Hou An97

_________________________________________________________________________________
Houle Annexe : Mthodes pour la dtermination des houles extrmes page 1

Extrait de ROSA 2000 dition n1 METL / CETMEF
MINISTERE DE LQUIPEMENT, DES TRANSPORTS ET DU LOGEMENT
CENTRE DTUDES TECHNIQUES MARITIMES ET FLUVIALES
Recommandations
pour le
CALCUL AUX ETATS-LIMITES
DES OUVRAGES EN SITE AQUATIQUE
Srie : ACTIONS
HOULE
ANNEXE
METHODES POUR LA DETERMINATION DES
HOULES EXTREMES
_________________________________________________________________________________
RECOMMANDATIONS
POUR LE CALCUL AUX ETATS-LIMITES
HOULE
ANNEXE : METHODES POUR LA DETERMINATION DES HOULES EXTREMES
TABLE DES MATIERES
___________
1. OBJET _____________________________________________________________________________ 3
2. NOTION DE PERIODE DE RETOUR___________________________________________________ 4
3. ELEMENTS DE PROBABILITE _______________________________________________________ 6
3.1 SUCCESSION DE VARIABLES ALEATOIRES INDEPENDANTES _______________________ 6
3.2 PROCESSUS DE POISSON_________________________________________________________ 8
3.2.1 PROCESSUS DE POISSON FILTRE ________________________________________________ 8
3.2.2 PROCESSUS POISSONNIEN A SAUTS _____________________________________________ 10
3.3 PROCESSUS GAUSSIEN _________________________________________________________ 11
4. ELEMENTS DE STATISTIQUE_______________________________________________________ 13
4.1 TRAITEMENT DUN ECHANTILLON DE VALEURS OBSERVEES______________________ 13
4.2 CHOIX DUNE LOI DE PROBABILITE _____________________________________________ 13
4.3 METHODES DAJUSTEMENT_____________________________________________________ 15
4.4 ESTIMATION DES DEPASSEMENTS DE NIVEAUX__________________________________ 16
4.5 INTERVALLES DE CONFIANCE __________________________________________________ 16
5. APPLICATION A LA HOULE ________________________________________________________ 17
5.1 GENERALITES _________________________________________________________________ 17
5.2 METHODE DES FREQUENCES CUMULEES ________________________________________ 18
5.3 METHODE DES ECHANTILLONAGES FIXES OU DES SERIES CHRONOLOGIQUES______ 18
5.4 METHODE DU RENOUVELLEMENT ______________________________________________ 19
5.5 METHODE DES QUEUES DE DISTRIBUTION_______________________________________ 20
6. TEXTES DE REFERENCE ___________________________________________________________ 21
_________________________________________________________________________________
RECOMMANDATIONS
POUR LE CALCUL AUX ETATS-LIMITES
HOULE
ANNEXE : METHODES POUR LA DETERMINATION DES HOULES EXTREMES
___________
1. OBJ ET
Cette annexe a pour objet de prsenter les grandes lignes des mthodes et des concepts utiliss pour
la dtermination des valeurs extrmes, et de les appliquer la houle.
Lapplication aux crues est faite dans le fascicule Mthodes de dtermination des crues
reprsentatives annex au fascicule Actions quasi-statiques des niveaux deau.
Un avertissement gnral relatif lutilisation des mthodes statistiques et probabilistes est donn
dans le fascicule Prsentation densemble.
_________________________________________________________________________________
2. NOTION DE PERIODE DE RETOUR
Nous considrons un processus alatoire X, que lon peut noter aussi X(t).
Par dfinition, la priode de retour T (ou temps de retour, ou dure de retour) de la valeur x est
lesprance mathmatique de la variable alatoire dfinie comme la dure sparant deux
dpassements successifs (dpassements vers les valeurs suprieures) de cette valeur.
En dautres termes, la priode de retour correspond la dure moyenne sparant deux occurrences
successives de lvnement X x.
Cette dfinition est rigoureuse ; elle permet pour un processus donn dattribuer toute valeur x sa
priode de retour T(x) et, inversement, dattribuer une valeur x(T) toute priode de retour T.
On ne doit pas la confondre avec deux autres notions voisines, non dveloppes dans cette annexe :
lesprance mathmatique de la variable alatoire dfinie comme le maximum du
processus X pendant une dure T,
la valeur la plus probable de la variable alatoire dfinie comme le maximum du processus
X pendant une dure T.
La priode de retour est une dure moyenne : il est donc possible dobserver plusieurs fois de suite
des valeurs priode de retour leve, bien que la probabilit en soit faible.
Pour calculer les priodes de retour, on exploite des donnes, disponibles sur une dure toujours
limite, et lon fait appel la thorie de lestimation statistique qui permet entre autres :
dexprimer des formules optimales pour le calcul des paramtres recherchs des lois
de probabilit,
de former des intervalles de confiance qui prennent en compte lincertitude
dchantillonnage (taille limite des donnes).
_________________________________________________________________________________
Pour estimer statistiquement les priodes de retour, deux mthodes principales sont dveloppes :
une mthode destimation statistique directe : on rassemble les intervalles de temps
sparant deux dpassements successifs dune valeur donne x ; la priode de retour de x
est par dfinition la moyenne de ces intervalles de temps. Cette mthode nest opratoire
que si la taille de lchantillon intervalles de temps sparant deux dpassements
successifs de x est suffisamment grand pour que les intervalles de confiance que lon
calculera ensuite ne soient pas trop tendus (voir le fascicule Mthodes statistiques annex
au fascicule Valeurs reprsentatives des proprits de base des matriaux) : pour estimer
valablement une valeur de priode de retour T par la mthode directe, il faut donc :
disposer de donnes sur une dure 5T,
ou extrapoler la courbe empirique T(x) vers les valeurs leves de x, ce qui est
trs dlicat si lon ne possde pas dinformation a priori sur le type de courbe : cest
cependant le cas pour le processus gaussien stationnaire dcrit plus loin,
une mthode base sur lestimation statistique de la loi de la variable mre ou
variable parente accompagne dune extrapolation : on utilise une proprit
mathmatique simple, qui exprime que la variable alatoire dfinie comme le maximum sur
D tirages dune variable mre suit une loi de distribution gale celle de la variable
mre leve la puissance D. Lestimation de la loi de la variable mre permet donc celle
des valeurs priode de retour D quelconque. Cette mthode ncessite de disposer dun
chantillon suffisamment grand de ralisations indpendantes de la variable mre, tant
entendu que les incertitudes statistiques (intervalles de confiance) sur celle-ci sont
amplifies sur les estimations des valeurs priode de retour donne, grosso modo
cause de llvation la puissance D, et ceci dautant plus que les priodes de retour
recherches sont leves. Pour estimer valablement une valeur de priode de retour T par
cette mthode, il faut donc :
disposer de donnes de la variable mre sur une dure T/2 T/5 (cinq annes de
donnes permettront destimer la houle dcennale trentenale, mais pas
cinquantenale),
et extrapoler la distribution de la variable mre vers les valeurs leves de x, ce qui
suppose de faire un choix sur le type de sa loi et surtout sur la nature de la
dcroissance de la loi : la nature de la loi parente (pour une dcroissance dun type
donn) na que des effets limits sur les extrapolations. Ces hypothses restent
toutefois difficiles vrifier. On dispose de quelques lois usuellement mises en
uvre, que lon utilise avec dautant plus de confiance que la variable mre est
elle-mme dfinie comme un maximum sur une dure donne (un an par
exemple) : ce sont les lois asymptotiques dextrmes , dites aussi lois de
valeurs extrmes .
Lextrapolation des dures leves pour des valeurs extrmes est sensible aux plus grandes valeurs
de lchantillon des donnes disponibles. Lenrichissement rgulier des donnes, par de nouvelles
valeurs tous les ans par exemple, est ainsi de nature modifier les calculs de priode de retour qui
auraient t effectus sur les chantillons antrieurs de taille moindre, la diffrence pouvant tre
surprenante : la mise en uvre et linterprtation des mthodes statistiques doit tre confie des
spcialistes.
Voir galement la mise en uvre des mthodes en usage pour le calcul des crues
reprsentatives.
_________________________________________________________________________________
Voir aussi la mise en uvre des mthodes statistiques pour la dtermination des valeurs
caractristiques des proprits de base des sols.
3. ELEMENTS DE PROBABILITE
3.1 SUCCESSION DE VARIABLES ALEATOIRES INDEPENDANTES
La modlisation par une succession de variables alatoires est adapte aux processus dcrivant des
tirages successifs indpendants nots i .
Nous considrons ici que X est une variable alatoire dont la fonction de rpartition est F
X
:
F
X
(x) = Prob ( X x )
On dmontre que la priode de retour T dune valeur x quelconque, exprime en nombre de tirages,
sexprime laide la fonction de rpartition F
X
par :
T(x) = 1 / ( 1-F
X
(x) )
La valeur x de priode de retour T donne peut tre dtermine en inversant la fonction de rpartition :
x(T) = F
X
-1
( 1 / (1 - T) )
Si les tirages sont rguliers dans le temps, cest--dire si la dure qui les spare est unique et
dterministe, note D
tir
, alors la priode de retour peut tre exprime en units de temps en
multipliant lexpression qui prcde par la dure D
tir
:
T [en unit de temps] = T [en nombre de tirages] D
tir
(intervalle de temps entre les tirages)
tirages i
intensit X
_________________________________________________________________________________
La probabilit de dpassement dune valeur x quelconque dans un nombre de tirages N donn, note
ici p
N
(x), peut tre facilement calcule en considrant N variables alatoires indpendantes notes X
1
,
X
2
, ... , X
N
de mme loi de probabilit que X, cest--dire N ralisations successives de la variable X ;
on peut dfinir une nouvelle variable alatoire MAX
X,N
reprsentant le maximum des observations :
MAX
X,N
= Max
N
(X
i
) pour i = 1 ... N
Sa fonction de rpartition, F
X,N
, scrit simplement laide de celle de X :
F
X,N
(x) = Prob ( Max
N
(X
i
) x ) = [ F(x) ]
N
Il sensuit que :
p
N
(x) = Prob ( X x au moins une fois au cours de N tirages ) = 1 - [F(x)]
N
On en dduit une relation entre la probabilit de dpassement dune valeur x dans un nombre de
tirages N donn, p
N
(x), et la priode de retour de cette mme valeur, T(x) :
T(x) = 1 / ( 1 - ( 1 - p
N
(x) )
1/N
)
ou, en inversant :
p
N
(x) = 1 - ( 1 - 1/T )
N
On retrouve que la probabilit que la valeur x de priode de retour T soit dpasse loccasion dun
tirage, vaut 1/T.
Ces relations sont exactes, elles ne dpendent pas de la loi de X et sont universelles , ou encore
intrinsques la notion de priode de retour.
Elles peuvent tre approches quand le nombre de tirages N est grand et la probabilit p
N
(x) petit,
par :
T(x) - N / ln( 1 - p
N
(x) ) N / p
N
(x)
ou, en inversant :
p
N
(x) 1 - e
-N/T(x)
Il sensuit en particulier que la probabilit dobserver un vnement de priode de retour T (nombre
entier, ici) au cours de T tirages est, pour T grand, indpendante de T et de lordre de 1 - 1/e 0,64.
_________________________________________________________________________________
3.2 PROCESSUS DE POISSON
Si lon sintresse un paramtre qui varie non plus seulement en intensit comme dans la section
prcdente, mais aussi dans le temps, lestimation des valeurs extrmes dpasses avec des
probabilits donnes ncessite de mettre en uvre une modlisation diffrente.
3.2.1 PROCESSUS DE POISSON FILTRE
Nous supposons ici que les instants auxquels se font les tirages ne sont plus rguliers et
dterministes, mais alatoires, et que le processus X reprsente des vnements ponctuels qui se
produisent des instants alatoires t
i
, avec une intensit elle-mme alatoire, cette dernire tant
toujours reprsente par la fonction de rpartition F
X
(x).
Soit M(t) le processus de comptage du nombre dvnements observs dans lintervalle de temps
[0, t]. M(t) suit un processus ponctuel de Poisson si, pour un intervalle de temps t petit, la probabilit
dobserver un seul vnement entre t et t+t est proportionnelle t ; le paramtre de proportionnalit,
not , est lintensit du processus de Poisson. Nous supposons ici que ne varie pas dans le temps
(processus stationnaire).
La probabilit dobserver m vnements dans un intervalle de temps t est donne par la loi de
Poisson :
Prob ( M(t) = m ) = e
-.t
( . t)
m
/ m!
Le nombre moyen dvnements se produisant dans lintervalle t est .t. La probabilit de ne pas
observer dvnement est :
Prob ( M = 0 ) = e
-.t
La loi de lintervalle de temps D sparant loccurrence de deux vnements est la loi exponentielle de
paramtre, dont la fonction de rpartition est :
Prob ( D u ) = 1 - e
-.u
temps t
intensit X
_________________________________________________________________________________
La dure moyenne qui spare deux vnements est 1/.
On dmontre que la variable alatoire dfinie comme le nombre dvnements dintensit suprieure
une valeur x donne, M
x
, suit elle aussi une loi de Poisson, et que son intensit
Mx
vaut :
Mx
= ( 1 - F
X
(x) ) .
Il sensuit que la priode de retour dune valeur x quelconque, dure moyenne qui spare deux
vnements dintensit suprieure x, exprime dans la mme unit de temps que [1/], est :
T(x) = 1 /
Mx
= 1 / [ ( 1 - F
X
(x) ) . ]
La valeur x de priode de retour T donne peut tre dtermine en inversant la fonction de rpartition
F
X
qui doit tre connue.
La probabilit de dpassement dune valeur x quelconque pendant une dure D donne, note ici
p
D
(x), peut tre facilement calcule comme :
p
D
(x) = Prob ( Max
D
(X) x ) = 1 - Prob ( Max
D
(X) x ) = 1 - exp { - ( 1 - F
X
(x) ) . . D }
ou encore en fonction de la priode de retour T(x) :
p
D
(x) = 1 - e
-D/T(x)
Au contraire du cas prcdent (variables successives), il sagit l dune relation exacte.
_________________________________________________________________________________
3.2.2 PROCESSUS POISSONNIEN A SAUTS
Nous supposons toujours que les instants auxquels se font les tirages suivent une loi de Poisson
dintensit , mais les vnements sont maintenant supposs prsents pendant toute la dure qui
spare deux tirages.
Les expressions prcdentes peuvent tre utilises pour calculer la priode de retour T dune valeur x
quelconque, exprime dans la mme unit de temps que [1/] :
T(x) = 1 / [ (1 - F
X
(x)) . ]
En revanche, la probabilit de dpassement dune valeur x quelconque pendant une dure D donne,
note p
D
(x), a une expression un peu diffrente :
p
D
(x) = Prob ( Max
D
(X) x ) = 1 - Prob (x nest pas dpasse au dbut de la priode)
Prob (pas de dpassement de x au cours de la priode D)
= 1 - F
X
(x) . exp { - ( 1 - F
X
(x) ) . . D }
temps t
intensit X
_________________________________________________________________________________
3.3 PROCESSUS GAUSSIEN
La dtermination des valeurs extrmes dun processus rel du second ordre est un problme
difficile ; des rsultats existent dans quelques cas particuliers, parmi lesquels le processus gaussien
(les lois X(t) et toutes les lois marginales sont gaussiennes) et stationnaire (le processus est invariant
par changement de lorigine des temps).
Dans ce cas, lesprance mathmatique du nombre de dpassements (en croissant) dune valeur x
donne, au cours dun intervalle de temps D, not
D
(x), est donn par la formule de Rice :
( )
( )
|
|
\
|
=
2

exp .
.
.
.
X
X
X
X
D
x
D x
avec :

X
: la moyenne du processus X(t),

X
: lcart-type du processus X(t),

.
X
: lcart-type du processus ( ) t
dt
dX
Cette formule se met sous la forme suivante :
( )
( )

=
2

exp . .
0
X
X
D
x
D x

o
0
est le nombre moyen de franchissements en croissant de la valeur moyenne
X
par unit de
temps.
La priode de retour dune valeur x est dfinie comme la dure au cours de laquelle on observe en
moyenne un seul franchissement de x ; en crivant
T(x)
(x) = 1,00, il vient :
( )
( )
=
2

exp .
1
0
X
X
x
x T
o T est exprime dans la mme unit de temps que [1/

0
].
_________________________________________________________________________________
La valeur x de priode de retour T donne peut tre dtermine en inversant la formule :
( ) ( ) T T x
X X
. ln 2 .
0
+ =
Lapplication de ces formules ncessite de connatre trois paramtres fondamentaux du processus :
X
,
X
et
0 .
Pour calculer la probabilit de dpassement dune valeur x quelconque pendant une dure D donne,
note p
D
(x), on dmontre que la variable alatoire dfinie comme le nombre de dpassements dune
valeur x donne, suit asymptotiquement une loi de Poisson dintensit
( )
2

exp .
0
X
X
x
et lon
en dduit avec les formules de la section prcdente que le maximum de X pendant la dure D suit
une loi de Rayleigh :
( ) ( ) ( )
( )
)
`
|
|
\
|
= =
2

exp . . exp 1 Pr
0
X
X
D D
x
D x X Max ob x p
On retrouve toujours la mme expression en fonction de la priode de retour T(x) :

p
D
(x) = 1 - e
-D/T(x)
Connaissant ici les paramtres du processus, on peut calculer de faon explicite de lesprance
mathmatique du maximum de X pendant la dure D (qui reste une approximation) par :
( ) [ ] ( )
( )
X D
D
D X Max E
.
. ln 2
. ln 2
0
0

+ =
o est la constante dEuler qui vaut 0,577.
_________________________________________________________________________________
4. ELEMENTS DE STATISTIQUE
4.1 TRAITEMENT DUN ECHANTILLON DE VALEURS OBSERVEES
Le traitement des chantillons de valeurs observes applique les thories dcrites plus haut.
Si lon dispose de maxima priodiques dun phnomne, supposs statistiquement indpendants les
uns des autres, par exemple des valeurs sur plusieurs annes de la plus grande valeur annuelle dun
phnomne, on se place dans le cas de la succession de variables alatoires indpendantes, dont
lintervalle de temps entre deux tirages est connu et rgulier (dans lexemple, lanne). Il faut choisir un
type de loi pour la variable X, puis procder son ajustement statistique en fonction des donnes dont
on dispose. Il faut prendre garde ne pas confondre :
le maximum sur un an, qui dfinit la variable mre X,
le maximum de X sur plusieurs annes, que lon cherche calculer et prvoir.
Si lon dispose de donnes intervenant des instants irrguliers, indpendantes, par exemple dans
ltude des variations saisonnires dun phnomne, on modlise usuellement le phnomne par un
processus de Poisson : les deux variables alatoires que sont le phnomne lui-mme X et la dure
qui scoule entre deux vnements, sont tudier de faon spare. On choisit un type de loi pour la
variable X, puis lon procde son ajustement statistique en fonction des donnes dont on dispose sur
ses ralisations successives observes ; lintensit du processus de Poisson est estime comme le
nombre moyen dvnements par unit de temps.
Si lon est dans le cas dun processus gaussien, stationnaire, du second ordre, on peut estimer le
taux de dpassement (x) partir de lhistogramme des dpassements de niveaux ( histogramme
des DDN ) et utiliser la formule de Rice. Les hypothses sont importantes : si le processus naturel
nest pas gaussien ou nest pas stationnaire, il faut appliquer dautres mthodes car lon ne peut
changer la nature du processus !
4.2 CHOIX DUNE LOI DE PROBABILITE
Les lois de probabilits peuvent tre extrapoles, et donner des rsultats thoriques sur des
phnomnes non observs (mais observables) aux chelles de temps accessibles. Toutefois ces lois
ne peuvent tre choisies et cales que sur les donnes disponibles, et des hypothses doivent donc
tre formules, sans tre vrifies par lexprience, sur leur comportement dans la rgion des valeurs
extrmes. De telles hypothses peuvent tre bases soit sur des considrations thoriques ou
physiques au cas par cas, soit valides provisoirement au motif quelles sont raisonnables et que
rien ne permet de les contredire (principe des tests dhypothses).
En particulier, si les rsultats des modles fonds sur de telles hypothses sont oprants et non
contradictoires avec lexprience antrieure, avec lavis des experts, etc., cela encourage les
adopter. Il faut toutefois expliciter les hypothses formules et non vrifies, afin qu tout moment
elles puissent tre valides ou rvises si des informations nouvelles le permettent. Il est aussi
important de faire apparatre les consquences pratiques de ces hypothses, et dexaminer si dautres
hypothses alternatives tout aussi acceptables ne conduiraient pas des rsultats diffrents.
Dans la pratique il y a un grand nombre de lois de probabilit usuelles pour lesquelles des formulations
et des rsultats sont accessibles. A partir de donnes suffisantes, on peut tester lacceptabilit de telle
ou telle loi et en ajuster les paramtres.
_________________________________________________________________________________
Il faut mettre en garde contre les lois avec un trop grand nombre de paramtres ( quatre et mme
cinq paramtres) parfois utilises : videmment plus lon introduit de paramtres, meilleur est
lajustement sur un ensemble de donnes, mais la robustesse diminue trs vite, cest--dire que les
intervalles de confiance de ces paramtres estims deviennent trs tendus. Pour des chantillons de
quelques dizaines une centaine de valeurs, les lois doivent se limiter deux paramtres, la rigueur
trois, si lon veut avoir un modle robuste.
Les lois les plus couramment utilises pour reprsenter la variable alatoire X et pour lajustement des
valeurs observes sont, avec leur fonction de rpartition :
loi exponentielle : aussi appele loi de Larras lorsque elle est applique la houle :
F(x) = exp ( - (x - H
0
) / ),
loi logexponentielle :
F(x) = exp ( - ( ln(x) - ln(H
0
) ) / )
loi de Gumbel :
F(x) = exp ( - exp ( - (x - H
0
) / ) )
loi en carr :
F(x) = exp ( - (x - H
0
) / )
loi de Frchet :
F(x) = exp ( - ( / (x - H
0
) )
p
)
loi de Weibull : si p = 1, on retrouve la loi exponentielle ; si p = 2, on a la loi de Rayleigh :
F(x) = exp ( - ( (x - H
0
) / )
p
)
Des tests peuvent tre faits pour vrifier lacceptabilit du choix, les plus connus tant le test du Khi et
le test de Kolmogorov-Smirnov. Le test du Khi peut se faire avec des pondrations qui favorisent les
valeurs extrmes : on recherche en effet prfrentiellement un ajustement sur la queue de la
distribution.
Voir galement une application de la loi de Gumbel aux niveaux extrmes de la mer.
_________________________________________________________________________________
On dmontre que la loi de distribution du maximum dun processus X(t) sur une dure D converge
gnralement quand D augmente vers lune des trois lois de valeurs asymptotiques dextrmes dites
aussi de Fisher-Tippett , et ceci quelle que soit la loi de distribution de la variable X(t) (le mode de
convergence et les conditions ne sont pas dtailles ici) :
type I : exponentielle double, ou loi de Gumbel, lorsque la loi parente est dcroissance
exponentielle,
type II : exponentielle simple, ou loi de Frchet, lorsque la loi parente est dcroissance
gomtrique,
type III : exponentielle rtrograde, ou loi de Weibull, lorsque la loi parente est borne
suprieurement (en gnral).
4.3 METHODES DAJUSTEMENT
Pour choisir une mthode dajustement, il est ncessaire de prciser les critres de choix et les
objectifs (par exemple, la recherche dune loi dont la queue ou la dcroissance reprsente au mieux
les donnes si celles-ci sont assez nombreuses, ou bien rpondant certains critres de fractiles 90,
95 ou 99 %, etc.).
Ajuster la loi de distribution aux donnes consiste, aprs en avoir choisi le type, dterminer la valeur
de ses paramtres inconnus. Plusieurs mthodes existent, parmi lesquelles :
la mthode des moments : les paramtres de la loi sont calculs de faon faire
concider les moments de la loi avec ceux de la distribution empirique (moyenne,
variance...),
la mthode du maximum de vraisemblance : les paramtres de la loi sont calculs de
faon maximiser la probabilit dapparition (plus exactement la vraisemblance ) de
lchantillon qui a t observ,
la mthode des statistiques dordre, cest--dire des valeurs maximales de lchantillon
classes en ordre dcroissant, partir desquelles on btit des mthodes destimation de
lois dextrmes,
la mthode du Khi, mthode de moindres carrs pondrs par les probabilits de chaque
classe dun histogramme (il ne sagit pas dune rgression linaire),
la mthode graphique, dcrite plus en dtail ci-aprs.
Les procdures dajustement les plus courantes ont pour dfaut dtre plutt orientes sur la partie
centrale de la loi, alors que lon sintresse surtout modliser la queue de la distribution ; ceci limine
la mthode des moments. En revanche la mthode des moindres carrs ou du Khi autorise des
pondrations favorisant les valeurs de la queue de la distribution.
Les mthodes graphiques ne peuvent tre utilises que si la loi possde un papier , cest dire sil
existe une variable rduite , fonction g(f
i
), avec laquelle lensemble des points exprimentaux
(x
i
, g(f
i
) ) o f
i
est la frquence empirique de dpassement de x
i
, passent par une droite thorique.
_________________________________________________________________________________
On dispose dun chantillon de N valeurs indpendantes, par exemple les observations des plus
grandes valeurs sur N annes. On commence par classer les valeurs par ordre dcroissant : on
obtient les N valeurs classes disposer sur le papier de la loi :
x
i
, pour i = 1 N
Le papier de la loi est gradu en ordonnes en valeurs de x, en abscisse en valeurs de frquence et,
ventuellement, de priode de retour. Ces graduations en abscisse ne sont pas linaires, mais
fonction de la variable rduite qui, elle, est linaire.
La frquence exprimentale F
i
affecter chacune des valeurs x
i
fait lobjet de dbats ; on peut
utiliser la formule simple :
F
i
= 1 - i / (N+1)
Lajustement graphique seffectue ensuite par une rgression linaire.
4.4 ESTIMATION DES DEPASSEMENTS DE NIVEAUX
Lhistogramme des dpassements de niveaux (DDN) est trac en inscrivant le nombre de fois o une
valeur donne x est dpasse dans lchantillon de valeurs exprimentales, pendant la dure T
exp
. On
obtient une courbe
T
exp
(x) qui, pour un processus gaussien stationnaire, peut tre exploite par la
formule de Rice : lajustement dune loi normale sur cet histogramme de DDN permet destimer les
paramtres
0
,
X
et
X
du processus et, de calculer les valeurs priode de retour donne. Il est
toutefois utile de valider lhypothse de stationnarit et laspect gaussien du processus, au moins pour
les grandes valeurs
4.5 INTERVALLES DE CONFIANCE
Les intervalles de confiance prennent en compte lincertitude dchantillonnage, cest--dire le fait que
les paramtres des lois sont estims avec des chantillons de taille limite. On peut les dterminer,
avec un niveau de risque choisi librement, pour la plupart des estimations dcrites dans cette section
(ce point nest pas abord plus en dtail dans la suite).
_________________________________________________________________________________
5. APPLICATION A LA HOULE
5.1 GENERALITES
On dispose en pratique de squences de mesures de la houle pendant 20 minutes toutes les 3
heures, do lon dtermine le paramtre recherch (H
max
, H
s
,...) pour chaque enregistrement.
La dtermination des houles extrmes passe par une analyse statistique des donnes, qui comporte
les oprations suivantes effectuer sur chaque chantillon directionnel lmentaire homogne :
tablissement de la distribution empirique du ou des paramtres utiles, H systmati-
quement (une des hauteurs de la houle, H
max
, H
1/3
, H
1/10
,...), ventuellement T, ou (mieux)
le couple de paramtres corrls H-T,
ajustement de lois de probabilit : pour H seul, les lois semi-logarithmiques et de Weibull
sont frquemment pertinentes,
choix des intervalles de confiance pour lestimation des paramtres des lois de probabilit
(50, 75 et 90 % par exemple) et dtermination des lois correspondantes,
mise en uvre dune mthode de valeurs extrmes (voir ci-aprs) pour le calcul des
valeurs reprsentatives des paramtres de houle correspondant diverses priodes de
retour.
Si les donnes du site sont insuffisantes, on exploite dautres sources dinformation, gnralement
lies lobservation de variables mtorologiques ou des enregistrements de houle sur un site ctier
voisin ou au large ; il sagit de transfrer les informations :
par des relations entre les paramtres statistiques estims de ces donnes
complmentaires, et les paramtres recherchs de la houle sur le site : la mthode du
gradex voque dans le fascicule Mthodes pour la dtermination des crues
reprsentatives en fait partie,
par la reconstitution dchantillons de donnes de houle sur le site (mthode de
hindcasting).
Une reprsentation sous forme de rose des principales valeurs reprsentatives ainsi obtenues
pour chaque secteur directionnel lmentaire (30, 20 ou 10 selon la discrtisation originelle de la base
de donnes brutes) peut tre utile pour identifier les secteurs lmentaires homognes voqus
prcdemment. La partition de lchantillon par direction a toutefois linconvnient de rduire la taille
des donnes utilisables pour estimer les valeurs extrmes. Or, dans bien des cas, la taille de
lchantillon toutes directions confondues est dj relativement faible.
_________________________________________________________________________________
5.2 METHODE DES FREQUENCES CUMULEES
La mthode des frquences cumules travaille sur lchantillon des hauteurs maximales de chaque
enregistrement de houle dune dure de 20 minutes. On remplace les valeurs manquantes ventuelles
par les mesures voisines.
Une loi de probabilit, F(h), est cale sur la distribution empirique de ces hauteurs, gnralement la loi
exponentielle, dont le paramtre est ajust la courbe des frquences cumules par la formule des
moindre carrs.
Comme les donnes ne sont pas indpendantes, on ne peut pas calculer la priode de retour par la
formule donne dans la section succession de variables alatoires indpendantes mais on prend la
formule pratique, o T est exprime en annes :
( ) ( ) ( ) h F - 1 . 650 3
1
800 262
72
.
1
1
=
=
h F
T
o :
262 800 est le nombre de fois quil y a 20 minutes en un an,
72 est le nombre de fois quil y a 20 minutes en une journe : ce nombre est introduit pour
rduire la priode de retour par rapport celle qui serait calcule par la formule thorique
en supposant indpendantes les hauteurs de chaque pisode de 20 minutes ; il suppose
donc une dure de stationnarit des tats de mer de 1 jour.
5.3 METHODE DES ECHANTILLONAGES FIXES OU DES SERIES CHRONOLOGIQUES
La mthode des chantillonnages fixes ou des sries chronologiques travaille sur les donnes des
hauteurs maximales, supposes indpendantes, releves pendant une dure donne (gnralement
lanne).
On applique les quations prsentes dans la section succession de variables alatoires
indpendantes avec une dure entre tirages gale un an. On retient usuellement des maxima
annuels pour sassurer de lindpendance des valeurs (prise en compte de la saisonnalit du climat).
_________________________________________________________________________________
5.4 METHODE DU RENOUVELLEMENT
La mthode du renouvellement travaille sur lchantillon constitu par les valeurs de tempte : ces
dernires sont dfinies comme les squences de hauteurs suprieures un seuil H
0
choisi a priori.
Pour chaque tempte, on retient le paramtre recherch (H
max
, H
s
,...) et lon sassure que les
vnements successifs sont indpendants, cest--dire que deux maxima successifs nappartiennent
pas la mme tempte. On retient galement le nombre de temptes observes. Lchantillon se
rsume ainsi :
(H
i
) : hauteurs maximales pour chacune des temptes,
(n
j
) : nombres de temptes observes chaque anne.
Lhypothse dindpendance des variables alatoires tant suppose vrifie, on ajuste une loi de
probabilit lchantillon constitu par les hauteurs (H
i
) des temptes, de fonction de rpartition F(h).
La probabilit de dpassement dune hauteur h donne pendant la dure de 1 an scrit :
Prob ( H h )
1 an
= 1 -
n
[ Prob (N = n) . F(h)
n
]
o Prob ( N = n ) est la probabilit dobserver n temptes en un an, la variable alatoire N tant le
nombre de temptes observes par an.
Si h est suffisamment grand pour que F(h) soit assez proche de 1, ce qui est justifie pour les houles
dcennales ou suprieures, cette formule peut tre approche par lexpression suivante qui ne
ncessite aucune hypothse a priori sur la loi de la variable N :
Prob ( H h )
1 an
E[N] . ( 1 - F(h) )
o E[N] est esprance mathmatique du nombre de temptes observes par an, estime par
lexpression suivante :
E[N]
estimateur
= nombre total de temptes / nombre dannes
Cette formule permet daccder directement la priode de retour associe h :
T(h) 1 / [ E[N] . ( 1 - F(h) ) ]
Cette formule devient exacte si lon fait lhypothse que la variable N suit une loi de Poisson, cest--
dire si loccurrence des temptes suprieures un seuil H
0
est un processus de Poisson : le
paramtre , intensit du processus de Poisson, sassimile en effet 1/E[N].
Cette formule est aussi exacte quand N suit une loi binmiale (rappel : si N suit une loi binmiale de
paramtres M et ,
n M n n
M
C n N P

= = ) 1 ( ) ( ).
On remarque galement que cette expression de la priode de retour est analogue celle que lon
obtient avec la mthode des variables alatoires successives, en considrant que lintervalle de temps
qui spare deux tirages est la dure moyenne entre deux temptes, E[N].
_________________________________________________________________________________
5.5 METHODE DES QUEUES DE DISTRIBUTION
La mthode des queues de distributions diffre de la prcdente principalement par la faon dont est
choisie la loi de distribution ; son intrt est quelle rduit lincertitude dextrapolation en utilisant les
rsultats du thorme de convergence des lois de probabilit vers les lois de valeurs extrmes.
On peut travailler aussi bien sur des valeurs de tempte que sur de valeurs indpendantes
chantillonnages fixes. Les donnes sont acquises pendant une dure D
instr
. La mthode suit plusieurs
tapes :
ajustement dune loi F
don
sur lchantillon des donnes de hauteur (peu importe le type de
loi, pourvu que lajustement soit correct),
dtermination du type de loi extrme vers lequel converge la distribution du maximum de la
hauteur sur une dure D croissante (la forme de la dcroissance de lhistogramme
empirique est examine pour cela),
ajustement des paramtres de cette loi de valeurs extrmes F
extr, instr
pour une dure D
correspondant la dure dinstrumentation D
instr
, laide des paramtres de la loi de
distribution cale sur les valeurs observes, F
don
,
extrapolation de la loi de valeurs extrmes depuis la dure dinstrumentation jusqu la
dure correspondant la priode de retour T requise, en levant celle-l la puissance
gale T/D
instr
:
F
extr, T
= [ F
extr, instr
]
T/D
instr
De faon rigoureuse, la valeur h de priode de retour T (pour T > D
instr
) est dtermine comme :
T(h) = D
instr
/ ( 1 - F
extr, instr
(h) )
Par abus de langage, la valeur de priode de retour T est aussi calcule comme la valeur la plus
probable de la distribution F
extr, T
, ou comme son esprance mathmatique.
_________________________________________________________________________________
6. TEXTES DE REFERENCE
Srie Schaum,
Thories et Applications de la Statistique
Murray R. Spiegel, dition franaise, 1972.
Jacob, B., et al, (1991)
Methods for the prediction of extreme loads and load effects on bridges
Rapport pour le WG 8 de lENV 1991-3, aot 1991.
Flint, A.R., Jacob, B., (1996)
Extreme traffic loads on road bridges and target values of their effects for code calibration,
Proceedings du colloque IABSE, Delft, Pays-Bas, pp 469-478.
Mathiesen, M. et al., (1994)
Recommended practice for extreme wave analysis
Journal of hydraulic research, vol. 32, n6.
Feuillet, J., Bernier, J., Coff, Y., Chaloin, B., (1995)
Le dimensionnement des digues talus
Eyrolles.
Jacob, B., (1995)
Lois de valeurs extrmes des variables alatoires
Cours ENPC - ENTPE.
oOo

Hou An97

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Hou An97

Uploaded by

Copyright:

Available Formats

_________________________________________________________________________________

Houle Annexe : Mthodes pour la dtermination des houles extrmes page 1

o T est exprime dans la mme unit de temps que [1/

On retrouve toujours la mme expression en fonction de la priode de retour T(x) :

You might also like