Technique de compression de données pour la réduction de modèle par PGD
Résumé
Ce travail porte sur l’implémentation de la Proper Generalized Decomposition (PGD) dans le cadre de la méthode LATIN pour résoudre des problèmes d’évolution paramétrés, éventuellement non linéaires. La PGD est une méthode de réduction de modèle où la base réduite n’est pas donnée a priori. La représentation de la solution sur cette base réduite générée automatiquement permet de réduire considérablement les coûts de calcul. L’algorithme utilisé dans ce travail est la méthode LATIN. Il s’agit d’une méthode itérative non incrémentale qui génère, à chaque itération, une approximation de la solution sur tout le domaine espace-temps-paramètres par enrichissements successifs. Les opérations sur ces représentations en variables séparées peuvent s’avérer être la partie de la méthode la plus coûteuse en temps de calcul. Dans ce travail, nous proposons une technique de compression de données permettant de simplifier et de diminuer le coût des opérations algébriques élémentaires.