Bounding the Null Space: Interval-Based Uncertainty Quantification for Non-Identifiable Groundwater Models

Cet article propose un cadre de resserrement de bornes basé sur l'optimisation (OBBT) qui utilise l'arithmétique d'intervalles et les relaxations de McCormick pour fournir des bornes d'incertitude garanties et sans échantillonnage pour les modèles de nappe phréatique non identifiables, tout en abordant des défis tels que les flux de rotation non physiques grâce à des contraintes spécifiques de signe et d'irrotationnalité.

L'essentiel

Le gros problème : Les « pièces manquantes du puzzle »

Imaginez que vous essayiez de comprendre comment l'eau circule sous terre. Vous avez quelques indices : vous savez où l'eau est pompée, où la pluie tombe, et vous avez des mesures des niveaux d'eau dans quelques puits.

Mais le sol est immense, et vous n'avez que quelques mesures. Cela crée un problème appelé non-identifiabilité. C'est comme essayer de deviner la forme exacte d'un objet caché en ne touchant que trois de ses coins. Il existe des millions de formes différentes (combinaisons de types de roches, de vitesses d'écoulement et de niveaux d'eau) qui pourraient correspondre parfaitement à ces trois coins.

L'ancienne méthode (Échantillonnage) :
La plupart des scientifiques essaient de résoudre cela en devinant. Ils lancent des milliers de simulations informatiques, chacune avec une légère variante sur les conditions souterraines. Ils regardent les résultats et disent : « D'accord, le niveau d'eau se situe probablement entre 5 et 10 mètres ».

• Le défaut : Si vous ne devinez que 1 000 fois, vous pourriez passer à côté des vrais cas extrêmes. Vous pourriez penser que le niveau d'eau est sûr (5–10 m), mais la réalité pourrait être de 2–15 m. Vous avez sous-estimé le danger parce que vous n'avez pas assez deviné.

La nouvelle méthode : « Borner la boîte » (OBBT)

Les auteurs proposent une approche complètement différente appelée Optimisation pour le resserrement des bornes (OBBT - Optimization-based Bound Tightening). Au lieu de deviner des scénarios aléatoires, ils traitent le problème comme un puzzle mathématique avec des règles strictes.

L'analogie : La boîte sous film étirable
Imaginez que les réponses possibles flottent à l'intérieur d'une immense boîte en carton transparente.

1. La boîte initiale : Au début, la boîte est énorme car nous n'en savons pas grand-chose. Le niveau d'eau peut se situer n'importe où entre 0 et 100 mètres.
2. Ajout de règles : Nous commençons ensuite à ajouter des « règles » (contraintes) basées sur la physique (l'eau coule vers le bas) et nos données réelles (nous avons mesuré 7 mètres ici).
3. Resserrement de la boîte : Chaque fois que nous ajoutons une règle, nous pouvons découper les parties de la boîte qui sont impossibles. Nous continuons à rétrécir la boîte jusqu'à ce qu'elle s'ajuste le plus étroitement possible autour des seules réponses qui sont physiquement possibles.
4. Le résultat : Nous n'obtenons pas une liste de suppositions ; nous obtenons une plage de sécurité garantie. Nous savons avec certitude que le niveau d'eau ne peut pas se trouver en dehors de cette boîte finale et serrée.

L'obstacle : Le « Compas cassé »

Pour faire fonctionner ce calcul sur un ordinateur, les auteurs ont dû simplifier les lois complexes de l'écoulement des eaux souterraines. Ils ont utilisé une astuce mathématique appelée relaxations de McCormick.

L'analogie :
Considérez l'écoulement des eaux souterraines comme une voiture roulant sur une route. La voiture (l'eau) doit toujours rouler dans la direction de la pente (en descente).

• Le problème : Lorsque les auteurs ont simplifié les mathématiques pour les rendre plus rapides, leur « compas » s'est brisé. Les mathématiques permettaient à la voiture de rouler en montée si elle présentait une combinaison très spécifique et étrange de vitesse et de pente.
• La conséquence : Parce que les mathématiques permettaient ces trajets en montée « impossibles », l'ordinateur ne pouvait pas resserrer la boîte efficacement. La boîte restait immense car l'ordinateur se disait : « Eh bien, peut-être que l'eau monte ici, donc je ne peux rien exclure ».

La solution : Imposer les règles

Les auteurs ont réalisé qu'ils devaient dire manuellement à l'ordinateur : « Non, l'eau ne peut pas monter ». Ils ont ajouté deux correctifs spécifiques :

1. Signes de l'écoulement : Ils ont forcé l'ordinateur à décider tôt : « L'eau coule vers le Nord ou vers le Sud ? ». Une fois cette direction verrouillée, l'absurdité de la « montée » disparaît.
2. Pas de tourbillons : Ils ont ajouté une règle stipulant que l'eau ne peut pas tourner en rond (comme un tourbillon) sans raison. Cela aide les mathématiques à comprendre la véritable forme de l'écoulement.

Avec ces correctifs, la « boîte » finit par se resserrer, donnant une réponse fiable.

Ce qu'ils ont testé

L'équipe a testé cette méthode sur trois scénarios différents :

1. Une bande 1D : Une simple ligne de cellules. Cela a parfaitement fonctionné et était bien meilleur que les anciennes méthodes de « devinettes ».
2. Une grille 2D : Une carte plate. Cela a montré que sans les correctifs « Pas de tourbillons » ou « Signe de l'écoulement », la méthode échoue. Avec les correctifs, elle fonctionne bien.
3. Une grille voyageant dans le temps : Une carte 2D qui change au fil du temps (comme une vidéo). Ils ont montré que la méthode peut gérer les changements de niveaux d'eau jour après jour, réduisant l'incertitude au fil du temps.

Le compromis

La bonne nouvelle : Cette méthode vous offre une sécurité garantie. Vous n'avez pas à craindre d'avoir manqué un scénario rare et dangereux parce que vous n'avez pas assez deviné. Elle trouve les limites absolues de ce qui est possible.

La mauvaise nouvelle : Elle est coûteuse en calculs. Cela prend beaucoup de temps pour résoudre ces puzzles mathématiques par rapport à de simples milliers de devinettes. C'est comme utiliser une découpeuse laser pour tailler une feuille de papier au lieu d'utiliser simplement des ciseaux. C'est plus lent, mais le résultat est mathématiquement parfait.

Résumé

L'article présente une nouvelle façon de gérer l'incertitude dans les modèles d'eaux souterraines. Au lieu de deviner des milliers de fois en espérant attraper le pire scénario, ils utilisent des règles mathématiques strictes pour éliminer toutes les réponses impossibles, laissant derrière elles une « zone de sécurité » garantie. Ils ont découvert que pour que cela fonctionne, ils ont dû ajouter des règles supplémentaires pour empêcher les mathématiques d'imaginer des écoulements d'eau impossibles, mais une fois ces règles appliquées, la méthode offre un filet de sécurité bien plus fiable que les méthodes de devinettes traditionnelles.

Résumé technique

Résumé technique : Borner l'espace nul via le resserrement de bornes basé sur l'optimisation

1. Énoncé du problème

Les modèles d'eaux souterraines sont fréquemment non identifiables en raison de l'observation parcellaire du sous-sol. Cette équifinalité signifie que de nombreuses combinaisons distinctes de paramètres (par exemple, la transmissivité, le coefficient d'emmagasinement spécifique), d'états (charges hydrauliques) et de conditions aux limites peuvent produire des observations identiques.

Les méthodes traditionnelles de quantification de l'incertitude (UQ) traitent ce problème en explorant un ensemble fini de réalisations de modèles (par exemple, Monte Carlo, assimilation de données par ensemble ou inversion régularisée). Les auteurs soutiennent que ce paradigme souffre d'un dilemme structurel : à mesure que la complexité du système augmente, le nombre d'inconnues croît, tandis que le coût computationnel de la simulation limite le nombre de réalisations explorables. Par conséquent, une exploration incomplète conduit à une sous-estimation systématique de l'étendue réelle des solutions admissibles. Cela est particulièrement dangereux dans la gestion des eaux souterraines, où les risques proviennent souvent d'événements extrêmes rares (ex. : sécheresses ou inondations) que des échantillons finis peuvent manquer.

Le papier pose comme objectif pour une UQ conservatrice non pas d'échantillonner la région réalisable, mais de représenter l'étendue de la région réalisable elle-même par le biais de bornes extérieures garanties sur les variables incertaines.

2. Méthodologie : Resserrement de bornes basé sur l'optimisation (OBBT)

Le cadre proposé remplace l'échantillonnage par le resserrement de bornes basé sur l'optimisation (OBBT - Optimization-Based Bound Tightening). Au lieu d'énumérer des réalisations, la méthode traite l'incertitude sous forme d'intervalles et les resserre en extrémisant les variables sur un système de contraintes qui encode les lois physiques et les observations.

2.1 Formulation mathématique

L'approche formule le problème d'écoulement des eaux souterraines comme un système de contraintes :

• Variables : Charges hydrauliques ($h$), flux ($q$), recharge ($R$), transmissivité ($T$) et coefficient d'emmagasinement spécifique ($S$).
• Contraintes :
  • Bilan de masse : Discrétisé à l'aide d'un schéma de volumes finis (stationnaire et transitoire).
  • Loi de Darcy : $q = -T \nabla h$.
  • Observations : Valeurs fixes ou bornes à des emplacements spécifiques.
  • Bornes a priori : Intervalles initiaux pour toutes les variables.

2.2 Gestion de la non-linéarité : Relaxations de McCormick

Les équations directrices impliquent des termes bilinéaires (par exemple, le produit de la transmissivité incertaine $T$ et du gradient de charge $\nabla h$). Résoudre les problèmes d'optimisation non convexes qui en résultent de manière globale est extrêmement coûteux pour de grandes grilles.

Pour maintenir la tractabilité computationnelle tout en garantissant des bornes conservatrices, les auteurs utilisent des relaxations de McCormick. Celles-ci remplacent l'égalité bilinéaire $w = xy$ par quatre inégalités linéaires qui forment un enveloppe convexe autour de la véritable région réalisable non linéaire.

• Avantage : Permet l'utilisation de solveurs de programmation linéaire (LP) efficaces.
• Inconvénient : La relaxation admet des solutions non physiques, plus précisément en brisant le couplage de signe entre les flux et les gradients de charge. Cela permet un « écoulement rotationnel » (cycles où l'eau circule à contre-sens du gradient), ce qui viole la physique de l'écoulement de Darcy et empêche un resserrement efficace des bornes.

2.3 L'algorithme

L'algorithme OBBT (Algorithme 1) fonctionne de manière itérative :

1. Initialisation : Définir les variables sur un graphe de grille spatio-temporelle et fixer les bornes initiales.
2. Construction de la relaxation : Construire les contraintes de McCormick basées sur les bornes actuelles des variables.
3. Extrémisation : Pour chaque variable, résoudre deux LP (minimisation et maximisation) soumises au système complet de contraintes.
4. Resserrement : Mettre à jour les bornes des variables avec les nouveaux extrèmes.
5. Post-traitement : Utiliser l'arithmétique d'intervalles pour imposer la cohérence des signes entre les flux et les gradients.
6. Itération : Répéter jusqu'à convergence (les bornes cessent de se resserrer) ou jusqu'à l'atteinte d'un nombre maximal d'itérations.

Le processus est parfaitement parallélisable concernant l'extrémisation des variables individuelles au sein de chaque itération.

3. Contributions clés et remèdes

Le papier identifie que l'application naïve de l'OBBT avec les relaxations de McCormick échoue à fournir des bornes informatives car la relaxation permet un écoulement rotationnel non physique. Les auteurs proposent et évaluent deux remèdes spécifiques pour restaurer la cohérence physique :

1. Contraintes d'irrotationalité : Imposer explicitement que la somme des flux autour de tout cycle fondamental dans le graphe de la grille est nulle.

   • Efficacité : Très efficace dans les milieux homogènes, restaurant des bornes informatives.
   • Limite : Pas généralisable aux milieux hétérogènes ou anisotropes où un flux net nul ne découle pas strictement de l'irrotationalité.

2. Prescription du signe du flux : Pré-spécifier le signe (direction) du flux à travers chaque interface en se basant sur une simulation de référence ou des connaissances a priori.

   • Efficacité : Supprime les quadrants non physiques de l'enveloppe de McCormick, resserrant considérablement les bornes.
   • Généralité : Plus robuste que les contraintes d'irrotationalité dans les contextes hétérogènes, bien qu'elle introduise une hypothèse a priori sur la direction du flux.

4. Résultats

Le cadre a été testé sur trois exemples numériques :

4.1 Modèle stationnaire 1D

• Configuration : 10 cellules avec puits de source/puits d'abaissement et deux points d'observation.
• Comparaison : Les bornes OBBT ont été comparées à un échantillonneur Monte Carlo exact (tirant de la véritable variété nulle) et à MCMC.
• Résultats :
  • L'OBBT a réussi à englober la variété nulle, fournissant des bornes extérieures garanties.
  • MCMC et les méthodes à échantillonnage fini ont sévèrement sous-estimé l'étendue de la région réalisable (ne couvrant que ~45 % de la plage marginale, même avec 100 000 échantillons).
  • L'OBBT a convergé en 2 itérations, démontrant que l'échantillonnage est inutile pour capturer les bornes de ce système non identifiable.

4.2 Modèle stationnaire 2D

• Configuration : Grille 5x5 avec une source, un puits et une observation centrale.
• Résultats :
  • OBT de base (sans contraintes supplémentaires) : A échoué à resserrer les bornes des charges ou de la transmissivité en raison de l'ambiguïté de signe permettant l'écoulement rotationnel.
  • OBBT avec irrotationalité : A réussi à résoudre les directions d'écoulement et à resserrer les bornes, correspondant étroitement à une solution de référence de type pur LP.
  • OBBT avec signes de flux : A également resserré les bornes, bien qu'un peu plus largement que le cas d'irrotationalité dans cette configuration homogène. Cela a démontré le compromis entre la force de l'hypothèse et la précision des bornes.

4.3 Modèle transitoire 2D

• Configuration : Grille hexagonale, 5 pas de temps, zone de recharge, puits d'extraction et limite de charge fixe.
• Résultats :
  • L'OBBT a réussi à gérer les systèmes variant dans le temps, capturant le développement d'un cône d'abaissement et la propagation des contraintes vers l'arrière dans le temps.
  • Les bornes de la charge hydraulique se sont considérablement resserrées, tandis que les bornes de la transmissivité ne se sont que légèrement resserrées (comme attendu dans des espaces de paramètres sous-contraints).
  • Coût computationnel : L'exécution a nécessité environ 71,7 heures sur 16 cœurs. Les auteurs notent que c'est substantiel, mais soutiennent que c'est le « prix à payer pour une couverture conservatrice » par rapport au risque de sous-estimation des méthodes d'échantillonnage.

5. Signification et affirmations

Le papier affirme que l'OBBT offre une alternative conservatrice, déterministe et physiquement fondée à l'UQ basée sur les ensembles. Sa principale importance réside dans sa capacité à fournir des bornes extérieures garanties sur toutes les variables incertaines sans échantillonnage, évitant ainsi le problème de « l'exploration incomplète menant à une sous-estimation » inhérent aux méthodes de Monte Carlo.

Les auteurs soulignent que, bien que l'OBBT actuel soit plus coûteux en calcul que les méthodes d'échantillonnage actuelles, ce compromis est justifié pour les scénarios d'aide à la décision où les régulateurs doivent prouver qu'un taux d'abstraction proposé est sûr sous toutes les combinaisons de paramètres admissibles. La méthode se connecte naturellement à la théorie de l'espace nul, caractérisant la « variété nulle » (l'ensemble des solutions équivalentes) par des bornes d'intervalles plutôt que par des estimations ponctuelles.

Le papier conclut que, bien que l'implémentation actuelle repose sur des hypothèses spécifiques (comme la prescription du signe du flux) pour gérer la non-convexité de l'écoulement de Darcy, le cadre représente une voie prometteuse pour la recherche future, notamment pour le développement de formulations mixtes plus efficaces et l'intégration dans les flux de travail d'assimilation de données.