%0 Conference Proceedings
%T Méthodes de machine learning pour la prédiction de trajets de fissures dans les matériaux cimentaires sur la base de descripteurs morphologiques locaux
%+ Institut de Mathématiques de Marseille (I2M)
%+ Laboratoire de micromécanique et intégrité des structures (MIST)
%+ Institut de Radioprotection et de Sûreté Nucléaire (IRSN)
%+ ThermoMécanique des Matériaux (ThM2)
%+ Mathématiques et Modélisations en Mécanique (M3)
%A Pele, Kathleen
%A Perales, Frédéric
%A Baccou, Jean
%A Monerie, Yann
%A Daridon, Loïc
%A Le Gouic, Thibaut
%A Liandrat, Jacques
%< avec comité de lecture
%B 14e Colloque National en Calcul de Structures - CSMA 2019
%C Giens, France
%8 2019-05-13
%D 2019
%K microstructure mécanique
%K fissuration
%K descripteurs morphologiques
%K Machine Learning
%Z Engineering Sciences [physics]/Materials
%Z Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanics of materials [physics.class-ph]
%Z Engineering Sciences [physics]/Mechanics [physics.med-ph]/Materials and structures in mechanics [physics.class-ph]
%Z Engineering Sciences [physics]/Signal and Image processing
%Z Computer Science [cs]/Modeling and SimulationConference papers
%X La construction d'un matériau numérique repose sur des descripteurs morphologiques qui caractérisent un matériau réel à l'aide d'informations statistiques et géométriques. La microstructure numérique générée est qualifié statistiquement semblable par rapport à la réalité. Or deux microstructures statistiquement semblables peuvent présenter des comportements de fissuration différents. Ces différences peuvent avoir une influence sur la perméabilité des enceintes. Pour contourner cette limitation, nous proposons dans ce travail un nouvelle approche qui combine descripteurs morphologiques et modèle de prédiction de fissure pour évaluer la similarité entre 2 microstructures.
%G French
%2 https://hal.science/hal-02456777/document
%2 https://hal.science/hal-02456777/file/Conf_Pele_al_CSMA_2019.pdf
%L hal-02456777
%U https://hal.science/hal-02456777
%~ IRSN
%~ CNRS
%~ UNIV-AMU
%~ EC-MARSEILLE
%~ LMGC
%~ I2M
%~ I2M-2014-
%~ MIST
%~ TDS-MACS
%~ MIPS
%~ UNIV-MONTPELLIER
%~ UM-2015-2021