Sensitivity analysis of a filtering algorithm for wind lidar measurements

L’industrie eolienne et l’aeronautique ont des besoins importants en matiere de mesure de vent dans les premieres centaines de metres de l’atmosphere. Les lidars sont des instruments repandus et eprouves pour ce type de mesure. Cependant, leurs qualites d’acquisition sont attenuees par un bruit de mesure systematique. En utilisant des techniques sur le filtrage nonlineaire nous avons participe au developpement d'un algorithme qui ameliore l’estimation du vent et de la turbulence. Cet algorithme est base sur une representation de l’atmosphere par des particules fluides. Il utilise un modele lagrangien stochastique de turbulence et un filtrage par selection genetique. Son efficacite depend du reglage de certains parametres, fixes a une valeur acceptable a l’issue de la phase de developpement. Mais l’influence de ces parametres n’a jamais ete etudiee. Ce travail de these repond a cette question par une analyse de sensibilite basee sur la decomposition de variance. De nouveaux estimateurs pour les indices de Sobol, utilisant des regression penalisees, ont ete testes. Ces estimateurs mettent les indices de Sobol les plus petits automatiquement a zero pour faciliter l’interpretation globale. L’analyse de sensibilite permet de reduire le systeme a 9 entrees et 5 sorties a un systeme de 3 entrees (le nombre de particules, le bruit d’observation reel et le bruit d’observation donne au filtre) et 2 sorties (la pente du spectre de vent et l’erreur sur le vent). Grâce a ce systeme reduit, nous mettons en evidence une methode de reglage des parametres d’entree les plus importants. Le bruit d’observation donne au filtre est bien regle lorsque la pente du spectre est a la valeur cible de -5/3. Une fois ce bruit regle, l’erreur sur le vent est minimale avec une expression connue.