S'abonner

A level set reduced basis approach to parameter estimation - 08/12/11

Doi : 10.1016/j.crma.2011.10.020 
Martin A. Grepl a , Karen Veroy b
a Institut für Geometrie und Praktische Mathematik (IGPM), RWTH Aachen University, 52056 Aachen, Germany 
b Aachen Institute for Advanced Study in Computational Engineering Science (AICES), RWTH Aachen University, 52056 Aachen, Germany 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 4
Iconographies 0
Vidéos 0
Autres 0

Abstract

We introduce an efficient level set framework to parameter estimation problems governed by parametrized partial differential equations. The main ingredients are: (i) an “admissible region” approach to parameter estimation; (ii) the certified reduced basis method for efficient and reliable solution of parametrized partial differential equations; and (iii) a parameter-space level set method for construction of the admissible region. The method can handle nonconvex and multiply connected regions. Numerical results for two examples in design and inverse problems illustrate the versatility of the approach.

Le texte complet de cet article est disponible en PDF.

Résumé

Nous présentons ici une recette « level set » efficace pour résoudre des problèmes dʼestimation de paramètres régis par des équations aux dérivées partielles. Ses ingrédients principaux sont : (i) une « région admissible » sur laquelle procéder à lʼestimation du paramètre ; (ii) la méthode éprouvée des bases réduites pour obtenir une solution efficace et fiable des équations paramétrées aux dérivées partielles ; et (iii) une méthode « level set » sur lʼespace des paramètres permettant de construire la « région admissible ». Cette méthode peut aussi sʼappliquer à des régions multi-connectées ou non-convexes. La flexibilité de notre approche est démontrée à travers les résultats numériques obtenus lors de lʼétude dʼun problème de design et de celle dʼun problème inversé.

Le texte complet de cet article est disponible en PDF.

Plan

Plan indisponible

© 2011  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 349 - N° 23-24

P. 1229-1232 - décembre 2011 Retour au numéro
Article précédent Article précédent
  • A variational principle for gradient flows in metric spaces
  • Riccarda Rossi, Giuseppe Savaré, Antonio Segatti, Ulisse Stefanelli
| Article suivant Article suivant
  • A new local reduced basis discontinuous Galerkin approach for heterogeneous multiscale problems
  • Sven Kaulmann, Mario Ohlberger, Bernard Haasdonk

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.