APPROCHE DE MODELISATION DE LA PROPAGATION DE L INCENDIE DANS UN EDIFICE ET SON INTEGRATION DANS UN SYSTEME DECISIONNEL

Dimension: px
Commencer à balayer dès la page:

Download "APPROCHE DE MODELISATION DE LA PROPAGATION DE L INCENDIE DANS UN EDIFICE ET SON INTEGRATION DANS UN SYSTEME DECISIONNEL"

Transcription

1 APPRCHE DE MDELISATIN DE LA PRPAGATIN DE L INCENDIE DANS UN EDIFICE ET SN INTEGRATIN DANS UN SYSTEME DECISINNEL Sanae KHALI ISSA (*), Abdellah AZMANI (*), Karima ZEJLI (**) (*) Laboratoire d informatique, Systèmes et Télécommunications (LIST), Faculté des Sciences et Techniques de Tanger (FSTT), Maroc. (**) Laboratoire de mécanique et physique des milieux hétérogènes (LMPH), Faculté des Sciences et Techniques de Tanger (FSTT), Maroc. Mots clefs: Incendie, Propagation 1, Réseaux bayésiens 2, Probabilité Keywords: Fire, Spread, Bayesian network, Probability Palabras clave: Fuego, Propagación, Redes bayesianas, probabilidad Résumé Cet article propose d étudier le phénomène de la propagation d un incendie dans un édifice en présence de certains éléments favorisant celle-ci. Nous donnons ici une vision globale du phénomène de propagation et son impact sur la vie humaine. Il s agit de la mise en place d un modèle prédictif, qui est amené à se développer par les nombreuses perspectives que nous avons identifiées, et qui va enrichir la base de connaissances d un outil décisionnel de type système expert. Abstract In this paper, we propose to study the phenomenon of building s fire spreading in presence of some increasing elements. First, we give an overview of the propagation phenomenon and its human life s impact. Then, we show how to develop a predictive model, with some identified perspectives, in order to improve the knowledge base of a decision tool as an expert system.

2 1. Introduction L incendie est l une des problèmes majeurs pouvant attaquer l humanité. Elle peut être définie comme un feu violant destructeur des activités humaines et de la nature. En fait, c est une réaction non maîtrisée dans l espace et dans le temps. L incendie est un phénomène physique qui met en jeu trois variables : - un combustible (Substances solides, liquides ou gazeux) - un carburant (xygène) - une source de chaleur. Dans un article 3 précédemment publié, nous avons proposé une étude prédictive des risques d incendie sur la base des réseaux bayésiens. Cette étude s appuie sur une identification exhaustive des différents paramètres pouvant déclencher un incendie dans un édifice, afin de calculer, à partir des équations de Bayes et comme le montre l équation (1), la probabilité de déclencher un incendie en présence de certains paramètres favorisant ce déclenchement et d autres le minimisant. ( ) Avec : ( ) ( ) ( ) ( ) (1) Ci = 0 si α i = 0 ou bien 1-0 Ci 0 si 1- > 0 X : évènement «Déclencher un incendie» Ei : événement pouvant déclencher un incendie. P(X) probabilité de déclenchement d un incendie P(Ei) probabilité d existence d un évènement déclencheur. P(Ei X) est la probabilité de Ei si l'on suppose que l incendie est déjà déclenché (appelée également «vraisemblance»). P(X Ei) est la probabilité pour qu un incendie se déclenche après avoir pris en compte l'effet de Ei De plus : α i un coefficient qui indique l existence d un évènement déclencheur selon les valeurs suivantes : α i 0 si l élément déclencheur existe α i = 0 sinon. P(E i ) devient α i * P(E i ) (A) ß i. est un coefficient qui peut réduire l effet induit de l élément déclencheur selon la relation suivante :

3 P (E i ) devient ( ) * P (E i ) (B) Par regroupement de (A) et (B), on se ramène à une écriture plus générale que nous simplifions comme suit : P(A i ) devient C i * P(E i ) En remplaçant P(Ei) dans l équation de Bayes, on obtient l équation (1) Afin d enrichir cette première approche, nous étudions dans cet article le phénomène de la propagation de l incendie au sein d un édifice en tenant compte des facteurs influant sur son flux, tels que : - La quantité et la répartition des matériaux combustibles. - La vitesse de combustion des matériaux présents. - Le niveau de ventilation et la géométrie de l édifice - Les propriétés thermiques des parois de l édifice Nous proposons une méthode (qui caractérise un pallier pour nos recherches) pour élaborer, une équation pouvant aider à calculer la probabilité liée à la propagation d un incendie en présence d élément la favorisant. Cette équation va être appliquée, sur la base d hypothèses réalistes, au calcul du nombre de victimes d un incendie. 2. Méthode proposée Pour modéliser la propagation de l incendie dans un édifice, on propose de suivre l enchainement ci-dessous : 1. Identifier les paramètres favorisant le phénomène de la propagation de l incendie dans un édifice. 2. Représentation des paramètres sous forme d un graphe causal (relation de cause à effet) 3. Associer des coefficients de probabilité pour chaque paramètre. 4. Calculer la probabilité de la propagation de l incendie en utilisant des relations probabilistes 5. Etablir un diagnostic des résultats obtenus. 6. Identifier l impact de cette propagation sur la vie humaine. Nous tenons à préciser que nous nous sommes limités, dans cette étude, uniquement aux éléments qui influent sur la propagation d un incendie. Cette étude est amenée à s enrichir en tenant compte des éléments qui peuvent bloquer, à un niveau ou un autre, cette propagation. La convergence des différents axes des travaux que nous menons, y compris l intégration des dimensions spatio-temporel et des domaines de variations plus réalistes pour nos variables, s inscrit dans l optique d élaborer un outil informatique capable d auditer les édifices existants (ou en projet de construction) pour prédire les risques potentiels et pour faciliter la prise de décision afin de préserver la vie humaine. 2.1 Identification des paramètres L étude des différents paramètres pouvant augmenter le risque de la propagation de l incendie au sein d un édifice, nous a conduit au classement suivant :

4 - Classe des paramètres ayant une relation avec la construction de l édifice : o o o La présence ou l absence des voies ouvertes à l extérieur. La présence des matériaux inflammables utilisés pour la construction de la pièce de laquelle démarre un incendie. Le taux de résistance des parois de la pièce source d incendie. - Classe des paramètres ayant une relation avec des éléments situés dans l édifice : o La présence des composants combustibles. 2.2 Représentation sous forme d arbre à décision des paramètres favorisant la propagation d un incendie Apres l observation des différents scénarios de propagation d incendie, on a pu représenter ce phénomène sous forme la structure suivante :

5 Incendie déclenchée Présence des matériaux inflammables ui Présence des composants combustibles Présence des composants combustibles ui ui Présence des voies ouvertes à l'extérieur ui Présence des voies ouvertes à l'extérieur ui Présence des voies ouvertes à l'extérieur ui Propagation S0 Présence des parois non résistants au feu Présence des parois non résistants au feu Présence des parois non résistants au feu Présence des parois non résistants au feu Présence des parois non résistants au feu Présence des parois non résistants au feu ui ui ui ui ui ui Propagation S12 Propagation S10 Propagation S8 Propagation S6 Propagation S4 Propagation S2 Propagation S11 Propagation S9 Propagation S7 Propagation S5 Propagation S3 Propagation S1 Figure 1 : Arbre de décision synthétisant tous les cas de la propagation d incendie dans un édifice

6 2.3 Représentation formelle des paramètres Commençons par donner une écriture symbolique à l arbre précédent. I.D M.F N C.C N C.C N V. N V. N V. N S 0 P.R P.R P.R P.R P.R P.R S 12 S 10 S 8 S 6 S 4 S 2 N N N N N N S 11 S 9 S 7 S 5 S 3 S 1 Avec : I.D : Incendie déclenchée M.F : Présence de la matière inflammable C.C : Présence des composants combustibles V.E : Présence des voies ouvertes à l extérieur P.R : Présence de parois non résistantes au feu S 0, S 1,, S 12 : Différents degrés de propagation Figure 2 : schéma simplifié du processus de la propagation d incendie

7 Le parcours de cet arbre permet de générer plusieurs chemins représentés de manière qualitative par des n et o. Ces derniers caractérisent la présence ou l absence des différents paramètres influant le flux de la propagation d incendie. Nous pouvons également représenter ces valeurs booléennes 0 et 1 et plus largement, dans le cadre de nos résultats futurs par l intégration de la logique floue avec des quantifications variables en 0 et 1. Les chemins générés correspondent aux différents degrés des probabilités de propagation allant de S 0 à S 12 comme le montre le tableau suivant. Tableau 1 : liste des probabilités de la propagation d incendie Probabilité S 0 S 1 S 2 S 3 S 4 S 5 S 6 S 7 S 8 S 9 S 10 S 11 S 12 Chemin n-n n-o-n-n n-o-n-o n-o-o-n n-o-o-o o-n-n-n o-n-n-o o-n-o-n o-n-o-o o-o-n-n o-o-n-o o-o-o-n o-o-o-o Dans l étape suivante, on va prendre l exemple d un édifice avec des caractéristiques précises comme le montre le tableau suivant : Tableau 2 : Attribution des probabilités pour les caractéristiques d un édifice Indice Caractéristiques Probabilité initiale* E 1 Présence de la matière inflammable dans la pièce source d incendie 95% E 2 Présence des composants combustibles 95% E 3 Présence des voies ouvertes à l extérieur 80% E 4 Présence de parois non résistantes au feu 70% E 1 Absence des matières inflammables dans la pièce source d incendie 5% E 2 Absence des composants combustibles 5% E 3 Absence des voies ouvertes à l extérieur 20% E 4 Présence de parois résistantes au feu 30%

8 * Les valeurs attribuées initialement sont issues de moyennes volontairement démesurées pour s attendre au pire. Ces valeurs seront amenées dans le cadre de techniques d apprentissage à s autorégulées selon la catégorie, l architecture et la nature de l occupation spatio-temporel d un édifice. 2.4 Calcul de la probabilité de la propagation En se basant sur les données présentes dans la figure 2, on remarque que chaque degré de la propagation dépend de 2 à 4 paramètres. Donc chaque probabilité de propagation sera calculée de la manière suivante : P(S n )= P (E 1 E 2 E 3 E 4 ) = P (E 1 ) * P (E 2 ) * P (E 3 ) * P (E 4 ) pour { } (2) P(S 0 )= P (E 1 E 2 ) = P (E 1 ) * P (E 2 ) D une manière générale : ( ) { ( ) { } ( ) Et puisque les évènements Ei sont indépendants les uns des autres, on peut écrire : P(S n )= ( ) avec { } (4) (ù m représente le nombre des évènements influant le flux de la propagation d incendie) Application numérique : (3) En tenant compte des valeurs attribuées dans le tableau 2, on obtient des valeurs pour les probabilités de la propagation S 0 jusqu à S 12 illustrées par le tableau3. Tableau 3 : Liste des valeurs des probabilités de la propagation d incendie

9 2.5 Analyse des résultats L analyse des résultats obtenus (voir tableau 4), montre la variation des probabilités de la propagation se présente sous forme d une fonction croissante (ce qui est cohérent car en augmentant les probabilités des différents paramètres, la probabilité de cette propagation augmente aussi) Tableau 4 : probabilités de la propagation d incendie en présence de certains paramètres.

10 Probabilés de la propagation Variation de la probabilité de la propagation d'incendie dans un édifice en présence des paramètres influant son flux 60,00% 50,00% 40,00% 30,00% 20,00% Valeur 10,00% 0,00% S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 Différents degrès de propagation Figure 4 : Variation de la probabilité de la propagation d'incendie dans un édifice en présence des paramètres influençant son flux 2.6 Risques attendus Application des réseaux bayésiens Pour identifier l impact des différents degrés de propagation sur la vie humaine, on va appliquer la technique des réseaux bayésiens suivant l organisation suivante : - Etape 1 : Identification des paramètres influant sur la vie humaine - Etape 2 : Représentation des paramètres sous forme d un graphe causal

11 - Etape 3 : Attribution des coefficients probabilistes pour chaque type de paramètre - Etape 4 : Application de l équation de Bayes - Etape 5 : Analyse des résultats n considère les données suivantes : N : le nombre de personnes possibles d être présents dans un édifice au moment de déclenchement d incendie. X : le nombre des personnes pouvant être victimes d un incendie (nous tenons compte ici que du nombre et non du degré de victimisation). Ce nombre dépend du taux de la propagation de l incendie n peut écrire alors P(X)=X/N : Probabilité des personnes victimes d un incendie. P(X) est comprise entre 0 et 1 : 0 (pas de victime) et 1 (toute la population présente est victime) Sachant que la probabilité qu il y aura 0% ou 100 % de victimes est très faible, nous allons poser comme hypothèse que 50% des personnes présentes peuvent être victimes (à différents degrés). Cette valeur par d éfaut sera amenée à être corrigée en procédant à diverses simulations et à l application des principes de l auto-apprentissage. Toutefois, cette valeur reste une hypothèse cohérente car elle permet de mettre en évidence, avec des données réalistes, l impact et l influence des propagations induites par les éléments qui favorisent l incendie. Dans notre cas, on a une probabilité de victimisation dépendante de la probabilité de la propagation, cette relation peut être schématisée par le graphe causal suivant : Propagation S n Victimisation X Figure5 : Relation cause à effet entre la propagation d incendie et la victimisation possible En appliquant l équation de bayes, on peut écrire d une manière générale : P(X Sn)= ( ) ( ) ( ) = ( ) ( ) (5) Avec N : nombre de personnes présentes dans un édifice au moment de déclenchement d incendie.

12 X : nombre des personnes pouvant être victimes d un incendie. P(X)=X/N : probabilité de personnes pouvant être victimes d incendie P(Sn) : probabilité de la propagation Sn P(X Sn) : probabilité des personnes pouvant être victimes sachant selon l application de la propagation de degré Sn P(Sn X) : probabilité de la propagation Sn si on suppose qu on a X victimes Etude de cas Partant des hypothèses suivantes : N= nombre de personnes présentes = 90 personnes P(X) = 50% nombre probable des victimes (valeur la plus cohérente comme hypothèse) Soit X = 45 personnes victimes de l incendie (ici on ne traite pas les différents cas victimisation) L application de l équation (5) sur les différentes possibilités de propagation donne les résultats illustrés par le tableau (5). Tableau 4 : variation du nombre de victimes en fonction des degrés de propagation.

13 Nombre de personnes victimes d'incendie L analyse du tableau précédent montre l influence des éléments pouvant propager un incendie. n retrouve ainsi que l hypothèse de 50% de victime varie selon la présence ou non de ses éléments et leurs impacts respectifs. Ce premier résultat, qui est amené a être développé, traduit une causalité cohérente entre le nombre de victime potentiel depuis le déclenchement d un incendie et la rencontre dans sa progression d élément favorisant son développement. 70 Variation du nombre de victimes causés par la propagation d'incendie X S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 Degrès de propagation Figure 5 : Variation du nombre de victimes causés par la propagation d'incendie

14 3. Conclusion & Perspectives Dans cet article, nous avons proposé une méthode pour étudier la propagation de l incendie au sein d un édifice en présence de certains facteurs la favorisant, à savoir : - La présence des matières inflammables - La présence des composants combustibles - La quantité d oxygène disponible. - La nature des parois de l édifice. Il s agit ici, d une étape dans nos recherches qui nous a permet de bâtir un palier pour faire une première estimation des victimes potentiels d un incendie. Ce palier est un tremplin vers des perspectives intéressantes qui vont intégrer les éléments suivants dans le but d élaborer une application informatique à caractère décisionnel : - Prise en compte de l architecture d un édifice o Volume libre o Niveau exacte de déclenchement de l incendie o L utilisation de parois résistantes au feu. o Détails sur les matériaux utilisés : volume, quantité et vitesse de propagation - Prise en compte de matériel de sécurité présent et opérationnel o Suivi et maintenance - Type de personnes présentes dans l édifice lors d un incendie o Niveau de préparation des occupants permanents présents. o Niveau de vulnérabilité et de leur dépendance : enfants, personnes âgées ou handicapées, malades o Horaire du déclenchement - Classification des victimes : blessées, gravement blessées, décédées. - Estimation des dégâts matériels. - Application d un système d autorégulation et d auto-apprentissage qui prend en compte les points suivants : o Nature de l incendie : volontaire ou involontaire o Nature de l élément déclencheur et sa taille o La catégorie de l édifice.

15 4. Bibliographie [1] J. CHRIER, Diagnostic et évaluation des risques incendie d une construction et de sa mise en sécurité, Thèse soutenue le 8 Février 2007 à l université de Savoie - France. [1] H. CHENG, G. V.HADJISPHCLEUS, The modeling of fire spread in buildings by Bayesian network, Fire SafetyJournal 44 (2009) [1] L. THMAS, G. ARCHAMBAULT, Sécurité incendie, Nouvelle Edition [1] JM. d HP, Sécurité incendie bâtiment, Référence SE2050 Date de publication : 10 avr [1] P. GRANDJEAN, P. JUVE, La sécurité incendie dans les bâtiments recevant du public, Paris (Fr.) : Editions du Moniteur, p. [2] B. BUZY, Réseaux Bayésiens, 26 février 2008 [2] P. NAÏM, P.H. WUILLEMIN, PH. LERAY,. PURRET, A. BECKER, Les Réseaux Bayésiens Eyrolles [2] V. DELCRIX, M. MAALEJ, SYLVAIN PIECHWIAK, Les Réseaux Bayésiens versus d autres modèles probabilistes pour le diagnostic multiple de systèmes complexes. [3] S. KHALI ISSA, A. AZMANI, B. AMAMI, Gestion prédictive des risques d incendies, publié au TELECM2011 & 7ème JFMMA Mars 16-18, 2011 Tanger MARC

Modélisation du risque opérationnel dans le secteur de l assurance

Modélisation du risque opérationnel dans le secteur de l assurance Avril 2011 N 14 Modélisation du risque opérationnel dans le secteur de l assurance Par Julie Gamonet Centre d études actuarielles Lauréate du prix du jeune actuaire 2010 Un texte paraissant dans SCOR Papers

Plus en détail

Les 6èmes Journées Francophones sur les Réseaux Bayésiens

Les 6èmes Journées Francophones sur les Réseaux Bayésiens Les 6èmes Journées Francophones sur les Réseaux Bayésiens 11 13 Mai 2012, Îles de Kerkennah, Tunisie Vers des Réseaux Bayésiens pour la Classification des Causes de Défaillances PRÉSENTÉ PAR: MOHAMMED

Plus en détail

MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.

MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln. MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion

Plus en détail

APPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE

APPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE SûretéGlobale.Org La Guitonnière 49770 La Meignanne Téléphone : +33 241 777 886 Télécopie : +33 241 200 987 Portable : +33 6 83 01 01 80 Adresse de messagerie : c.courtois@sureteglobale.org APPORT DES

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

Diagnostic et décision

Diagnostic et décision Diagnostic et décision Bibliographie J. N. Chatain, DIagnostic par Système Expert, Traité des Nouvelles Technologies, série Diagnostic et Maintenance, édition Hermes 1993. B. Dubuisson, Diagnostic, intelligence

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE

ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Essais de résistance au feu

Essais de résistance au feu Essais de résistance au feu Cloisons 98-48 avec plaques de plâtre EI60 (coupe feu 1heure) DTU 25-41 Livret technique 4 - Octobre 2009 Le Service Recherche & Développement SOMMAIRE Préambule page 3 Construire

Plus en détail

FACULTE DE MEDECINE D ANGERS. Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant

FACULTE DE MEDECINE D ANGERS. Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant FACULTE DE MEDECINE D ANGERS Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant Année scolaire 2007-2008 SANTE PUBLIQUE ET MEDECINE SOCIALE Responsable

Plus en détail

Swissi SA. La norme et les directives AEAI 2015 en point de mire

Swissi SA. La norme et les directives AEAI 2015 en point de mire La norme et les directives AEAI 2015 en point de mire Norme 2015 - généralités Les objectifs de protection définis aujourd hui ont été repris sans modification. Les nouvelles PI favorisent, pour les nouvelles

Plus en détail

Modèle réduit pour la DSC : Application aux solutions binaires

Modèle réduit pour la DSC : Application aux solutions binaires Modèle réduit pour la DSC : Application aux solutions binaires Stéphane GIBOUT 1, Erwin FRANQUET 1, William MARÉCHAL 1, Jean-Pierre BÉDÉCARRATS 1, Jean-Pierre DUMAS 1 1 Univ. Pau & Pays Adour, LaTEP-EA

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

>I En savoir plus I Le feu

>I En savoir plus I Le feu n L incendie d un bâtiment est la résultante de nombreux facteurs. Il entre dans son premier état, dit de démarrage, si trois conditions sont remplies : défaillance des installations d alarme, proximité

Plus en détail

Simulation numérique du transfert de chaleur dans un moteur-fusée à propergol liquide

Simulation numérique du transfert de chaleur dans un moteur-fusée à propergol liquide ISSN : 2335-1357 Mediterranean Journal of Modeling and Simulation MJMS 03 (2015) 073-079 M M J S Simulation numérique du transfert de chaleur dans un moteur-fusée à propergol liquide B. KHELIDJ a, S. HEMIS

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Simulation Numérique de la Convection Naturelle en Régime Laminaire Transitoire dans une Serre Tunnel Chauffée par le Bas (Flux)

Simulation Numérique de la Convection Naturelle en Régime Laminaire Transitoire dans une Serre Tunnel Chauffée par le Bas (Flux) Re. Energ. Ren. : Valorisation (999) 4-45 Simulation Numérique de la Conection Naturelle en Régime Laminaire Transitoire dans une Serre Tunnel Chauffée par le Bas (Flux) B. Draoui, M. Benyamine, Y. Touhami

Plus en détail

11 Annexe V : Modélisations des scénarios catastrophes

11 Annexe V : Modélisations des scénarios catastrophes $+ (% &&) $%&'()')&(% $%&'()')&(% $) 11 Annexe V : Modélisations des scénarios catastrophes #))*!"# Unité de méthanisation et de compostage Modélisations - Etude de Dangers Département de la Gironde Commune

Plus en détail

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées.

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Baptiste Gregorutti 12, Bertrand Michel 2 & Philippe Saint Pierre 2 1 Safety

Plus en détail

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

Apprentissage de structure dans les réseaux bayésiens pour

Apprentissage de structure dans les réseaux bayésiens pour Apprentissage de structure dans les réseaux bayésiens pour la détection d événements vidéo Siwar Baghdadi 1, Claire-Hélène Demarty 1, Guillaume Gravier 2, et Patrick Gros 3 1 Thomson R&D France, 1 av Belle

Plus en détail

Étude statique du tire bouchon

Étude statique du tire bouchon Méthodologie MP1 Étude statique Tire-bouchon Étude statique du tire bouchon On s intéresse à l aspect statique du mécanisme représenté en projection orthogonale sur la figure 1. Le tire bouchon réel est

Plus en détail

La maison Ecole d ' Baccalauréat blanc Classe de terminale ES. Exercice 1 - sur 4 points

La maison Ecole d ' Baccalauréat blanc Classe de terminale ES. Exercice 1 - sur 4 points La maison Ecole d ' Baccalauréat blanc Classe de terminale ES Année scolaire 00-004 Copyright c 004 J.- M. Boucart GNU Free Documentation Licence On veillera à détailler et à rédiger clairement les raisonnements,

Plus en détail

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Université Paris Diderot Physique L2 2014-2015 Simulations Numériques SN4 Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Objectifs : Simuler

Plus en détail

Sur l apprentissage de Réseaux Bayésiens à partir de bases d exemples incomplètes et application à la classification

Sur l apprentissage de Réseaux Bayésiens à partir de bases d exemples incomplètes et application à la classification Sur l apprentissage de Réseaux Bayésiens à partir de bases d exemples incomplètes et application à la classification et Philippe LERAY, Laboratoire LITIS, Rouen. Rencontres Inter-Associations La classification

Plus en détail

ENERGETIQUE DU BATIMENT

ENERGETIQUE DU BATIMENT LP MIE Module UE2 2B-CEE Energétique du bâtiment I. INTRODUCTION : ENERGETIQUE DU BATIMENT Prenons l exemple d un bâtiment en hiver pour lequel on souhaiterait obtenir une température intérieure de 18

Plus en détail

Raisonnement probabiliste

Raisonnement probabiliste Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte

Plus en détail

Dans cette activité, nous allons identifier et modéliser les transferts thermiques dans une maison BBC puis effectuer un bilan énergétique :

Dans cette activité, nous allons identifier et modéliser les transferts thermiques dans une maison BBC puis effectuer un bilan énergétique : Dans cette activité, nous allons identifier et modéliser les transferts thermiques dans une maison BBC puis effectuer un bilan énergétique : Maison BBC : Bâtiment Basse Consommation Lors de la vente ou

Plus en détail

TRANSMISSION THERMIQUE PAR CONDUCTION

TRANSMISSION THERMIQUE PAR CONDUCTION TRANSMISSION THERMIQUE PAR CONDUCTION 1) définition de la conduction La conduction est le mode de propagation de l'énergie thermique à travers la matière. Elle se produit par contact entre les particules

Plus en détail

Réseaux causaux possibilistes pour le traitement des interventions

Réseaux causaux possibilistes pour le traitement des interventions Les modèles graphiques probabilistes Réseaux causaux possibilistes pour le traitement des interventions Salem ENFERHT CRIL, Lens benferhat@cril.univ-artois.fr Outils importants pour la représentation et

Plus en détail

MATERIAU D ISOLATION THERMIQUE

MATERIAU D ISOLATION THERMIQUE Base de données de produits dans le cadre de la réglementation PEB MATERIAU D ISOLATION THERMIQUE doc_1.1 Add1_S.a_FR_isolant thermique_v2.0_20090804.doc 4 août 2009 Addendum 1 : panneaux isolants sous

Plus en détail

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale.

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Morgan DAL 1, Philippe LE MASSON 1, Michel DUMONS 1, Didier LAWRJANIEC 2 1 LIMATB, Université

Plus en détail

Bâtiments à façades double-peau

Bâtiments à façades double-peau Vereinigung Kantonaler Feuerversicherungen Association des établissements cantonaux d assurance incendie Associazione degli istituti cantonali di assicurazione antincendio NOTE EXPLICATIVE DE PROTECTION

Plus en détail

LES PRINCIPES DE L INGÉNIERIE EN SÉCURITÉ INCENDIE (PRINCIPLES OF FIRE PROTECTION ENGINEERING)

LES PRINCIPES DE L INGÉNIERIE EN SÉCURITÉ INCENDIE (PRINCIPLES OF FIRE PROTECTION ENGINEERING) LES PRINCIPES DE L INGÉNIERIE EN SÉCURITÉ INCENDIE (PRINCIPLES OF FIRE PROTECTION ENGINEERING) LIEU: Sandman Hotel ( Près de la station de métro ) 999 rue de Sérigny Longueuil, QC, CANADA J4K 2T1 http://www.sandmanhotels.com/fr/hotel/quebec/montreal

Plus en détail

PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la voiture 4 roues motrices en phase d accélération?»

PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la voiture 4 roues motrices en phase d accélération?» D après les productions de l équipe du lycée Clément Ader de Dourdan Mme Fabre-Dollé, Mr Dollé et Mr Berthod THÈME SOCIÉTAL Mobilité PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la

Plus en détail

Concours CASTing 2011

Concours CASTing 2011 Concours CASTing 2011 Épreuve de mécanique Durée 1h30 Sans calculatrice Le candidat traitera deux exercices parmi les trois proposés dans le sujet. Dans le cas où les trois exercices seraient traités partiellement,

Plus en détail

1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] Avantages & principes

1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] Avantages & principes 1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] 1.1 Avantages & principes 1.2 Process de fonctionnement BIM ESQUISSE CONCEPTION EVALUATION CONSTRUCTION GESTIONS Acquisition de données Intégration logiciel

Plus en détail

Approche bayésienne des modèles à équations structurelles

Approche bayésienne des modèles à équations structurelles Manuscrit auteur, publié dans "42èmes Journées de Statistique (2010)" Approche bayésienne des modèles à équations structurelles Séverine Demeyer 1,2 & Nicolas Fischer 1 & Gilbert Saporta 2 1 LNE, Laboratoire

Plus en détail

1) Explications (Expert) :

1) Explications (Expert) : 1) Explications (Expert) : Mesures expérimentales : Dans nos conditions d expérience, nous avons obtenu les résultats suivants : Les dimensions des récipients sont : 1) bocal vide : épaisseur de verre

Plus en détail

Probabilités conditionnelles Exercices corrigés

Probabilités conditionnelles Exercices corrigés Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

Plus en détail

PJE : Analyse de comportements avec Twitter Classification supervisée

PJE : Analyse de comportements avec Twitter Classification supervisée PJE : Analyse de comportements avec Twitter Classification supervisée Arnaud Liefooghe arnaud.liefooghe@univ-lille1.fr Master 1 Informatique PJE2 2015-16 B. Derbel L. Jourdan A. Liefooghe 1 2 Agenda Partie

Plus en détail

LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION

LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION Olivier Chaouy EDF R&D 1, avenue du Général de Gaulle - 92141 Clamart Cedex - France olivier.chaouy@edf.fr Résumé : Le

Plus en détail

3. Les limites d inflammations ou d explosivités.

3. Les limites d inflammations ou d explosivités. L explosimétrie 1. Qu est ce qu une explosion? L explosion est due à la présence d un combustible mélangé à un comburant dans des proportions données, qui en présence d une source d ignition ou de chaleur,

Plus en détail

CI-4 PRÉVOIR ET SUPPRIMER LES

CI-4 PRÉVOIR ET SUPPRIMER LES CI-4 LES CONTRAINTES DE MONTAGE D UN SYSTÈME. Objectifs ANALYSER - OPTIMISER A la fin de la séquence de révision, l élève doit être capable de B2 Proposer un modèle de connaissance et de comportement Déterminer

Plus en détail

Performances énergétiques. La conduction. La transmission thermique. Les phénomènes physiques concernés. Diagnostiquer avant de rénover

Performances énergétiques. La conduction. La transmission thermique. Les phénomènes physiques concernés. Diagnostiquer avant de rénover Performances énergétiques Diagnostiquer avant de rénover Claude CRABBÉ PRINCIPES DE BASE DE LA PHYSIQUE DU BATIMENT Architecture & Climat UCL IA concept Les phénomènes physiques concernés. La transmission

Plus en détail

Mathématiques. Classe de seconde. Introduction. Objectif général. Raisonnement et langage mathématiques

Mathématiques. Classe de seconde. Introduction. Objectif général. Raisonnement et langage mathématiques Mathématiques Classe de seconde Introduction La seconde est une classe de détermination. Le programme de mathématiques y a pour fonction : de conforter l acquisition par chaque élève de la culture mathématique

Plus en détail

Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique

Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique Stéphane GIBOUT*, Erwin FRANQUET, Jean CASTAING-LASVIGNOTTES,

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Réseaux Bayésiens. Bruno Bouzy. 3 février 2014

Réseaux Bayésiens. Bruno Bouzy. 3 février 2014 Réseaux Bayésiens Bruno Bouzy 3 février 2014 Introduction Pour sa plus grande partie, ce chapitre présente les réseaux bayésiens à partir du tutoriel d'andrew Moore [1] (http://www.autonlab.org/tutorials/bayesnet.html).

Plus en détail

Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.

Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire

Plus en détail

MODÉLISATION ET DÉVELOPPEMENT D UN CODE DE CALCUL POUR LA SIMULATION DE CONVERTISSEURS SO 2 /SO 3

MODÉLISATION ET DÉVELOPPEMENT D UN CODE DE CALCUL POUR LA SIMULATION DE CONVERTISSEURS SO 2 /SO 3 MODÉLISATION ET DÉVELOPPEMENT D UN CODE DE CALCUL POUR LA SIMULATION DE CONVERTISSEURS SO 2 /SO 3 Belkacem Abdous, Lhachmi Kamar, Omari Lhoussaine Direction de Recherche et Développement, OCP S.A. SOMMAIRE

Plus en détail

Décomposition de domaine pour un milieu poreux fracturé

Décomposition de domaine pour un milieu poreux fracturé Décomposition de domaine pour un milieu poreux fracturé Laila AMIR 1, Michel KERN 2, Vincent MARTIN 3, Jean E ROBERTS 4 1 INRIA-Rocquencourt, B.P. 105, F-78153 Le Chesnay Cedex Email: laila.amir@inria.fr

Plus en détail

Etude numérique de la distribution de la température dans les contacts glissants en régime transitoire

Etude numérique de la distribution de la température dans les contacts glissants en régime transitoire Etude numérique de la distribution de la température dans les contacts glissants en régime transitoire Nadia ADERGHAL, Tahar LOULOU Ali BOUCHOUCHA, Philippe ROGEON Laboratoire de d Ingénierie des Matériaux

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Connexion : accès à la page de «LOGIN»

Connexion : accès à la page de «LOGIN» UTILISATION DU PLAN DE MARCHE TRIVAL D ASSOCIES EN FINANCE (Principales fonctionnalités) www.associes-finance.com puis cliquez sur : Connexion : accès à la page de «LOGIN» 1. Accédez par l adresse générale

Plus en détail

LABORATOIRE CENTRAL DÉPARTEMENT D ÉLECTRICITÉ ET PRÉVENTION INCENDIE. Physique et chimie au LCPP : Enquête et prévention des risques d incendies

LABORATOIRE CENTRAL DÉPARTEMENT D ÉLECTRICITÉ ET PRÉVENTION INCENDIE. Physique et chimie au LCPP : Enquête et prévention des risques d incendies LABORATOIRE CENTRAL DÉPARTEMENT D ÉLECTRICITÉ ET PRÉVENTION INCENDIE Physique et chimie au LCPP : Enquête et prévention des risques d incendies (atelier 433 à l ENCPB) Karine VAN NIEL karine.van-niel@interieur.gouv.fr

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Modélisation & simulation des groupes motopropulseurs. p. 129 à 132

Modélisation & simulation des groupes motopropulseurs. p. 129 à 132 Modélisation & simulation des groupes motopropulseurs ff p. 129 à 132 Fondamentaux Peut être organisé en intra-entreprise Introduction à la modélisation & la simulation des GMP & du contrôle 5 Jours

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Etude d une chaîne de conversion d énergie éolienne à base d une aéroturbine

Etude d une chaîne de conversion d énergie éolienne à base d une aéroturbine Etude d une chaîne de conversion d énergie éolienne à base d une aéroturbine A.Mehdary Domaine Universitaire de Saint-Jérôme Avenue Escadrille Normandie-Niemen 13397 MARSEILLE CEDEX 20 Adil. Mehdary @lsis.org

Plus en détail

Notion de modèle - Processus d analyse Application à la méthode des Eléments finis

Notion de modèle - Processus d analyse Application à la méthode des Eléments finis Notion de modèle - Processus d analyse Application à la méthode des Eléments finis La présentation est animée, avancez à votre vitesse par un simple clic Chapitres 1 et 6 du polycopié de cours. Bonne lecture

Plus en détail

Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs

Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs Phase d'initiation de la corrosion vis-à-vis de la - pénétration d'agents

Plus en détail

Etablissement Recevant du Public (ERP) de 5 ème catégorie avec locaux à sommeil

Etablissement Recevant du Public (ERP) de 5 ème catégorie avec locaux à sommeil Notice de sécurité Etablissement Recevant du Public (ERP) de 5 ème catégorie avec locaux à sommeil Cette notice a été établie à l'attention des exploitants d Etablissements Recevant du Public (ERP), afin

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

LA THERMOGRAPHIE INFRAROUGE

LA THERMOGRAPHIE INFRAROUGE LA THERMOGRAPHIE INFRAROUGE 1 EMISSION THERMIQUE DE LA MATIERE 2 1.1 LE RAYONNEMENT ELECTROMAGNETIQUE 2 1.2 LES CORPS NOIRS 2 1.3 LES CORPS GRIS 3 2 APPLICATION A LA THERMOGRAPHIE INFRAROUGE 4 2.1 DISPOSITIF

Plus en détail

Objectifs du Chapitre. Initiatiaon à l Analyse Dimensionnelle. Introduction à la Théorie de Maquettes et Similitude.

Objectifs du Chapitre. Initiatiaon à l Analyse Dimensionnelle. Introduction à la Théorie de Maquettes et Similitude. Objectifs du Chapitre Initiatiaon à l Analyse Dimensionnelle. Introduction à la Théorie de Maquettes et Similitude. Adil Ridha (Université de Caen) Analyse Dimensionnelle et Similitude 2009-2010 1 / 31

Plus en détail

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015 Baccalauréat ES Nouvelle-Calédonie mars 015 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats Soit f la fonction définie sur l intervalle [1,5 ; 6] par : f (x)=(5x )e x On note C la courbe représentative

Plus en détail

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option (Public2014-B1) Résumé : On présente un exemple de système de deux espèces en compétition dans un environnement périodique.

Plus en détail

Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions

Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions Génia Babykina 1 & Simon Cauchemez 2 1 Université de Lille, Faculté Ingénierie

Plus en détail

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Électrotechnique du Futur 14&15 décembre 2011, Belfort Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Alexandre RAVEY, Benjamin BLUNIER, Abdellatif MIRAOUI

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Evaluation du potentiel de récupération d énergie à l échappement d un moteur TDI à l aide d un cycle de Rankine organique (ORC)

Evaluation du potentiel de récupération d énergie à l échappement d un moteur TDI à l aide d un cycle de Rankine organique (ORC) Evaluation du potentiel de récupération d énergie à l échappement d un moteur TDI à l aide d un cycle de Rankine organique (ORC) Sébastien DECLAYE 1*, Sylvain QUOILIN 1, Vincent LEMORT 1. 1 Laboratoire

Plus en détail

Chapitre 2: Prévisions des ventes

Chapitre 2: Prévisions des ventes Chapitre 2: Prévisions des ventes AVIS IMPORTANT : Ces notes sont basées sur le livre de Steven Nahmias : Production et Operations Analysis, 4 ième édition, McGraw-Hill Irwin 200. Les figures sont issues

Plus en détail

Modélisation des propriétés électriques et caractérisation des panneaux photovoltaïques

Modélisation des propriétés électriques et caractérisation des panneaux photovoltaïques Revue des Energies Renouvelables Vol. 12 N 1 (2009) 105 116 Modélisation des propriétés électriques et caractérisation des panneaux photovoltaïques T. Mrabti 1, M. El Ouariachi 1, B. Tidhaf 3 Ka. Kassmi

Plus en détail

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MOBILE Gaël Crochet 1 & Gilles Santini 2 1 Médiamétrie, 70 rue Rivay, 92532 Levallois-Perret, France, gcrochet@mediametrie.fr 2 Vintco SARL, 8 rue Jean

Plus en détail

Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements

Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements Rapport LAAS-CNRS Numéro N o 13077 Quynh Anh DO HOANG, Jérémie GUIOCHET, Mohamed

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

: scientifique. : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur

: scientifique. : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur : scientifique : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur Première et seconde s PROGRAMME DE SCIENCES INDUSTRIELLES DE

Plus en détail

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,

Plus en détail

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X INTRODUCTION La conception d'un mécanisme en vue de sa réalisation industrielle comporte plusieurs étapes. Avant d'aboutir à la maquette numérique du produit définitif, il est nécessaire d'effectuer une

Plus en détail

LE FIRE SAFETY ENGINEERING VU PAR LES SRI

LE FIRE SAFETY ENGINEERING VU PAR LES SRI LE FIRE SAFETY ENGINEERING VU PAR LES SRI JOURNEE DU 21.10.2008 Partie 1 : Actions thermiques 1/ 51 REPARTITION DES SRI EN BELGIQUE. SERVICES X SERVICES Y SERVICES Z SERVICES C Bruxelles. Wavre. Braine-Le-

Plus en détail

RT 2012 OBJECTIF : Evolution règlementaire pour le bâtiment : L impact du bâtiment en France

RT 2012 OBJECTIF : Evolution règlementaire pour le bâtiment : L impact du bâtiment en France RT 2012 OBJECTIF : La règlementation thermique RT 2012 a pour objectif de protéger l environnement en favorisant les économies d énergie. Inspirée du concept des bâtiments basse consommation (BBC), elle

Plus en détail

Communiqué de presse Non ruine en chaîne des éléments de structure des entrepôts couverts Philippe Gallois, Antoine Fillault & Thierry Murat - SAGL

Communiqué de presse Non ruine en chaîne des éléments de structure des entrepôts couverts Philippe Gallois, Antoine Fillault & Thierry Murat - SAGL Communiqué de presse Non ruine en chaîne des éléments de structure des entrepôts couverts Philippe Gallois, Antoine Fillault & Thierry Murat - SAGL Les entrepôts couverts relèvent actuellement de la nomenclature

Plus en détail

AUNEGE Campus Numérique en Economie Gestion Licence 2 Comptabilité analytique Leçon 9. Leçon n 9 : les coûts variables et le seuil de rentabilité

AUNEGE Campus Numérique en Economie Gestion Licence 2 Comptabilité analytique Leçon 9. Leçon n 9 : les coûts variables et le seuil de rentabilité Leçon n 9 : les coûts variables et le seuil de rentabilité 1 Marge Seuil Zone sur Coûts coûts de de rentabilité profi pertes variables xes ts M = m x Q PLAN DE LA LEÇON : 1.LES COÛTS VARIABLES : OBJECTIFS

Plus en détail

L HABILITATION ERC (Expert en Recherche de Causes) dans les sinistres incendies et explosions à forts enjeux

L HABILITATION ERC (Expert en Recherche de Causes) dans les sinistres incendies et explosions à forts enjeux L HABILITATION ERC (Expert en Recherche de Causes) dans les sinistres incendies et explosions à forts enjeux Version 2013-04-19 CEA COMPAGNIE DES EXPERTS 37 rue de la Rochefoucauld, 75009 Paris Tél. 33(0)1.53

Plus en détail

ANNEXE : Evaluation et ECTS* pour les étudiants de

ANNEXE : Evaluation et ECTS* pour les étudiants de Année académique 2012-2013 ANNEXE : Evaluation et ECTS* pour les étudiants de - 1ère année (Promotion 2017) - 2ème année (Promotion 201) - 3ème année (Promotion 2015 - Formation initiale et Formation par

Plus en détail

Etude expérimentale des modes d onde de surface piégés

Etude expérimentale des modes d onde de surface piégés Etude expérimentale des modes d onde de surface piégés P. J. COBELLI a, P. PETITJEANS a, A. MAUREL b, V. PAGNEUX b,c a. Laboratoire de Physique et Mécanique des Milieux Hétérogènes, UMR CNRS 7636 Ecole

Plus en détail

Les réseaux bayésiens

Les réseaux bayésiens Les réseaux bayésiens Un outil de modélisation des connaissances incertaines par apprentissage à partir des données par modélisation interactive 2/1/23 SAMOS - BAYESIA 1 etit exemple contre-intuitif La

Plus en détail

Analyse de données symboliques et graphe de connaissances d un agent

Analyse de données symboliques et graphe de connaissances d un agent d un agent Philippe Caillou*, Edwin Diday** *LAMSADE - Université Paris Dauphine Place du maréchal de Lattre de Tassigny 7516 Paris caillou@lamsade.dauphine.fr **CEREMADE - Université Paris Dauphine Place

Plus en détail

Etude du comportement au feu d un entrepôt au moyen de codes 3D

Etude du comportement au feu d un entrepôt au moyen de codes 3D Etude du comportement au feu d un entrepôt au moyen de codes 3D G. Leroy a, S. Rahman a, B. Truchot a a. INERIS : Institut National de l Environnement Industriel et des Risques, Verneuil-en-Halatte, France

Plus en détail

Transferts thermiques par conduction

Transferts thermiques par conduction Transferts thermiques par conduction Exercice 1 : Température de contact entre deux corps* On met en contact deux conducteurs thermiques cylindriques, calorifugés sur leurs surfaces latérales. On se place

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

avec E qui ne dépend que de la fréquence de rotation.

avec E qui ne dépend que de la fréquence de rotation. Comment régler la vitesse d un moteur électrique?. Comment régler la vitesse d un moteur à courant continu? Capacités Connaissances Exemples d activités Connaître le modèle équivalent simplifié de l induit

Plus en détail