Estimation d'incertitudes pour la propagation acoustique en milieu extérieur
Institution:
Le MansDisciplines:
Directors:
Abstract EN:
Outdoor sound propagation phenomena are subject to substantial uncertainties and non-negligible variability in space and time. The combination of ground effects, micrometeorological phenomena, variability of the source gives rise to complex phenomena. It is so difficult to measure and/or assess sound pressure levels with the required accuracy from a regulatory and normative point of view. A statistical method has been defined in order to assess these uncertainties for any configurations : the Calibration Under Uncertainty (CUU) methodology. This method integrates both modeled data and experimental data ; available databases which are representative of more or less complex sites allow to apply the statistical process and to improve it step by step. System specification (datasets constitution), observables definition, system calibration (cost function formulation and parameters estimation), system validation and prediction are the main steps of the statistical process. This finalized process can be applied to any case study within the limitations of available prediction models and experimental data regarding the complexity of phenomena. These limitations are also highlighted.
Abstract FR:
Les phénomènes de propagation acoustique en milieu extérieur sont soumis à de fortes incertitudes et à une variabilité spatio-temporelle non-négligeable. Effets de sol, phénomènes micrométéorologiques, variabilité de la source sont autant d'éléments qui agissent de façon combinée et qui rendent ainsi les phénomènes complexes. Les niveaux sonores sont alors difficilement mesurables et/ou estimés avec la précision requise d'un point de vue règlementaire et normatif. Une méthode statistique a donc été mise en place afin de pouvoir estimer ces incertitudes pour tous types de situations rencontrées : la méthode de calibration sous incertitude. Cette méthode intègre aussi bien des données modélisées que des données expérimentales ; des bases de données représentatives de sites différents plus ou moins complexes permettent d'appliquer le processus développé et de l'améliorer pas à pas. Cette méthode rend compte de la spécification du système (réflexions sur la constitution de jeux de données), la définition des observables, la calibration du système (l'écriture de la fonction coût et l'estimation des paramètres d'intérêt), la validation du système et la prévision. La méthode désormais aboutie peut être appliquée à tout type de cas d'étude dans la limite des possibilités des modèles de prévision et des données expérimentales à disposition en regard de la complexité des phénomènes ; ces limites sont également mises en évidence.