Academic literature on the topic 'Modèles multi-fidélité'

Malgré l’importante augmentation de la prévalence de la dépression durant l’adolescence, seulement une faible proportion des adolescents qui présentent des symptômes dépressifs élevés bénéficie des services de santé mentale en milieu scolaire. De plus, les programmes offerts à ces élèves souffrent souvent d’une implantation lacunaire, limitant ainsi leur efficacité potentielle. L’identification des facteurs qui influencent la fidélité de l’implantation est donc essentielle pour améliorer la qualité des services offerts. Guidés par le modèle d’évaluation basé sur la théorie des programmes (theory-driven evaluation), nous évaluons la qualité de l’implantation du programme Pare-Chocs et les facteurs qui l’ont influencée à l’aide des composantes du modèle d’action de Chen (2005). Une approche multi-méthodes a été utilisée pour obtenir des données quantitatives sur la fidélité d’implantation dans les six groupes et des données qualitatives sur les composantes du modèle d’action. Les résultats suggèrent que l’adhésion, le dosage et la participation étaient élevés. Les contraintes de temps et le peu de formation antérieure en lien avec la théorie du programme ont limité la fidélité de l’implantation tandis que la formation, la supervision et le manuel y ont contribué. Ces résultats confirment que les programmes de prévention disséminés dans les milieux scolaires peuvent être implantés avec un niveau de fidélité élevé, même si certains défis doivent être pris en considération lors de la planification de l’intervention pour contribuer à des effets plus importants du programme. De plus, la fidélité devrait être évaluée de manière systématique dans ce contexte.

Integrating peer support workers (PSWs) into mental health community programs for young people has the potential to increase their access to mental health services. However, very little research has focused on the development of training that is relevant for and readily accessible to youth and employees seeking to acquire a general overview of peer support fundamentals as applicable to youth mental health in community settings. This pilot study aimed to document the implementation fidelity of a newly developed youth mental health peer support training and its impacts on participants’ understanding and perceived ability to provide peer support in community-based youth mental health settings. A multiple-informant approach was used to develop the training which is mapped onto the existing theoretical framework for peer support (Mead, Hilton, & Curtis, 2001). A descriptive quantitative and qualitative research design was used and data were collected using self-reported measures. Five participants completed the 16-hour training, which was offered online through videoconferencing. Results showed that, overall, components of the training were implemented with a high level of fidelity to the theoretical framework. Furthermore, participants reported that the training has had a positive impact on their level of preparedness and ability to provide peer support. Despite the limited sample size, this study suggests that the training developed has practical value as an introductory training tool for youth mental health PSWs. Moreover, this study is the first to provide evidence that the theoretical framework selected is relevant to inform such training. L’intégration de pairs aidants dans les programmes communautaires de santé mentale jeunesse a le potentiel d’accroître l’accès des jeunes aux services de santé mentale. Toutefois, très peu d’études se sont penchées sur le développement de formations adaptées et facilement accessibles aux jeunes et employé·e·s souhaitant acquérir une vue d’ensemble des principes fondamentaux du soutien par les pairs applicables en santé mentale jeunesse en milieu communautaire. Cette étude pilote visait à documenter la fidélité d’implantation d’une formation pour pairs aidants travaillant en santé mentale communautaire jeunesse et ses impacts sur la compréhension et la capacité perçue des participant·e·s à fournir un soutien par les pairs. Cette formation a été développée selon une approche multi-informateurs en s’appuyant sur le cadre théorique de la pair-aidance de Mead, Hilton et Curtis (2001). Une méthodologie descriptive quantitative et qualitative a été utilisée avec collecte des données par questionnaires autoadministrés. Cinq personnes ayant complété la formation sur deux jours, par vidéoconférence, ont pris part à l’étude. Les résultats montrent que les éléments de la formation ont été mis en œuvre avec un niveau élevé de fidélité relativement au modèle théorique. Les participantes mentionnent que la formation leur a permis de se sentir prêtes et capables d’offrir du soutien comme pairs aidants. Malgré le nombre limité de participants, cette étude suggère que la formation développée possède une valeur pratique pour la formation initiale des pairs aidants en santé mentale jeunesse. Elle révèle également que le cadre théorique utilisé est pertinent pour la formation de ces intervenants.

Les simulations d'écoulement sur des modèles représentatifs d'un gisement pétrolier sont généralement coûteuses en temps de calcul. Une pratique courante en ingénierie de réservoir consiste à remplacer ces simulations par une approximation mathématique, un méta-modèle. La méta-modélisation peut fortement réduire le nombre de simulations nécessaires à l'analyse de sensibilité, le calibrage du modèle, l'estimation de la production, puis son optimisation. Cette thèse porte sur l'étude de méta-modèles utilisant des simulations réalisées à différents niveaux de précision, par exemple pour des modèles de réservoir avec des maillages de résolutions différentes. L'objectif est d'accélérer la construction d'un méta-modèle prédictif en combinant des simulations coûteuses avec des simulations rapides mais moins précises. Ces méta-modèles multi-fidélité, basés sur le co-krigeage, sont comparés au krigeage pour l'approximation de sorties de la simulation d'écoulement. Une analyse en composantes principales peut être considérée afin de réduire le nombre de modèles de krigeage pour la méta-modélisation de réponses dynamiques et de cartes de propriétés. Cette méthode peut aussi être utilisée pour améliorer la méta-modélisation de la fonction objectif dans le cadre du calage d'historique. Des algorithmes de planification séquentielle d'expériences sont finalement proposés pour accélérer la méta-modélisation et tirer profit d'une approche multi-fidélité. Les différentes méthodes introduites sont testées sur deux cas synthétiques inspirés des benchmarks PUNQ-S3 et Brugge
Performing flow simulations on numerical models representative of oil deposits is usually a time consuming task in reservoir engineering. The substitution of a meta-model, a mathematical approximation, for the flow simulator is thus a common practice to reduce the number of calls to the flow simulator. It permits to consider applications such as sensitivity analysis, history-matching, production estimation and optimization. This thesis is about the study of meta-models able to integrate simulations performed at different levels of accuracy, for instance on reservoir models with various grid resolutions. The goal is to speed up the building of a predictive meta-model by balancing few expensive but accurate simulations, with numerous cheap but approximated ones. Multi-fidelity meta-models, based on co-kriging, are thus compared to kriging meta-models for approximating different flow simulation outputs. To deal with vectorial outputs without building a meta-model for each component of the vector, the outputs can be split on a reduced basis using principal component analysis. Only a few meta-models are then needed to approximate the main coefficients in the new basis. An extension of this approach to the multi-fidelity context is proposed. In addition, it can provide an efficient meta-modelling of the objective function when used to approximate each production response involved in the objective function definition. The proposed methods are tested on two synthetic cases derived from the PUNQ-S3 and Brugge benchmark cases. Finally, sequential design algorithms are introduced to speed-up the meta-modeling process and exploit the multi-fidelity approach

Les phases de conception et de validation de pièces mécaniques nécessitent des outils de calculs rapides et fiables, permettant de faire des choix technologiques en un temps court. Dans ce cadre, il n'est pas possible de calculer la réponse exacte pour l'ensemble des configurations envisageables. Les métamodèles sont alors couramment utilisés mais nécessitent un grand nombre de réponses, notamment dans le cas où celles-ci sont non-linéaires. Une solution est alors d'exploiter plusieurs sources de données de qualité diverses pour générer un métamodèle multi-fidélité plus rapide à calculer pour une précision équivalente. Ces données multi-fidélité peuvent être extraites de modèles réduits.Les travaux présentés proposent une méthode de génération de métamodèles multi-fidélité pour l'optimisation de structures mécaniques par la mise en place d'une stratégie d'enrichissement adaptatif des informations sur la réponse de la structure, par utilisation de données issues d'un solveur LATIN-PGD permettant de générer des données de qualités adaptées, et d'accélérer le calcul par la réutilisation des données précédemment calculées. Un grand nombre de données basse-fidélité sont calculées avant un enrichissement intelligent par des données haute-fidélité.Ce manuscrit présente les contributions aux métamodèles multi-fidélité et deux approches de la méthode LATIN-PGD avec la mise en place d'une stratégie multi-paramétrique pour le réemploi des données précédemment calculées. Une implémentation parallèle des méthodes a permis de tester la méthode sur trois cas-tests, pour des gains pouvant aller jusqu'à 37x
Engineering simulation provides the best design products by allowing many design options to be quickly explored and tested, but fast-time-to-results requirement remains a critical factor to meet aggressive time-to-market requirements. In this context, using high-fidelity direct resolution solver is not suitable for (virtual) charts generation for engineering design and optimization.Metamodels are commonly considered to explore design options without computing every possibility, but if the behavior is nonlinear, a large amount of data is still required. A possibility is to use further data sources to generate a multi-fidelity surrogate model by using model reduction. Model reduction techniques constitute one of the tools to bypass the limited calculation budget by seeking a solution to a problem on a reduced order basis (ROB).The purpose of the present work is an online method for generating a multi-fidelity metamodel nourished by calculating the quantity of interest from the basis generated on-the-fly with the LATIN-PGD framework for elasto-viscoplastic problems. Low-fidelity fields are obtained by stopping the solver before convergence, and high-fidelity information is obtained with converged solution. In addition, the solver ability to reuse information from previously calculated PGD basis is exploited.This manuscript presents the contributions to multi-fidelity metamodels and the LATIN-PGD method with the implementation of a multi-parametric strategy. This coupling strategy was tested on three test cases for calculation time savings of more than 37x

L’optimisation de la performance des voiliers est un problème difficile en raison de la complexité du systèmemécanique (couplage aéro-élastique et hydrodynamique) et du nombre important de paramètres à optimiser (voiles, gréement,etc.). Malgré le fait que l’optimisation des voiliers est empirique dans la plupart des cas aujourd’hui, les approchesnumériques peuvent maintenant devenir envisageables grâce aux dernières améliorations des modèles physiques et despuissances de calcul. Les calculs aéro-hydrodynamiques restent cependant très coûteux car chaque évaluation demandegénéralement la résolution d’un problème non linéaire d’interaction fluide-structure. Ainsi, l’objectif central de cette thèseest de proposer et développer des méthodes originales dans le but de minimiser le coût numérique de l’optimisation dela performance des voiliers. L’optimisation globale par méta-modèles Gaussiens est utilisée pour résoudre différents problèmesd’optimisation. La méthode d’optimisation par méta-modèles est étendue aux cas d’optimisations sous contraintes,incluant de possibles points non évaluables, par une approche de type classification. L’utilisation de méta-modèles à fidélitésmultiples est également adaptée à la méthode d’optimisation globale. Les applications concernent des problèmesd’optimisation originaux où la performance est modélisée expérimentalement et/ou numériquement. Ces différentes applicationspermettent de valider les développements des méthodes d’optimisation sur des cas concrets et complexes, incluantdes phénomènes d’interaction fluide-structure
Sailing yacht performance optimization is a difficult problem due to the high complexity of the mechanicalsystem (aero-elastic and hydrodynamic coupling) and the large number of parameters to optimize (sails, rigs, etc.).Despite the fact that sailboats optimization is empirical in most cases today, the numerical optimization approach is nowconsidered as possible because of the latest advances in physical models and computing power. However, these numericaloptimizations remain very expensive as each simulation usually requires solving a non-linear fluid-structure interactionproblem. Thus, the central objective of this thesis is to propose and to develop original methods aiming at minimizing thenumerical cost of sailing yacht performance optimization. The Efficient Global Optimization (EGO) is therefore appliedto solve various optimization problems. The original EGO method is extended to cases of optimization under constraints,including possible non computable points, using a classification-based approach. The use of multi-fidelity surrogates isalso adapted to the EGO method. The applications treated in this thesis concern the original optimization problems inwhich the performance is modeled experimentally and/or numerically. These various applications allow for the validationof the developments in optimization methods on real and complex problems, including fluid-structure interactionphenomena

Le sujet de cette thèse porte sur laréduction d'ordre de modèle (MOR) deproblèmes d'écoulement non-Newtonianparamétrés qui ont des applicationsindustrielles importantes. Les méthodestraditionnelles de réduction de l'ordre desmodèles limitent les performances decalcul de ces problèmes hautement nonlinéaires, nous suggérons donc une techniqued'hyper-réduction avancée basée sur uneapproximation sparse de l'évaluation destermes non linéaire à complexité reduite.Nous proposons également une stratégie destabilisation hors ligne pour stabiliser le modèleconstitutif dans le modèle d'ordre réduit quiest moins cher à calculer tout en maintenant laprécision du modèle d'ordre complet. Lacombinaison des deux réduit drastiquement lecoût du processeur, augmentantinévitablement les performances du MOR. Cetravail est validé sur deux problèmes debenchmark. En outre, une stratégied'échantillonnage adaptatif est égalementprésentée dans ce manuscrit, qui est réaliséeen tirant parti de l'approximation des modèlesmulti-fidélité. Vers la fin de la thèse, nousabordons un autre problème qui estgénéralement observé dans les cas où desmaillages d'éléments finis adaptatifs sontdéployés. Dans de tels cas, les méthodes MORne parviennent pas à produire unereprésentation de faible dimension car lessnapshots ne sont pas des vecteurs de mêmelongueur. Par conséquent, nous suggérons uneméthodologie qui peut générer des fonctionsde base réduites pour des snapshotsadaptative
The subject of this thesis concernsmodel-order reduction (MOR) of parameterizednon-Newtonian flow problems that havesignificant industrial applications. TraditionalMOR methods constrain the computationalperformance of such highly nonlinear problems,so we suggest a state-of-the-art hyper-reductiontechnique based on a sparse approximation totackle the evaluation of nonlinear terms at muchreduced complexity. We also provide offlinestabilization strategy for stabilizing theconstitutive model in the reduced order modelframework that is less expensive to computewhile maintaining the full order model's (FOM)accuracy. Combining the two significantlylowers the CPU cost as compared to the FOMevaluation which inevitably boosts MORperformance. This work is validated on twobenchmark flow problems. Additionally, anadaptive sampling strategy is also presented inthis manuscript which is achieved byleveraging multi-fidelity model approximation.Towards the end of the thesis, we addressanother issue that is typically observed forcases when adaptive finite element meshesare deployed. In such cases, MOR methods failto produce a low-dimensional representationsince the snapshots are not vectors of samelength. We therefore, suggest an alternatemethod that can generate reduced basisfunctions for database of space-adaptedsnapshots

L’optimisation des différents composants d’une turbomachine reste encore un sujet épineux, malgré les récentes avancées théoriques, expérimentales ou informatiques. Cette thèse propose et investigue des techniques d’optimisation assistées par méta-modèles vectoriels multi-fidélité basés sur la Décomposition aux Valeurs Propres (POD). Le couplage de la POD à des techniques de modélisation multifidélité permet de suivre l’évolution des structures dominantes de l’écoulement en réponse à des déformations géométriques. Deux méthodes d’optimisation multi-fidélité basées sur la POD sont ici proposées. La première consiste en une stratégie d’enrichissement adaptée aux modèles multi-fidelité par Gappy-POD (GPOD). Celle-ci vise surtout des problèmes associés à des simulations basse-fidélité à coût de restitution négligeable, ce qui la rend difficilement utilisable pour la conception aérodynamique de turbomachines. Elle est néanmoins validée sur une étude du domaine de vol d’une aile 2D issue de la littérature. La seconde méthodologie est basée sur une extension multi-fidèle des modèles par POD Non-Intrusive (NIPOD). Cette extension naît de la ré-interprétation du concept de POD Contrainte (CPOD) et permet l’enrichissement de l’espace réduit par ajout important d’information basse-fidélité approximative. En seconde partie de cette thèse, un cas de validation est introduit pour valider les méthodologies d’optimisation vectorielle multi-fidélité. Cet exemple présente des caractéristiques représentatives des problèmes d’optimisation de turbomachines. La capacité de généralisation des méta-modèles par NIPOD multifidélité proposés est comparée, aussi bien sur cas analytique qu’industriel, à des techniques de méta-modélisation issues de la littérature. Enfin, nous utilisons la méthode développée au cours de cette thèse pour l’optimisation d’un étage et demi d’un compresseur basse-pression et comparons les résultats obtenus à des approches à l’état de l’art
Optimizing turbomachinery components stands as a real challenge despite recent advances in theoretical, experimental and High-Performance Computing (HPC) domains. This thesis introduces and validates optimization techniques assisted by full-field Multi-Fidelity Surrogate Models (MFSMs) based on Proper Orthogonal Decomposition (POD). The combination of POD and Multi-Fidelity Modeling (MFM) techniques allows to capture the evolution of dominant flow features with geometry modifications. Two POD based multi-fidelity optimization methods are proposed. Thefirst one consists in an enrichment strategy dedicated to Gappy-POD (GPOD)models. It is more suitable for instantaneous low-fidelity computations whichmakes it hardly tractable for aerodynamic design of turbomachines. This methodis demonstrated on the flight domain study of a 2D airfoil from the literature. The second methodology is based on a multi-fidelity extension to Non-IntrusivePOD (NIPOD) models. This extension starts with a re-interpretation of theConstrained POD (CPOD) concept and allows to enrich the reduced spacedefinition with abondant, albeit inaccurate, low-fidelity information. In the second part of the thesis, a benchmark test case is introduced to test fullfield multi-fidelity optimization methodologies on an example presenting featuresrepresentative of turbomachinery problems. The predictability of the proposedMulti-Fidelity NIPOD (MFNIPOD) surrogate models is compared to classical surrogates from the literature on both analytical and industrial-scale applications. Finally, we employ the proposed tool to the shape optimization of a 1.5-stage boosterand we compare the obtained results with standard state of the art approaches