qx
=
+
+i

dx dy
y
x
y
A x
Z
Z
[Qx dx + Qy dy]
[Qx dx + Qy dy] + i
=
A
A
Z
(Qx i Qy ) dz
puisque dz = dx + i dy
=i
A
Z
W (z, z) dz
=i

I=

179

(A.28)

Chapitre A Gnralisation de la thorie complexe pour les fonctions harmoniques

180

Annexe B

Relation mathmatique entre les AEM


et les BEM
Dans la mthode des lments analytiques, les quations intgrales aux frontires sont
gnralement estimes partir de lintgrale de Cauchy en variables complexes.
Par contre, la mthode des lments aux frontires utilise gnralement les solutions fondamentales de Green ou encore la seconde identit de Green pour le dveloppement de ces
solutions particulires exprimes en terme de variables relles.
Ces deux approches sont mathmatiquement quivalentes, ceci prs que la formulation
complexe reviendrait exprimer les variables et par un couple dquations relles [75].
Rappelons dabord le thorme de Cauchy [53] :
Thorme B.1. Soit D un ouvert convexe, p D, f une fonction continue sur D et holomorphe sur D p, alors

f (z) dz = 0

(B.1)

pour tout chemin ferm dans D.


Notons que cette formulation pour un contour ferm peut facilement sadapter un chemin
non ferm par changement de variables et lutilisation dune transformation conforme.
Considrons maintenant le potentiel complexe = + i et la fonction f (z) dnie par
Thorme B.2. Soit un chemin ferm dans un ouvert convexe D et soit f une fonction
holomorphe dans D. Si z D et si z
/ , alors
f (a) Ind (a) =

o
181

(z)
dz = 0
za

(B.2)

Chapitre B Relation mathmatique entre les AEM et les BEM

1
Ind (a) =
0

si z domaine dlimit par le contour ferm,

(B.3)

sinon.

Ainsi lapplication de ce thorme permet de calculer des solutions pour la mthode des
lments analytiques en utilisant la formulation suivante :
1
(a) =
2i

(z)
dz = 0
za

(B.4)

Pour montrer que cette formulation peut tre relie la seconde identit de Green, notons
dabord que

dz
= d ln(z a) = d ln(r) + i d
za

(B.5)

o z a = r ei en notation polaire.

Lquation B.2 peut ainsi tre rcrite sous la forme


Z
1
[(z) + i (z)] [dln(r) + i d]
(a) =
2i


Z 

1
ds + i
ds + dln(r)
dln(r)
=
2i
s
s
En remarquant la relation

ln(r)
n

(B.6)
(B.7)

entre les coordonnes polaires (, r) et curvilignes

(s, n), o n est le vecteur normal la frontire et s est le vecteur tangent la frontire, puis
par intgration par partie sur le terme incluant dln(r), nous obtenons

1
(a) =
2

Z 



Z 

ln(r)
i
ln(r)
ln(r)
+ ln(r)

ds +

ds
n
s
2
n
s

(B.8)

Par identication des parties relles et imaginaires avec (a) = (a)+i (a), nous pouvons
mettre en vidence les relations suivantes :

Z 

ln(r)
1
ln(r)

ds
(a) =
2
n
s

Z 

ln(r)
1
+ ln(r)

ds
(a) =
2
n
s

(B.9)
(B.10)

Les quations B.9 et B.10 montrent que les potentiels et peuvent tre interprt
comme la somme dun potentiel logarithmique double couche de densit
potentiel logarithmique de simple couche de densit

1
2 s

ou

ou

et dun

1
2
s .

On observe alors que le potentiel complexe le long de lintrieur de la frontire est gale
au saut sur la frontire (car reprsent par la densit de potentiel de simple couche) et ainsi le
potentiel sannule en dehors du domaine dlimit par la frontire (ce qui respecte le thorme
182

de Cauchy).
Rappelons que les conditions de Cauchy-Riemann peuvent sexprimer sur la frontire par :

=
n
s

=
s
n

(B.11)
(B.12)

La prise en compte des conditions de Cauchy-Riemann dans les quations B.9 et B.10
permet dobtenir :

Z 

ln(r)
1
ln(r)

ds
2
n
n

Z 

ln(r)
1
ln(r)

ds
(a) =
2
n
n
(a) =

(B.13)
(B.14)

Ce systme dquations obtenu pour et est exactement la reprsentation intgrale qui


est obtenue avec la mthode des BEM. Pour cela, la deuxime identit de Green et la solution
fondamentale de Laplace en deux dimension est normalement utilise.
Notons quune solution obtenue par la reprsentation complexe correspond alors deux
solutions par la mthode des BEM.

183

Chapitre B Relation mathmatique entre les AEM et les BEM

184

Annexe C

Fonction de courant et fonction


potentiel
Nous exposons dans cet annexe quelques proprits sur la fonction de courant et la fonction
potentiel. Elles ont t dduites des conditions de CauchyRiemann utilises.
Thorme C.1. est la fonction de courant.
Dmonstration. Soit M une particule lmentaire. Son dplacement lmentaire est dni par
~ . Les lignes de courant sont donc caractrises par
dM

~ Q
~ = ~0
dM

avec

dx

~ =
dM
dy
0

Qx

~ =
et Q
Qy
0

(C.1)

Pour les coordonnes en z, nous obtenons la relation


~ Q
~
0 = dM

= Qy dx Qx dy =

dx +
dy = d
x
y

(C.2)

en utilisant les Conditions de CauchyRiemann pour et . Par consquent, est


constante sur chacune des lignes de courant.

Thorme C.2. Les lignes de courant et les lignes potentiels sont orthogonales.
Dmonstration. est constante sur chacune des lignes quipotentiels. Par consquent, en
utilisant les Conditions de CauchyRiemann, nous obtenons la relation
d = Qx dx Qy dy = 0
185

(C.3)

Chapitre C Fonction de courant et fonction potentiel

Do
 dy 
dx

=cste

Qx
Qy

(C.4)

Les lignes de courant sont dnies par (x, y) = cste. Par un raisonnement similaire au
prcdent, nous obtenons la relation
 dy 
dx

=cste

Qy
Qx

(C.5)

En combinant les quations C.4 et C.5, nous obtenons la relation


 dy 
dx

=cste

 dy 
dx

=cste

= 1

(C.6)

Cela signie que les lignes de courant et les lignes potentiels se coupent orthogonalement.

Thorme C.3. les potentiels rels et sont harmoniques, i.e. = = 0.


~ = ,
~
Dmonstration. Puisque Q
nous avons

Qy
Qx
~ =
~

=Q
=0
x
y

En utilisant les conditions de CauchyRiemann, nous obtenons donc = 0.

186

(C.7)

Annexe D

Donnes collectes pour lcozone


D.1

Donnes climatiques de la plaine du Forez

Mois
moyenne
T minimale
T maximale

Jan
2.9
-0.8
6.6

Fv
4.4
-0.4
9.1

Mar
7.6
1.9
13.3

Avr
9.6
4.2
15.1

Mai
14.5
8.2
20.8

Juin
17.2
11
23.4

Juil
20.6
13.8
27.5

Aut
20.4
12.9
27.9

Sept
16.2
9.9
22.5

Oct
12.5
7.5
17.5

Nov
6.7
2.7
10.8

Dc
3.7
0.4
6.9

Anne
11.4
5.9
16.8

Table D.1 Tempratures normales sur 10 ans (1986-1996) en C, station de Feurs.

Mois
Geles totales

Jan

Fv

Mar

Avr

Mai

18.6

16.2

11.6

4.9

0.3

Geles fortes

6.6

4.7

1.7

Geles trs fortes

0.5

(T < 0C)

(10 < T < 5C)


(T < 10C)

Juin

Juil

Aut

Sept

Oct

Nov

Dc

Anne

0.2

1.5

9.6

17

79.9

0.1

3.8

18.9

0.2

0.2

1.9

Table D.2 Nombre de jours de geles, normales sur 10 ans ( 1986-1996 ) en C, station
de Feurs.
Mois
T> 30C

Jan

Fv

Mar

Avr

Mai
0.5

Juin
3.2

Juil
11.1

Aut
12.3

Sept
1.9

Oct

Nov

Dc

Anne
29

Table D.3 Nombre de jours de forte chaleur, normales sur 10 ans (1986-1996) en C, station
de Feurs.
Mois
Hauteur deau
Nbre de jours pluie

Jan
88.2

Fv
30.6

Mar
28.5

Avr
74

Mai
75.5

Juin
81.6

Juil
60.2

Aut
48.9

Sept
80.6

Oct
82.1

Nov
45.1

Dc
35.1

Anne
680.4

Totale (p > 0.1 mm)


Forte (p> 10 mm)

11.9
1

11.5
0.5

9.4
0.4

13.2
2.2

12.5
2.4

11.3
2.7

7.4
2

7.9
1.7

9.2
2.8

12.5
12.9

10.3
1.3

11.7
0.7

128.8
20.6

Table D.4 Prcipitations, normales sur 10 ans (1986-1996) en mm, station de Feurs.

187

Chapitre D Donnes collectes pour lcozone


Mois
Dure

Jan
78

Fv
89

Mar
136

Avr
165

Mai
206

Juin
238

Juil
273

Aut
252

Sept
210

Oct
145

Nov
96

Dc
82

Anne
1970

Table D.5 Ensoleillement, moyenne sur 10 ans (1971-1980) en heures, station de Bouthon.
Mois
ETP (mm)

Jan
13.9

Fv
23.5

Mar
49.0

Avr
70.7

Mai
98.1

Juin
118.5

Juil
141.3

Aut
118.5

Sept
77.1

Oct
40.3

Nov
17.6

Dc
12.6

Anne
781.1

Table D.6 vapotranspiration potentielle (calcul avec la formule de Penmann, [49]).

La formule de Penmann est exprime en fonction de nombreux paramtres mtorologiques. Elle se formule par (Daprs de Marsily,81, [22])

F
1
1 Rn
ET P =
+ Ea

F
L 1+
1 + F

(D.1)

avec
L=
Rn =

chaleur latente dvaporation de leau (59 cal/cm2 pour 1 mm deau quivalente)


rayonnement net, valu par la formule :

h
h
) 4 (0.56 0.08 e) (0.10 + 0.9 )
H
H
= (eW e) 0.26 (1 + 0.4 V )

Rn = Iga (1 a)(0.18 + 0.62


Ea =

pouvoir vaporant de lair

constante psychomtrique

a=

albedo de la surface vaporante (en gnral,

Ig a =
h=
H=

( 0.65)
a = 0.25)

radiation solaire directe en labsence datmosphre


dure relle dinsolation
dure astronomique du jour

temprature de lair sous abri

1.19 107

e=

tension de la vapeur deau mesure sous abri, en mb

eW =
V =
F =

(K)

cal/cm2 .jour.K

tension maximale de la vapeur deau pour la temprature en mb


vitesse moyenne du vent mesure 10 m au-dessus de la surface vaporante (m/s)
pente de la courbe de tension maximale de la vapeur deau.

Pour estimer certaines de ces constantes mtorologiques, il est utile de se servir des nombreuses formules et tables de valeurs qui se trouvent sur le site internet de la FAO (Food and
agriculture Organization of the United Nation) [2].
188

D.2 Donnes cartographies sous SIG

D.2

Donnes cartographies sous SIG

Figure D.1 Courbes pizomtriques de rfrences tablies au 1/10 000 pour lcozone
(daprs les donnes de ltude gophysique CPGF Horizon [1978]).

189

Chapitre D Donnes collectes pour lcozone

321.30

321.30

Fleuve Loire
322.84
323.59

324.42

324.46

322.70

327.44

Vizezy

324.34

l'Aillot

328.01
327

326.67

326.58
325.64
326.71
327.35

326.71

328
326.71
328.52

326.71

329.43

329.83

327.66
326.72
327.30

330.83

329.04

328.42
329.15
332.13
329.16
332.96
331.10

333.82

331.17

335.26

333.07

Lgende

335.97

Fleuve Loire

333.12
333.39

337.04

Vizezy

334.04

l'Aillot
Bassin
Gravire

334.08

334.18

335.95
336.55

334.56

650

1 300

335.68

2 600 mtres

336.59

Figure D.2 Localisation des mesures hydrauliques de lcozone.

190

D.2 Donnes cartographies sous SIG

Fleuve Loire

Vizezy

l'Aillot

39

P
F4

3
61

36
30
52
7
29

27

59
59b

12
P2

P3

P7

P8

P4

P5

57
T1
C2
C1
E2

P6

E3

14

P1Pe
P9
P10

E1

P11

B2
F2
35

E4
C
P12

Lgende
E5

Fleuve Loire
Vizezy

F1
47

l'Aillot
Bassin
Gravire

650

1 300

2 600 Mtres

Figure D.3 Localisation des mesures pizomtriques de lcozone.

191

Chapitre D Donnes collectes pour lcozone

Figure D.4 Topographie du toit du substratum dans la zone dtude (daprs les donnes
de ltude gophysique CPGF Horizon [1978]).

192

D.2 Donnes cartographies sous SIG

Figure D.5 Carte de variation de la conductivit de leau dans la zone dtude. La rsistivit
des alluvions nappe est caractrise partir des isobathes dessins en pointills.

193

Bibliographie
[1] M. Abramowitz et I. A. Stegun. Handbook of Mathematical Functions. Dover Publications, Inc., New York, 1965. 1046 pp.
[2] R. G. Allen, L. S. Pereira, D. Raes, et M. Smith. Crop evapotranspiration Guidelines for computing crop water requirements FAO Irrigation and drainage paper 56.
FAO, Rome, 1998. 328 p.
[3] F. Allignol. Analyse spatiale et aide la decision pour la recherche de gisements
alluvionnaires : application la Loire Suprieure (42). Thse de doctorat, cole Nationale
Suprieure des Mines de Saint-Etienne, 1997.
[4] R. Barnes et I. Jankovi. Two-dimensional ow through large numbers of circular
inhomogeneities. Journal of Hydrology, 226(34) :204210, 1999.
[5] R. J. Barnes et O. D. L. Strack. A transient area-sink composed of line elements.
Dans Fourth International Conference on the Analytic Element Method, Saint Etienne,
France, 2003.
[6] J. Bear. Dynamics of Fluids in Porous Media. Dover Publications, Inc., New York,
1972.
[7] F. L. Bookstein. Fitting conic sections to scattered data. Dans Computeur Graphics
and Image Processing 9, p. 5671, 1979.
[8] P. A. Burrough et R. A. McDonnell. Principles of Geographic Information Systems.
Oxford University Press, Oxford, UK, 2 dn, 1998. 356 pp.
[9] H. S. Carslaw et J. C. Jaeger. Conduction of Heat in Solids. Oxford University Press,
London, 1959. 510 pp.
[10] G. Castany. Principe et mthodes de lhydrogologie. Dunod, Paris, 1856.
[11] Cesame. Plan de gestion des milieux naturels cople/cozone du forez. Rap. tech.
intermdiaire, Rgion Rhne-Alpes, Dpartement de la Loire, DIREN Rhne, FRAPNA
Loire, 1996. 145 p.
[12] Cesame. Plan de gestion, cozone/cople du forez 20032008, volet Milieu naturels et
tat des lieux. Rap. tech. nal, FRAPNA Loire, 2003. 130 p.
195

Bibliographie

[13] P. G. Ciarlet. Introduction lanalyse numrique matricielle et loptimisation. Collection mathmatiques appliques pour la matrise, Masson, Paris, 1982.
[14] J. B. Conway. Functions of One Complexe Variable I. Springer, New York, seconde dn,
1978.
[15] J. R. Craig. Bluebird developers manual. Rap. tech., Department of Civil, Structural,
and Environmental Engineering, University at Bualo, Bualo, NY, 2002.
[16] J. R. Craig. Contaminant Transport Modeling using Analytic Element Flow Solutions.
Thse de doctorat, University at Bualo, Minneapolis, 2004.
[17] G. Dagan. Flow and Transport in Porous Formations. New York, NY, 1989.
[18] H. Darcy. Les fontaines Publiques de la Ville de Dijon. Corps impriaux des ponts et
chausses, Domaine publique, http ://gallica.bnf.fr, 1856.
[19] F. Dauvergne, D. Mimoun, et D. Graillot. Comparison between FDM and AEM for
modeling a local aquifer in France. Dans Fourth International Conference on the Analytic
Element Method, Saint Etienne, France, 2003.
[20] F. Dauvergne, D. Mimoun, et D. Graillot. Comparison of vector and grid based
approaches for groundwater modeling. Dans DARCY 2006, International symposium on
the Aquifer Systems Management, Dijon, France, 2006.
[21] W. J. de Lange. Groundwater Modeling of Large Domains with Analytic Elements. Thse
de doctorat, University of Technology, Delft, The Netherlands, 1996.
[22] G. de Marsily. Hydrogologie quantitative. Collection sciences de la terre, Masson, 1981.
[23] B. N. Delaunay. Sur la sphere vide. Bull. Acad. Sci. USSR VII : Class. Sci. Math., p.
793800, 1934.
[24] J. P. Demailly. Analyse numrique et quations diffrentielles. PUG, Grenoble, 1996.
[25] J. Denegre et F. Salge. Les systmes dinformation gographique. Puf, 2 dn, 2004.
128 pp.
[26] D. Douglas et T. Peucker. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature. The Canadian Cartographer, 10(2) :112
122, 1973.
[27] P. Duclos. Gologie et minralisations uranifres de la plaine tertiare du Forez. Thse
dtat Sciences, Rapport R. 3117 du CEA, Univ. Clermont Ferrand, 1967.
[28] R. O. Duda et P. E. Hart. Use of the hough transformation to detect lines and curves
in pictures. Comm. ACM, 15(1) :1115, Jan. 1972.
[29] J. Dupuit. Etudes thoriques et pratiques sur le mouvement des eaux dans les canaux
dcouverts et travers les terrains permables. 2 dition, Dunod, Paris, 1863.
[30] H. I. Ene et E. Sanchez-Palencia. quations et phnomnes de surface pour lcoulement dans un modle de milieu poreux. Journal de Mcanique, 14(1) :73108, 1975.
196

Bibliographie

[31] A. Fitzgibbon et R. Fisher. A buyers guide to conic tting. Dans Proceedings of the
6th British Machine Vision Conference, p. 513522, 1995.
[32] A. W. Fitzgibbon, M. Pilu, et R. B. Fisher. Direct least-squares tting of ellipses.
IEEE Transactions on Pattern Analysis and Machine Intelligence, 21(5) :476480, Mai
1999.
[33] W. Gander, G. H. Golub, et R. Strebel. Least-squares tting of circles and ellipses.
BIT, 34(4) :558578, Dc. 1994.
[34] M. Garland. Quadric-Based Polygonal Surface Simplification. Thse de doctorat, Computer Science Department, Carnegie Mellon University, CMU-CS-99-105, Mai 1999.
[35] M. Garland et P. S. Heckbert. Surface simplication using quadric error metrics. Dans
SIGGRAPH 97 Proc., 1997.
[36] P. Heckbert et M. Garland. Optimal triangulation and quadric-based surface simplication. Journal of Computational Geometry : Theory and Applications, 14(13) :4965,
Nov. 1999.
[37] J. Hershberger et J. Snoeyink. Speeding up the douglas-peucker line-simplication
algorithm. p. 134143, 1992.
[38] I. Jankovi. High-Order Analytic Elements in Modeling Groundwater Flow. Thse de
doctorat, University of Minnesota, Minneapolis, 1997.
[39] P. le Grand. Analytic elements of high degree along bezier spline curves for the modeling
of groundwater flow. Ms thesis, University of Minnesota, Minneapolis, 1999.
[40] P. le Grand. Advanced curvilinear shapes for object centered modeling of groundwater
flow with the analytic element method. Thse de doctorat, cole Nationale Suprieure
des Mines de Saint-Etienne, Saint Etienne, France, 2003.
[41] V. Leavers. Shape Detection in Computer Vision Using the Hough Transform. SpringerVerlag, London, 1992.
[42] A. Mabillot. Les forages deau : Guide pratique. Crpines JohnsonFrance SA, Naintr,
1971.
[43] C. Marle. Ecoulement polyphasiques en milieux poreux. Cours de Production de lIFP,
1972.
[44] R. McMaster. Automated line generalization. Cartographica, 24(2) :74111, 1987.
[45] B. Meyer. Conception et programmation orientes objet. Eyrolles, 2000.
[46] D. Mimoun. Spatialisation de linformation : une aide lanalyse hydraulique et paysagre
dveloppe lors de la rhabilitation des sites post-industriels, cas des ramnagements des
gravires en eau en milieu alluvionnaire. Thse de doctorat, cole Nationale Suprieure
des Mines de Saint-Etienne, 2004.
197

Bibliographie

[47] P.-A. Muller. Modlisation objet avec UML. Eyrolles, 1997.


[48] N. I. Muskhelishvili. Singular Integral Equations. Dover Publications, Inc., New York,
seconde dn, 1992. Based on the Russian edition, Moscow, 1946.
[49] H. L. Penman. Natural evaporation from open water, bare soil and grass. Proceedings
of the Royal Society of London, 193 :120145, 1948.
[50] U. Ramer. An iterative procedure for the polygonal approximation of plane curves.
Computer Graphics and Image Processing, 1 :244256, 1972.
[51] J. C. Refsgaard. Parameterisation, calibration and validation of distributed hydrological models. Journal of Hydrology, 198(14) :6997, Nov. 1997.
[52] J. C. Refsgaard et H. J. Henriksen. Modelling guidelinesterminology and guiding
principles. Advances in Water Resources, 27(1) :7182, 2004.
[53] W. Rudin. Analyse relle et complexe. Masson, Paris, 1975.
[54] W. Rudin. Real and Complex Analysis. McGraw-Hill, Inc., New York, NY, 3rd dn,
1987.
[55] A. Saalfeld. Topologically consistent line simplication with the douglas-peucker algorithm. Cartography and Geographic Information Science, 26(1) :718, 1999.
[56] S. Schlesinger, R. E. Crosbie, R. E. Gagn, G. S. Innis, C. S. Lalwani, J. Loch, et
al.. Terminology for model credibility. SCS Tech Comm Model Credibil Simul, 32(3) :103
4, 1979.
[57] J. K. Seaberg, D. D. Hansen, B. W. Block, A. R. Streitz, et M. Bakker. Development of a regional groundwater ow model for the Twin Cities. Dans Conference
Companion : Analytic-based Modeling of Groundwater Flow, p. 3941, Nunspeet, The
Netherlands, April 1997.
[58] R. A. Silvermann. Introductory complex analysis. Dover Publications, Inc., New York,
1972.
[59] Sogreah et Aquascop. tude gomorphologique de la loire dans le dpartement de la
loire. Rap. tech. 30 0325 R5, tude pour la DDE Loire, 1996. 76 p.
[60] T. O. Sonnenborg, B. S. B. Christensen, P. Nyegaard, H. J. Henriksen, et J. C.
Refsgaard. Transient modeling of regional groundwater ow using parameter estimates
from steady-state automatic calibration. Journal of Hydrology, 273(14) :188204, 2003.
[61] O. Strack. Theory and applications of the analytic element method. American. Geophysical Union. Rev. Geophys, 41(2) :1005, 2003.
[62] O. Strack, R. J. Barnes, et A. Verruijt. Vertically integrated ows and the dupuitforchheimer approximation. Dans Fourth International Conference on the Analytic Element Method, Saint Etienne, France, 2003.
198

Bibliographie

[63] O. D. L. Strack. Groundwater Mechanics. Prentice-Hall, Inc., Englewood Clis, New


Jersey, 1989. 732 pp.
[64] O. D. L. Strack. Principles of the analytic element method. Journal of Hydrology,
226(3-4) :128138, 1999.
[65] O. D. L. Strack. Divergence Line Elements with Chebychev polynomials for density
distribution. Communication personnelle, 2004.
[66] O. D. L. Strack. Discharge potential for a pond with elliptical boundary. Dans Proceedings of the 5th International Conference on the Analytic Element Method (ICAEM), p.
165171, Manhattan, Kansas, 2006.
[67] O. D. L. Strack et H. M. Haitjema. Modeling double aquifer ow using a comprehensive potential and distributed singularities : 1. Solution for homogeneous permeability.
Water Resources Research, 17(5) :15351549, 1981.
[68] O. D. L. Strack et H. M. Haitjema. Modeling double aquifer ow using a comprehensive potential and distributed singularities : 2. Solution for inhomogeneous permeability.
Water Resources Research, 17(5) :15511560, 1981.
[69] O. E. Strack et F. D. Strack. A tutorial to MLAEM and SLAEM. Rap. tech., Strack
Consulting, Inc., 1997.
[70] M. Visvalingam et D. Whyatt. Line generalization by repeated elimination of points.
The Cartographic Journal, 30(1) :4651, 1993.
[71] Z. Wang et J. C. Mller. Line generalization based on analysis of shape characteristics.
Cartography and Geographic Information Systems, 25(1) :315, 1998.
[72] Waterloo Hydrogeologic. Visual Modow users manual. Rap. tech., 2002. 370 pp.
[73] E. White. Assessment of line-generalization algorithms using characteristic points. The
American Cartographer, 12(1) :1727, 1985.
[74] W. Wirtinger. Zur formalen Theorie der Funktionen von mehrenen komplexen Veranderlichen. Mathematischen Annalen, 97 :357375, 1927.
[75] G. Q. Yu et T. C. Rasmussen. Application of the ordinary least squares approach for
solution of complex variable boundary element problems. Int. J. of Num. Methods in
Engineering, 40(7) :12811293, 1997.
[76] W. J. Zaadnoordijk. Analytic Elements for Transient Groundwater Flow. Thse de
doctorat, University of Minnesota, Minneapolis, MN, 1988.
[77] W. J. Zaadnoordijk et O. D. L. Strack. Area sinks in the analytical element method
for transient groundwater ow. Water Resources Research, 29(12) :41214129, 1993.
[78] J. Zaoui. Les coulements en milieu poreux et lhypothse de dupuis. La Houille Blanche,
3 :385388, 1964.
199

Table des figures


1

Position des travaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1

Dnition de la charge pizomtrique . . . . . . . . . . . . . . . . . . . . . . . . 13

1.2

None exhaustive outline of discrete approximation methods. . . . . . . . . . . . 18

1.3

Gomtrie de quelques lments analytiques . . . . . . . . . . . . . . . . . . . . 23

1.4

Hirarchie des niveaux dhritages de classes pour un lment analytique . . . . 24

1.5

Diagramme de Classes des lments analytiques (Daprs J. Craig [15, 16]) . . 25

1.6

Reprsentation de la structure objet dun modle par lments analytiques


(Daprs J. Craig [15, 16]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.7

Dmarche de modlisation scientique . . . . . . . . . . . . . . . . . . . . . . . 27

2.1

Localisation de la plaine du Forez . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.2

Prsentation de lcozone du Forez . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.3

Carte gologique du site dtude (Daprs la carte gologique de la France au


1/50 000 - Feuille de Montbrison). Les deux traits rouges localisent les coupes
gologiques et gomorphologiques interprtatives de la plaine du Forez. La lgende de la carte est donne en gure 2.4. . . . . . . . . . . . . . . . . . . . . . 35

2.4

Coupes gologiques et gomorphologiques interprtatives du secteur dtude


(daprs Legriel (1975), modi par D. Mimoun) . . . . . . . . . . . . . . . . 36

2.5

Semis de points photogrammtriques du lit majeur (au niveau de lle Moriaud). 40

2.6

Modle Numrique de Terrain du site de lcozone du Forez. . . . . . . . . . . . 41

2.7

Prol en long du euve Loire au niveau de lcozone, Aot 2004. . . . . . . . . 42

2.8

Bilan hydrique du sol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

2.9

Conception du modle physique. . . . . . . . . . . . . . . . . . . . . . . . . . . 47

2.10 Reprsentation continue du domaine dtude. . . . . . . . . . . . . . . . . . . 48


2.11 Coupe transversale reprsentant les conditions aux limites utilises. . . . . . . . 49
2.12 Reprsentation de la condition de rivire. . . . . . . . . . . . . . . . . . . . . . 50
2.13 Procdure de discrtisation eectue. . . . . . . . . . . . . . . . . . . . . . . . . 52
2.14 Discrtisation du domaine pour chacune des mthodes AEM et FDM avec une
rsolution de 50 m. Les AEM utilisent lalgorithme de Douglas-Peucker avec
une tolrance de 50 mtres. Les FDM utilisent une taille de grille de 50 mtres.
201

54

Bibliographie

2.15 Pizomtrie simule ltiage pour les FDM et les AEM. La rsolution des
dirents maillages est de 50 mtres. . . . . . . . . . . . . . . . . . . . . . . . . 56
2.16 Comparaison entre les valeurs de hauteur deau calcules et observes sur 17
points de mesure rpartis sur la zone dtude. . . . . . . . . . . . . . . . . . . . 57
3.1

Hypothses du problme rpartition de charge constante . . . . . . . . . . . . 62

3.2

Correspondance entre lespace Z et lespace . . . . . . . . . . . . . . . . . . 63

3.3

Segment de potentiel constant en 2D . . . . . . . . . . . . . . . . . . . . . . . . 65

3.4

Segment de potentiel constant en 3D . . . . . . . . . . . . . . . . . . . . . . . . 65

3.5

Reprsentation des 2 premires transformations conformes . . . . . . . . . . . . 66

3.6

Reprsentation de la 3me transformation conforme . . . . . . . . . . . . . . . . 68

3.7

Arc de cercle de potentiel constant en 2D . . . . . . . . . . . . . . . . . . . . . 72

3.8

Arc de cercle de potentiel constant en 3D . . . . . . . . . . . . . . . . . . . . . 72

3.9

Dirence arc l des potentiels complexes en 2D. . . . . . . . . . . . . . . . 74

3.10 Dirence arc l des potentiels complexes en 3D. . . . . . . . . . . . . . . . 74

3.11 Comportement asymptotique de la fonction

f
g

(z0 ) en fonction du module de

z0 = |z0 | i. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

3.12 Comportement de lerreur en fonction des dirents paramtres 0 , z0 et . A


gauche, reprsentation de lerreur maximale Errmax selon lhypothse arc = l
ou lhypothse Qarc = Ql . A droite, reprsentation de lcart induit |Qarc Ql |

ou |arc l | selon lhypothse considre. . . . . . . . . . . . . . . . . . . . . 77

3.13 Problme rpartition de charge non constante . . . . . . . . . . . . . . . . . . 78


3.14 Reprsentation de la 3me transformation. . . . . . . . . . . . . . . . . . . . . . 80
3.15 Hypothses du problme des 3 segments . . . . . . . . . . . . . . . . . . . . . . 83
3.16 Position spatiale optimale au sens des moindres carrs. . . . . . . . . . . . . . . 90
3.17 Les 3 segments connects en 2D. . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.18 Les 3 segments connects en 3D. . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.19 Erreur au sens des moindres carrs en fonction de kz . . . . . . . . . . . . . . . . 92
3.20 Reprsentation de lerreur suivant plusieurs critres . . . . . . . . . . . . . . . . 93
3.21 Localisation de lerreur maximale en fonction de kz . . . . . . . . . . . . . . . . . 94
4.1

Structure topologique correcte de la connexion entre les polylignes. . . . . . . 96

4.2

Gnralisation dune polyligne avec lalgorithme de Douglas-Peucker. . . . . . . 97

4.3

Mthode de localisation des sommets avec lalgorithme de gnration du maillage.100

4.4

Mthode de localisation des sommets avec lalgorithme de gnration du maillage


curviligne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

4.5

Schmatisation dune ellipse obtenue par une optimisation de forme utilisant


les vertices dune polyligne ferme. . . . . . . . . . . . . . . . . . . . . . . . . . 103

4.6

Reprsentation de la distance de Hausdor. . . . . . . . . . . . . . . . . . . . . 106


202

Bibliographie

4.7

Mesures spatiales de la discrtisation. . . . . . . . . . . . . . . . . . . . . . . . . 107

4.8

Schmatisation de lestimateur local. . . . . . . . . . . . . . . . . . . . . . . . . 108

4.9

Schmatisation de lestimateur global. . . . . . . . . . . . . . . . . . . . . . . . 109

5.1

Variation brusque de potentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

5.2

Potentiel complexe 2D dune linesink de densit constante . . . . . . . . . . . 117

5.3

Comparaison entre les solutions numriques de et aprs 10 itrations avec


leurs solutions exactes respectives . . . . . . . . . . . . . . . . . . . . . . . . . . 127

5.4
5.5
5.6

volution de lestimateur derreur Emc = kM a bk2 en fonction de litration . 127


Singularits dordre un et deux exactes et calculs . . . . . . . . . . . . . . . . . 129
Reprsentation des valeurs calcules de lerreur de troncature du schma numrique (eq. 5.93) au temps t = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

5.7
5.8

volution de lerreur ET et de lerreur Emc . . . . . . . . . . . . . . . . . . . . 131


Rsidu Emc en fonction du pas de temps t . . . . . . . . . . . . . . . . . . . 132

5.9

Variation dans le temps de lerreur Einf en fonction de t . . . . . . . . . . . . 133

5.10 volution de la solution numrique pour les 10 premires itrations . . . . . . . 133


5.11 volution logarithmique de lerreur en fonction du nombre ditrations avec
t = 0.01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.12 Inuence du type de rpartition des points de contrles sur lerreur k k . . . . 136
5.13 Reprsentation logarithmique des erreurs Edif f de la solution numrique en

fonction du nombre de points de contrles N bXj . . . . . . . . . . . . . . . . . 137


5.14 Temps cpu en fonction du nombre de points de contrles N bXj . . . . . . . . . 137
5.15 Singularits dordre un et deux exactes et calculs . . . . . . . . . . . . . . . . . 139
5.16 volution de la solution numrique pour 10 itrations en temps . . . . . . . . . 140
5.17 Variation dans le temps de lerreur Einf en fonction de t . . . . . . . . . . . . 140
5.18 volution de lerreur en fonction du nombre ditrations pour t = 0.01 . . . . 141
6.1

Rsultat numrique de la solution exacte en transitoire.

. . . . . . . . . . . . . 147

6.2

Transformations conformes utilises. . . . . . . . . . . . . . . . . . . . . . . . . 150

D.1 Courbes pizomtriques de rfrences tablies au 1/10 000 pour lcozone (daprs
les donnes de ltude gophysique CPGF Horizon [1978]). . . . . . . . . . . . . 189
D.2 Localisation des mesures hydrauliques de lcozone. . . . . . . . . . . . . . . . . 190
D.3 Localisation des mesures pizomtriques de lcozone. . . . . . . . . . . . . . . 191
D.4 Topographie du toit du substratum dans la zone dtude (daprs les donnes
de ltude gophysique CPGF Horizon [1978]). . . . . . . . . . . . . . . . . . . . 192
D.5 Carte de variation de la conductivit de leau dans la zone dtude. La rsistivit
des alluvions nappe est caractrise partir des isobathes dessins en pointills. 193

203

Rsum
Dans une dmarche de modlisation hydrogologique, la mthode des lments analytiques
prsente une alternative intressante par rapport aux mthodes numriques usuellement employes pour lhydrodynamique souterraine. Cest une mthode aux frontires qui a t dveloppe spciquement pour la modlisation des coulements souterrains.
Aprs avoir identi sa place parmi les autres mthodes existantes et discut de ses avantages et inconvnients, il sagit dapprofondir cette comparaison sur un cas dtude rel. Cest
pourquoi, cette mthode est compare la mthode des dirences nies travers une mthodologie envisageant toutes les tapes de la modlisation ; de la cration du modle conceptuel
jusquaux rsultats de simulation. Cette comparaison fait apparatre limportance de ltape
de la discrtisation et limportance cruciale quelle reprsente pour lutilisateur sur la qualit
gnrale de la modlisation.
Aprs avoir identi les approximations inhrentes la mthode des lments analytiques,
une analyse mathmatique de problmes simplis et localiss sur quelques lments analytiques permet de quantier ces erreurs et dy extraire une analyse de leur comportement
numrique. Cela permet dintroduire par la mme occasion des lments de thorie de la
mthode des lments analytiques.
La reprsentation objet et vectorielle des lments analytiques permet de bien valoriser
les interactions possibles avec les SIG. En particulier, il sagit dlaborer des algorithmes de
discrtisation adapts aux spcicits et aux besoins de la mthode, mais aussi de mettre en
valeur des critres dvaluation de la qualit de cette discrtisation. La synthse de ces outils
et mthodes permet lutilisateur de disposer dun outil daide la discrtisation pour rduire
au mieux ses eets sur la qualit de modlisation.
Il sagit ensuite dtudier le comportement numrique des lments analytiques adapts
la simulation en rgime transitoire. Pour cela, des lments analytiques 1D sont dabord
dvelopps pour faciliter cette tude. Leur comportement numrique reste similaire tout en
rduisant les erreurs numriques qui sont induites par le calcul des lments analytiques euxmme.
Cette analyse permet de mettre en vidence une mthode de rsolution adapte au rgime
transitoire qui est ensuite transpose au problme 2D. Elle y expose en particulier une mthode
pour estimer le champ dinuence de llment transitoire, utilisant un critre de discrtisation
spatial qui doit tre corrl avec le pas de discrtisation temporel.