GSCOP-RUB-GCSP

Séminaire GCSP - Mardi 11 mars 2014 - 13h15 - C319 - Présentation d'Abed Safadi

Mardi 11 mars 2014 à 13h15 en salle  C319, Bât C, Site Viallet Grenoble INP

Nous aurons le plaisir d'écouter Abed Safadi, doctorant en 2A, sous la direction de Jean-Marie Flaus et Olivier Adrot. Il nous présentera ses travaux effectués dans le cadre de sa thèse.

Titre :
Prise en compte des incertitudes pour l’évaluation des risques industriels

Résumé :

La démarche générale pour la gestion des risques TMD consiste à évaluer le niveau de risque des zones soumises au Transport des Matières Dangereuses. A partir d'informations terrain, de modèles d'effets, et de cartes d'enjeux, un logiciel informatique a été élaboré pour estimer le niveau de risque et générer une carte du niveau de risque pour pouvoir prendre des mesures de secours appropriées. Dans un premier temps, le type de phénomène dangereux étudié est la dispersion atmosphérique des gaz toxiques résultant de l'accident de TMD. Des modèles d'effets, sous la forme d’ensembles de relations mathématiques, sont donc utilisés pour représenter les relations entre les paramètres de la dispersion atmosphérique et l'impact à comparer à des seuils réglementaires. La difficulté principale réside dans l'incertitude des données utilisées dans ces modèles. Certaines informations ne sont connues qu'avec imprécision. Pour avoir une évaluation fiable des effets et évaluer correctement la zone de danger, il faut tenir compte des incertitudes sur les paramètres et les entrées des modèles. Plusieurs approches peuvent être utilisées pour modéliser et propager les incertitudes, comme l'analyse par intervalle ou l’approche stochastique (Monte-Carlo) qui visent à représenter une grandeur incertaine respectivement par un support borné ou une variable aléatoire suivant une loi de probabilité donnée. Une analyse de sensibilité est nécessaire afin d’identifier les principales sources d’incertitude parmi les paramètres et entrées des modèles d’effets. L’objectif consiste à déterminer les paramètres et entrées qui ont une forte influence sur les variations des sorties des modèles d’effets en induisant une grande plage d’incertitude. Connaître avec une meilleure précision ces grandeurs permet alors d’améliorer la précision des modèles. A l’inverse, les grandeurs ayant le moins d’influence peuvent être fixées à des valeurs nominales pour limiter les temps de calculs ou la complexité des traitements à opérer sur les modèles. Plusieurs approches pour faire cette analyse de sensibilité, dépendant du type de modèle utilisé, seront présentées.