Journée SFT du 2 février 2017 Méthodes inverses et thermique du bâtiment : réduction et identification de modèle Présentation de la journée Modèles en thermique du bâtiment, réduction/identification de modèle et approche inverse Patrick Salagnac 1, Simon Rouchier 2, Jean-Luc Barraglia 3, Denis Maillet 4 1LaSIE (U. La Rochelle & CNRS, La Rochelle), 2LOCIE (U. Savoie & CNRS, Chambéry) , 3I2M (U. Bordeaux & CNRS), 4LEMTA (U. de Lorraine & CNRS, Nancy) 1 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 (un) objectif des méthodes inverses : réconcilier Modèles et Mesures Rappels : * approche de modélisation/simulation liée à objectifs spécifiques dans domaine spécifique * modèle = solution du problème « direct » en dynamique des systèmes : sorties (t) = f (t ; entrées (t), état initial, paramètres ) * NB : un modèle inverse n’existe pas (méthode inverse, algorithme ou technique d’inversion) ----------------------------Cas de la thermique macroscopique « de laboratoire » et « des procédés » Caractéristiques : * modélisation de « systèmes » dans contexte déterministe * sources de chaleur/conditions aux limites (assez) bien maîtrisées Objectifs : l’approche (ou l’analyse) « inverse » sert ici à trouver les grandeurs structurelles ou d’entrée d’un modèle (physique, légitime), de structure donnée : Données : mesures (sorties & entrées) + structure du modèle détaillé connue (Fourier, …) : * estimation des paramètres structurels (expérience de caractérisation) : caractérisation/métrologie des « matériaux » : propriétés thermophysiques * estimation de sources, températures et flux pariétaux, conditions aux limites, état initial (expérience en conditions réelles, estimation de fonctions) 2 Cas de la thermique du bâtiment Caractéristiques : * nombreux modèles (+/- réduits) liés chacun à un objectif * système de grande taille: sources ? conditions limites ? ⇒ le modèle est +/- stochastique * validation de modèle (+/- réduits) indispensable : comparaison avec sorties modèle détaillée ou mesures -------------------------------------- Approche « inverse » sert à construire un modèle (c.à.d. trouver ses paramètres), de structure donnée : Réduction de modèle (pas d’expérience) * données : structure de modèle réduit + structure de modèle détaillé (physique) connues * objectifs : relier les paramètres des 2 modèles, ou * calculer les valeurs des paramètres réduits en fonction de celles des paramètres détaillés Identification de modèle (expérience de calibration, pas de modèle détaillé) * données : mesures (sorties & entrées) + structure du modèle réduit * objectif : estimation des paramètres réduits NB : On peut construire un modèle physique de structure simplifiée SANS faire ni réduction, ni identification de modèle (exemple : réduction des dimensions des sous-systèmes: 3D 2D 1D 0D) 3 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 10h – 10h40 : Modèles en thermique du bâtiment, réduction de modèles et approches inverses Patrick SALAGNAC (LaSIE La Rochelle), Simon ROUCHIER (LOCIE Chambéry), Jean-Luc BATTAGLIA (I2M Bordeaux), Denis MAILLET (LEMTA, Vandoeuvre-lès-Nancy) 10h50 – 11h10 : ISABELE : Méthode de diagnostic in situ des déperditions thermiques de l’enveloppe des bâtiments Simon THEBAULT (CSTB) - Modélisation + estimation + identification 11h20 – 11h40 : The essential steps to develop the thermal network method as a strong tool to represent physical simplified "models of buildings” - Modélisation + réduction Ali BAGHERI et Véronique FELDHEIM (Univ. de Mons) 11h50 – 12h10 : Calibration d'un modèle de STD pour le suivi en exploitation d'un bâtiment tertiaire Alexandre NASSIOPOULOS et Jordan BROUNS (IFFSTAR-Ecotropy et LUNAM Bouguenais) - Identification 12h15 – 14h : ------------------------------------------------- Repas ------------------------------------------------------------------14h – 14h20 : Innovative methodology for energy diagnostic in civil engineering Tingting VOGT-Wu et Yingying YANG (I2M - Talence) – Estimation 14h30 – 14h50 : Identification de la résistance thermique de parois opaques de bâtiments à partir d'observations par thermographie infrarouge – Estimation – identification Laurent IBOS (CERTES Créteil/OSU Efluve, Université Paris-Est Créteil), Jean-Pierre MONCHAU (THEMACS Ingénierie), Vincent FEUILLET, Mohamed LARBI YOUCEF, Yves CANDAU (CERTES/OSU Efluve, Université Paris-Est Créteil) 15h00 – 15h20 : Une méthode mixte de mur équivalent pour la modélisation dynamique des ponts thermiques Julien QUINTEN et Véronique FELDHEIM (Université de Mons) – Modélisation- estimation - identification 15h30 – 15h50 : Contrôle d'écoulement par modèles réduits - Modélisation - contrôle Cyrille ALLERY, A. TALLET, C. LEBLOND, Francis. ALLARD (LaSIE, Université de La Rochelle) 16h00 – 16h 20 : Elaboration d’une méthodologie d’optimisation appliquée à l’efficacité énergétique dans l’habitat : quelle modélisation réduite ? - Modélisation – réduction 16h00 : Olivier Le Metayer, Stéphane Launay, Benjamin Kadoch, Fabrice Rigollet (IUSTI, Aix-Marseille Université) fin de la journée 4 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Plan Partie 1 : Aspects fondamentaux des méthodes inverses 1. Problèmes inverses en transfert de chaleur : points spécifiques 2. Estimation paramétrique, réduction/identification de modèle : rappels 3. Les différents types d’erreur d’estimation et quelques remarques à l’attention du modélisateur/expérimentateur/inverseur Partie 2 : Quels choix de modélisation pour les méthodes inverses dans le bâtiment ? 4. Le bâtiment, un milieu complexe 5. Les modèles utilisés pour l’identification 6. Les précautions pour la validation 5 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 1. Problèmes inverses en transfert de chaleur : points spécifiques Chaque problème inverse est défini par un objectif a priori pour une application 2 types d’approches sont nécessaires : modélisation (physique, puis maths. appli.) et mesures sur un système réel (calibrage) (instrumentation, statistiques, traitement du signal, …) identification de modèle ou disponibilité d’un modèle détaillé pertinent de référence réduction de modèle Les 2 types d’information doivent se rencontrer (moindres carrés) Hypothèses : - un modèle peutt être construit entre les entrées (stimulations) et les sorties (réponses) - les mesures de la sortie peuvent être représentées par un modèle physique de dynamique des systèmes 6 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Problème direct (modélisation en « boucle ouverte ») zero initial state Classification des problèmes inverses en dynamique des systèmes par objectifs/applications : a) Estimation de grandeurs (entrée, état initial, paramètres structuraux) pour un modèle de structure connue ymo (.) , en utilisant les mesures de la sortie y b) Construction de modèle (2 méthodes principales) Identification de la structure du modèle ymo (.) et de ses paramètres structuraux à partir de mesures de l’entrée u et de la sortie y Réduction : modèle détaillée modèle réduit c) autres PB inverses: conception/conduite optimale d ’expérience, commnade (boucle fermée, …) 7 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Problèmes d’estimation : du type boîte blanche = d construits à partir de lois/bilans physiques (modèles d’état, … ) - caractérisation thermophysique de matériaux - calibration (étalonnage) d’un capteur de paramètres } Estimation (valeurs qui peuvent être ‘exportées’) - conducQon inverse (esQmaQon d’entrée) esQmaQon de foncQon → - problèmes inverses de conception optimale et de commande optimale d’« expériences » Problèmes d’identification de modèles : structures développées en statistique et en automatique modèles de type boîte noire = structure du modèle non établie par des lois physiques : réseaux neuronaux (= abaques) modèles de type Boîte grise structure du modèle construite à partir d’arguments physiques même si ses paramètres ne sont pas toujours intrinsèques : - produits de convolution/fonctions de transfert – NB : identification soit par estimation paramétrique (de ses coefficients) , soit par mesure directe de sa réponse impulsionnelle) - modèles autorégressifs (ARMAX, ARX …). 8 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Exemple : problème inverse de transfert thermique 1D dans un mur Inverse Heat Conduction Problem (J.V. Beck, 1985) NB : l’humidité peut être incluse dans le modèle Fluxmétrie ou Caractérisation in situ modèle couplé avec observations/mesures des températures et humidités T y mo (t , β, ...) , y ≡ HR Direct problem Heat flux Retrieved heat flux ? Model(s) Computed Temperatures Measured temperatures 9 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 2. Estimation paramétrique, réduction/identification de modèle : rappels Modèle d’un système dynamique T0 (P) ymo = η (t, β , u (t ), T0 (P)) Modèle de mesure correspondant Grandeurs du modèle Sortie du modèle Sortie mesurée P y i = y mo (t i ; x ) + ε i pour i = 1 à m Problème direct/problème inverse 10 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Estimation de paramètres et moindres carrés linéaires (1/2) Cas linéaire (au sens de l’estim. param.) Cas général Fonctions de sensibilité S j (t , β ) = ∂ y mo ∂ βj X S j (t , β ) = t , β k pour k ≠ j ∂ y mo ∂ βj t , β k pour k ≠ j Coefficients, vecteurs et matrice de sensibilité : m mesures et n paramètres (avec m ≤ n ) indice j de S j : [ S = S1 S2 L S j Modèle linéaire : L Sn ] L S1 n S1 1 L M O M ∂y mo = M Si j = (ti , β ) M ∂β j M M Sm 1 L L Sm n y mo = S β sortie du modèle (m x 1) matrice de sensibilité (m x n) ↓ i : indice du " temps" t j Sortie expérimentale : y = S β exact + ε vecteur paramètre (n x 1) vecteur bruit (vecteur aléatoire) E (ε ) = 0 11 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Estimation de paramètres et moindres carrés linéaires (2/2) * Critère des moindres carrés ordinaires (cas linéaire) sorties ymo du modèle vecteur paramètre mesures JMCO ( β ) = y − S β 2 = m ∑ i =1 y i − n ∑ j =1 2 S j (t i ) β j = ( y − S β ) T ( y − S β ) = r ( β ) vecteur des résidus r (β ) (n x 1) * Solution (minimum) = estimateur : 2 le problème inverse peut être mal posé βˆ MCO = (S T S ) - 1 S T y E ( βˆ MCO ) = β exact aléa (m x 1) aléa (n x 1) estimateur sans biais * Si bruit indépendant, identiquement distribué (i.i.d.), β̂MCO est l’estimateur linéaire de variance minimum: cov (ε ) = σ 2 I m ⇒ cov ( βˆ MCO ) = σ 2 (ST S ) - 1 matrice de variance -covariance du bruit de mesure écart matrice de variance -covariance type du bruit de mesure du bruit * Cas des moindres carrés non linéaires : matrice d’information S≡ NB: vrai aussi en non linéaire! (à convergence, avec S = S ( βˆ (∞ ) ) d y mo = S ( β ) ⇒ linéarisat ion locale autour point courant dβ [ Démarche itérative (Gauss-Newton) : βˆ ( k + 1) − βˆ ( k ) = S T ( βˆ ( k ) ) S ( βˆ ( k ) ) ] −1 ( S T ( βˆ ( k ) ) y − y mo ( βˆ ( k ) ) ) 12 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Réduction et identification de modèle paramètres structurels βdétaillé ymo dét aillé (t, βdétaillé ) Modèle détaillé sortie U entrée ymo réduit (t, βréduit) Modèle réduit sortie paramètres structurels βréduit ? Procédure de réduction de modèle y Système physique réel S mesures U entrée ymo (t, β) Modèle M sortie paramètres structurels β ? Procédure d’identification de modèle (calibrage) 13 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 3. Les différents types d’erreur d’estimation vecteur paramètre étendu d’un problème direct en transfert de chaleur x = { β , u , T0 paramètres structuraux Problème direct: Problème inverse: } source: État initial parametrisée parametrisé fonction fonction (espace) (temps/espace) x connu MODELE y mo ? partie de x ? MODELE y connu modèle pour inversion experimentale doit être parcimonieux 14 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Les 6 causes d’erreur en inversion experimentale Erreur d’estimation totale pour un vecteur paramètre recherché x : ex = xˆ − x exact ≤ e1 + e 2 + ( e 3 or e 6 ) + e 4 + e 5 15 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Remarques sur les potentialités et les limitations des techniques inverses expérimentales avant de mettre en œuvre une technique inverse sur des mesures réelles : - jeter un regard physique sur les 6 causes d’erreurs d’estimation les unités physiques comptent en inversion expérimentale (exemple : nombre de conditionnement de la matrice de sensibilité réduite) plus le nombre de paramètres recherchés est élevé, plus la dispersion relative de leurs estimations est forte (principe de parcimonie) mais biais d’estimation compatibles avec objectifs (compromis) changements : problème mal-posé → problème inverse bien-écrit avant optimisation (moindres carrés) ou régularisation (estimation de function) ou régression orthogonale (approche Bayésienne : estimation de paramètres/fonction) 16 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Références : 1. James V. Beck, Kenneth J. Arnold, Parameter Estimation in Engineering and Science, John Wiley & Sons (1977) 2. James V. Beck, Ben Blackwell, Charles R. St. Clair Jr., Inverse Heat Conduction: Ill-Posed Problems, Wiley-Interscience, Chichester (1985). 3. D. Petit, D. Maillet, Techniques inverses et estimation de paramètres, Editeur : Techniques de l’Ingénieur, Paris, thème : Sciences Fondamentales, base : Physique-Chimie, rubrique : Mathématiques pour la physique, dossiers AF 4515, pp. 1- 18, et AF 4516, pp. 1-24, Paris, janvier 2008. 4. D. Maillet, Y. Jarny, D. Petit, Problèmes inverses en diffusion thermique, Editeur : Techniques de l’Ingénieur, Paris, base documentaire: Génie Energétique: dossiers BE 8265 (Modèles diffusifs, mesures et introduction à l'inversion), pp. 1- 54, 10 octobre 2010, BE 8266 (Formulation et résolution du problème des moindres carrés ), pp. 1-46, janvier 2011, et BE 8267 (Outils spécifiques de conduction inverse et de régularisation), pp. 1-24, octobre 2011, 5. Richard C. Aster, Brian Borchers, Clifford H. Thurber, Parameter estimation and inverse problems, 2nd edition, Academic Press, Elsevier (2012) et les écoles METTI - SFT 17 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment: réduction et identifiction de modèle, Paris, 2 février 2017 8. Thermal Measurements and Inverse Techniques Editors: Helcio R.B. Orlande; Olivier Fudym; Denis Maillet; Renato M. Cotta Publisher: CRC Press, Taylor & Francis Group, Bocca Raton, USA, 779 pages, May 09, 2011 NB: Proceedings of 4th METTI School (Thermal Measurements and Inverse Techniques ) Angra dos Reis, Rio de Janeiro, Brazil, Nov. 8-13, 2009 9. Thermal Measurements and Inverse Techniques, Metti 5, Advanced Spring School, CNRS & Eurotherm, Roscoff, June 13-18, 2011, free downlable from French Heat Transfer Society Website (Société Française de Thermique ) http://www.sft.asso.fr/ 10. Thermal Measurements and Inverse Techniques, Metti 6, Advanced Spring School, CNRS & Eurotherm, Biaritz, March 1-6, 2015, prochainement disponible sur le site de la SFT 18 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 19 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 20 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment: réduction et identifiction de modèle, Paris, 2 février 2017 Plan Partie 1: Aspects fondamentaux des méthodes inverses 1. Problèmes inverses en transfert de chaleur: points spécifiques 2. Estimation paramétrique, réduction/identification de modèle: rappels 3. Les différents types d’erreur d’estimation et quelques remarques à l’attention du modélisateur/expérimentateur/inverseur Partie 2 : Quels choix de modélisation pour les méthodes inverses dans le bâtiment ? 4. Le bâtiment, un milieu complexe 5. Les modèles utilisés pour l’identification 6. Les précautions pour la validation 21 Le bâtiment, un milieu complexe • Différentes échelles d’espace / Phénomènes couplés • Différentes échelles de temps • Différents phénomènes physiques Seconde/Minute Journée Heure Saison/Année Problématiques Objectifs : Comprendre le comportement et connaitre les performances des bâtiments Energies, Puissances de chauffage/climatisation, Topérative Utilisation des méthodes inverses • Calibration de modèles (de comportement thermoaéraulique du bâtiment) • Surveiller les performances du bâtiment en cours du temps • Connaitre les propriétés/performances des enveloppes Echelle des matériaux (Prop. thermiques/hydrique, infiltration…) => Diagnostic Echelle de la paroi => Evaluation des coeff. U, S (RT existante) • Evaluer les sources (chaud/froid, humidité, pollution (gaz, particules),…) • Contrôle/commande de système de ventilation/chauffage/climatisation… => Garantie de performance 22 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Type d’isolation Surface vitrée Climat Régulation Ventilation Consommation Coût Durée de vie 23 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Problèmes inverses avec le critère des moindres carrés comme exemple Manip Sorties mesurées Algorithme Modèle Sorties calculées 24 Des équipements échelle 1 pour de l’expérimentation Cellules contrôlées (BCG, chambre climatique) : Principalement pour des tests normalisés (U, Sw) • • • • Climatic chamber (Norway, NTNU) BCG (Cethil, Lyon) Double enceinte clim. (GEMH, Limoges) Instrumentées (T, Hr, φ) Contrôle des C.L. Multicouches Normalisé BCG (LECCE, Espagne) Cellule test (exposée) extérieure : Adaptées aux façades adaptatives PASSYS ILARGE et EGUZKI (LCCE, Espagne) Façades tests (Tipee – La Rochelle) Fact VLIET (INES - CEA) (Univ. Catholique de Leuven, Belgique) Instrumentées (T, φ) Parois passives/actives Parois opaques / semi-transparentes (Uw, Sw) Conditions de mise en œuvre / Aspect dynamique • Climats non normalisés • Etudes comparatives • Pas d’occupants • • • • BestLab (EDF – Les Renardières) VERU (Fraunhofer IBP Holzkirchen) The Cube (Denmark, AAU) Kubik (Tecnalia, Espagne) Des équipements échelle 1 pour de l’expérimentation Banc in-situ à échelle réelle (i.e. living lab) : Validation d’outils STD et étude de l’influence des occupants Maisons Castor et Pollux (Atlantic - Orléans) Maison INCA (INES - CEA) Maison QEI (Tipee – La Rochelle) Maison Maria (CSTB – Champs/Marne) Twin houses (Germany, IBP) Maison (Saint-Gobain, Beaucouzé) Janssens A., Reliable building energy performance characterisation based on full scale dynamic measurements, Report of Subtask 1a: Inventory of full scale test facilities for evaluation of building energy performances, International Energy Agency, EBC Annex 58, 2016 Cattarin G., Causone F., Kindinis A., Pagliano L., Outdoor test cells for building envelope experimental characterisation – A literature review, Renewable and Sustainable Energy Reviews, 54 (2016) 606-625. * Source : Benchmark réalisé par M. Doya (Tipee) Maison EnergyFlexHouse® (DTI, Taastrup, Danemark) • • • • • • • • Instrumentées (T, φ) Occupation Pilotage des systèmes Ventilation QAI Enveloppe Diffuseurs/émetteurs de systèmes CVC Difficulté d’isoler l’influence d’un seul élément INSTRUMENTATION De nombreux types de capteurs T, Hr, Fluxmètre, … Grandeurs différentes / Echelles différentes Pa, °C, W.m-2 Pas de temps et Constantes de temps différentes sec, min, heure Positionnements approximatifs Capteur pour une zone thermique Multitude de données Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Modèles diffusifs conduction thermique et/ou diffusion d’humidité Chaleur Humidité Equation Condition aux limites Linéaire aux paramètres 27 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Modèles RC la star des problèmes inverses dans le bâtiment Modèle linéaire aux entrées, non linéaire aux paramètres + Extensible, simple, encore proche d’une réalité physique - Simplification du rayonnement et de l’aéraulique, nécessite des conditions expérimentales particulières 28 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Modèles thermo-aérauliques le cas général à l’échelle du bâtiment • Couplage entre les échelles d’observation transferts entre zones et diffusion dans les parois • Couplage entre pression, humidité, température non-linéarités résolution via une dérivation numérique ou une méthode sans gradient 29 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Modèles « boîte noire » pour créer un modèle prédictif • Modèles autorégressifs processus temporel discret AutoRegressive Moving Average eXogenous inputs AR MA X méthode Box-Jenkins, etc. • Réseaux de neurones récurrents, etc. 30 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Identification de système Utiliser les données pour construire un modèle prédictif Modèle calibré Données d’apprentissage Apprentissage Prédiction Données de test Validation plus généralisable Boîte blanche forte connaissance physique nécessaire moins généralisable Boîte grise Boîte noire aucune connaissance physique nécessaire 31 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Catégorie Type de modélisation Niveau de simplification de la physique Modèle « boîte blanche » représentation d’un système par sa formulation physique et une connaissance théorique des propriétés faible Problèmes inverses estimation de propriétés physiques Modèle « boîte grise » formulation physique dont les propriétés sont apprises par la mesure Identification de système construire un modèle pour la prédiction du comportement Modèle « boîte noire » formulation mathématique entièrement déterminée par les données mesurées Apprentissage automatique tirer de la connaissance d’une base de données Modélisation statistique relation stochastique du rapport entre descripteurs et mesures élevé 32 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Quelle modélisation pour quelle physique ? 1) 2) 3) 4) Identifiabilité structurelle Identifiabilité pratique Sélection de modèle Planification d’expérience 33 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Comment valider le choix d’un modèle ? d’abord avec l’observation des résidus d’identification • Résidus signés / non signés • Fonction autocorrélation 34 Journée SFT-IBPSA, Méthodes inverses et thermique du bâtiment : réduction et identification de modèle, Paris, 2 février 2017 Comment valider le choix d’un modèle ? ensuite sur la valeur des paramètres et leur covariance • Observation de la matrice de variancecovariance de l’estimateur • Régions de vraisemblance des paramètres deux à deux 35