Méthodologie basée sur le couplage med/cfd et l’apprentissage automatique pour l’étude du risque d’érosion interne par suffusion d’ouvrages hydraulique

Topic description

Contexte : L'érosion côtière est un phénomène naturel qui entraîne un recul progressive du trait de côte du fait de la perte des sédiments situés le long du littoral. Si un tel processus est normalement assez lent, celui-ci s'avère nettement accéléré par le dérèglement climatique de notre planète. Ainsi, on estime que si le réchauffement climatique atteint une valeur de 1,5 °C à la fin du siècle, la montée des océans pourrait elle atteindre 55 centimètres à l'horizon. Cette réalité s'avère particulièrement problématique au Liban où plus de 40% de la population vit à proximité des kilomètres du littoral libanais, l'exposant directement à des phénomènes maritimes destructeurs (submersion, tsunamis, etc.. .). Des études récentes menées en baie d’Akkar au nord du Liban, ont ainsi mis en exergue une évolution important du trait de côte avec 86 % de son littoral affecté et un recul moyen de près de 2 mètres par an. En France, l'érosion du littoral touche déjà près de 20% des côtes françaises, menaçant directement tout un écosystème bien établi comme c'est par exemple en côte d'Opale où la baie d'Authie est un exemple de zone de biodiversité très sensible au changement climatique et aux phénomènes côtiers. Ainsi, en dépit d'aménagements côtiers assez lourds par le biais d'un littoral artificialisé par des blocs rocheux et du béton, la nature très sableuse du trait de côte de la baie d'Authie qui facilite les mouvements sédimentaires ne permet pas de stabiliser son érosion, mettant en péril tout un écosystème et une biodiversité. Face à cette problématique, il est donc crucial de mieux comprendre les mécanismes menant à l'érosion du littoral afin d'apporter des éléments de solution efficaces pour protéger des populations et un environnement directement touchés par ce phénomène dont la maîtrise s'avère délicate. Parmi les mécanismes mis en exergue les plus destructeurs, la suffusion est un phénomène d'érosion interne (voir Figure 1) particulièrement destructeur qui peut entraîner la rupture d'un ouvrage hydraulique (digue, barrage, levée de terre.. .) du fait du détachement et du transport de sédiments à travers le sol granulaire par écoulement de l'eau.

Objectifs: Parmi les voies déjà explorées pour étudier ce phénomène, le recours à des modèles numériques, utilisant des approches couplées multiphysiques intégrant généralement la CFD pour simuler finement l’écoulement de l'eau et la MED pour modéliser le caractère granulaire du sol [Xu] s’avère particulièrement pertinente. En effet, la MED présente l’avantage de décrire naturellement ce type de milieu permet de modéliser finement des phénomènes multi-physiques hydro-mécaniques complexes [Ammar]. Elle s’avère aussi particulièrement adaptée à la simulation de l’initiation et de la propagation de fissures [Leclerc, Leclerc].Ainsi, le couplage MED/CFD présente de nombreux bénéfices, pour fournir par exemple des informations sur le taux d’érosion via l’estimation de la contrainte de cisaillement critique (CSS) [Rahimi], ou encore mieux comprendre l’impact des particules fines sur le comportement mécanique du sol [Taha, Taha] et permettre un suivi de la migration des particules fines à travers les pores [Wang]. Néanmoins, l’application du couplage MED/CFD se heurte à des problématiques de temps de calcul qui affecte la fiabilité et la précision des résultats prédictifs obtenus [Xu]. Une solution encore très novatrice dans ce domaine pour palier les limites de l'outil numérique consiste à tirer bénéfice de méthodes d'apprentissage automatique issus de l'intelligence artificielle lesquelles peuvent exploiter des bases de données expérimentales et numériques déjà existantes [Biglarfadafan, Gao]. Dans le cadre du sujet de thèse proposé, notre principal objectif est de mettre en place une approche de simulation du phénomène de suffusion basé sur le couplage MED-CFD et l’intelligence artificielle. Les résultats obtenus par le biais de ce modèle numérique à une échelle d'étude prédéfinie selon des jeux de paramètres (granulométrie, forme des particules, friction etc) pré-définis par le biais de plans d’expérience serviront de valeurs d'entrée à un modèle d'apprentissage automatique. Ce-dernier, une fois mis en place et alimenté avec suffisamment de données qui pourront être complétées par des résultats expérimentaux ou numériques de la littérature, fournira des informations cruciales sur les risques de rupture d'un ouvrage hydraulique (digue ou barrage) pour un large champ de configurations et de paramètres.

Méthodologie: Le sujet de thèse s'inscrit dans le cadre d'une collaboration entre l'équipe Mécanique et Ingénierie des Matériaux (MIM) du Laboratoire des technologies Innovantes (LTI) de l'Université de Picardie Jules Verne (UPJV/Amiens) et le Laboratoire de Physique Multidisciplinaire (MPLAB) de la faculté des sciences de l'université libanaise. L'équipe française apportera ses compétences en matière de simulation multi-physique avec la MED via la mise à disposition du code de calcul parallélisé MULTICOR3D++ /leclercw/MULTICOR3D) développé au LTI lequel intègre des outils de simulation hydro-mécanique avancés et permet de traiter des problèmes impliquant des systèmes particulaires de très grande taille, constitués de millions d'éléments discrets. Par le biais de l'équipe Systèmes Intelligents auquel est également membre Willy Leclerc, le LTI apportera également des compétences en matière de méthodes d'apprentissage automatique issus de l'intelligence artificielle. En ce qui concerne l'équipe libanaise, le professeur Khalil Abou Saleh fera bénéficier de ses compétences dans la modélisation des phénomènes de suffusion par le biais d'une approche numérique couplant CFD et MED développée dans le cadre d'un programme de collaboration franco-libanais Cèdre. Il apportera également son expérience en matière de caractérisation expérimentale afin d'évaluer le comportement mécanique d'échantillons de terre érodée (tests triaxiaux).

Profil attendu: Nous recherchons un(e) candidat(e) motivé(e) possédant un Master 2 ou un diplôme d’ingénieur en mécanique des fluides, génie civil (spécialité géotechnique ou hydraulique), ou science des matériaux. Une maîtrise de Python (NumPy, SciPy) et C++ (pour le calcul haute performance) est indispensable, ainsi qu’un intérêt pour la mise en place de plan d’expériences (méthodes Taguchi/Box-Behnken) et l’analyse de données multivariées. Le (ou la) candidat(e) devra faire preuve d’autonomie, de rigueur scientifique (gestion des incertitudes expérimentales) et d’une bonne maîtrise du français à l’écrit comme à l’oral. Une expérience en modélisation numérique (CFD, MED) ou une connaissance des problématiques côtières serait souhaitée. Ce sujet s’adresse à des profils curieux, rigoureux et motivés par la recherche interdisciplinaire en mécanique et sciences des données.

Starting date

-10-01

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Co-tutelle internationale