La fiabilité des modèles inversés _____________________________________ V.2 LA METHODE DE GAUSS-NEWTON ET L'INDICE ROI __________________ V.2.1 Optimisation du maillage et choix des paramètres _________________________ V.2.2 Exemples préliminaires ______________________________________________ Résumé : La méthode de Gauss-Newton et l'indice ROI___________________________ CHAPITRE VI MODELISATION SYNTHETIQUE ___________________________ VI.1 DONNEES COLLECTEES EN SURFACE ________________________________ VI.1.1 Modèle pour la prospection de surface __________________________________ VI.1.2 Dispositif électrique choisi pour la prospection de surface___________________ VI.1.2 Simulation des données et paramètres d'inversion _________________________ VI.1.3 Hétérogénéité conductrice ____________________________________________ VI.2.1 Hétérogénéité résistante _____________________________________________ Résumé : Données collectées en surface _______________________________________ VI.2 DONNEES COLLECTEES SUR DES STRUCTURES DE GEOMETRIE COMPLEXE ________________________________________________________________ VI.2.1 Le modèle ________________________________________________________ VI.2.2 Dispositif électrique choisi ___________________________________________ VI.2.3 Utilisation de différentes valeurs du pas d'ajustement des paramètres __________ VI.2.4 Effet du modèle de départ ____________________________________________ VI.2.5 Effet du bruit de mesure ________________________________________________ VI.2.6 Utilisation d'un modèle de référence ___________________________________ VI.2.7 Calcul de la région d'investigation (ROI) ___________________________________ Résumé : Données collectées sur des structures de géométrie complexe ______________ CHAPITRE VII CONCLUSIONS ET PERSPECTIVES _________________________ VII.1 APPORTS DU TRAVAIL ____________________________________________ VII.1.1 Utilisation de CESAR-LCPC pour la modélisation électrique ________________ VII.1.2 Modélisation directe ________________________________________________ VII.1.3 Modélisation inverse ________________________________________________ VII.2 PERSPECTIVES ___________________________________________________ BIBLIOGRAPHIE _______________________________________ ANNEXE TECHNIQUE ___________________________________ Les éléments de CESAR-LCPC pour un problème de diffusion ______________________ Particularités du progiciel CESAR-LCPC ________________________________________ Particularité du solveur _______________________________________________________ Conditions aux limites _______________________________________________________ Stockage de la matrice globale _________________________________________________ Allocation pseudo-dynamique des tables _________________________________________
Dispositif électrique choisi pour la prospection de surface___________________ VI.1.2 Simulation des données et paramètres d'inversion _________________________ VI.1.3 Hétérogénéité conductrice ____________________________________________ VI.2.1 Hétérogénéité résistante _____________________________________________ Résumé : Données collectées en surface _______________________________________ VI.2 DONNEES COLLECTEES SUR DES STRUCTURES DE GEOMETRIE COMPLEXE ________________________________________________________________ VI.2.1 Le modèle ________________________________________________________ VI.2.2 Dispositif électrique choisi ___________________________________________ VI.2.3 Utilisation de différentes valeurs du pas d'ajustement des paramètres __________ VI.2.4 Effet du modèle de départ ____________________________________________ VI.2.5 Effet du bruit de mesure ________________________________________________ VI.2.6 Utilisation d'un modèle de référence ___________________________________ VI.2.7 Calcul de la région d'investigation (ROI) ___________________________________ Résumé : Données collectées sur des structures de géométrie complexe ______________ CHAPITRE VII CONCLUSIONS ET PERSPECTIVES _________________________ VII.1 APPORTS DU TRAVAIL ____________________________________________ VII.1.1 Utilisation de CESAR-LCPC pour la modélisation électrique ________________ VII.1.2 Modélisation directe ________________________________________________ VII.1.3 Modélisation inverse ________________________________________________ VII.2 PERSPECTIVES ___________________________________________________ BIBLIOGRAPHIE _______________________________________ ANNEXE TECHNIQUE ___________________________________ Les éléments de CESAR-LCPC pour un problème de diffusion ______________________ Particularités du progiciel CESAR-LCPC ________________________________________ Particularité du solveur _______________________________________________________ Conditions aux limites _______________________________________________________ Stockage de la matrice globale _________________________________________________ Allocation pseudo-dynamique des tables _________________________________________
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.