17.11.2012 Views

Minéralogie, porosité et diffusion des solutés dans l'argilite du ...

Minéralogie, porosité et diffusion des solutés dans l'argilite du ...

Minéralogie, porosité et diffusion des solutés dans l'argilite du ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

228 ANNEXES<br />

A��EXE 5<br />

PROCEDURE D’I�VERSIO� DE LA METHODE TIME DOMAI�<br />

DIFFUSIO�<br />

Dans l’objectif d’interpréter les expériences d’in-<strong>diffusion</strong> analysées par microLIBS, la<br />

méthode Time Domain Diffusion a donné lieu à <strong>des</strong> nouvelles implémentations. La finalité de<br />

celle-ci n’a pu cependant aboutir à cause <strong>des</strong> difficultés à repro<strong>du</strong>ire une forte décroissance de<br />

traceur <strong>dans</strong> le réservoir en contact avec l’échantillon (phénomène de rétention>phénomène<br />

de <strong>diffusion</strong>) (cf. Chapitre 5).<br />

1. La procé<strong>du</strong>re d’inversion par Time Domain Diffusion (TDD)<br />

Pour interpréter une expérience d’out-<strong>diffusion</strong>, Delay and Porel (2003) ont couplé la<br />

méthode TDD avec une procé<strong>du</strong>re d’inversion pour identifier les paramètres de <strong>diffusion</strong><br />

spécifiques à plusieurs zones poreuses. La méthode d’inversion est basée sur la minimisation<br />

de la fonction objective (FO, cf. Chapitre 5) définie par entre les concentrations<br />

expérimentales C(t)exp <strong>et</strong> simulées C(t)sim d’une courbe de restitution en traceur. La procé<strong>du</strong>re<br />

de minimisation utilise un algorithme de résolution Gauss-Newton où les termes de la matrice<br />

Jacobienne J sont dérivés analytiquement. La matrice Jacobienne J est définie par les dérivées<br />

partielles <strong>des</strong> erreurs ελ (λ : 1..p) entre C(t)exp λ <strong>et</strong> C(t)sim λ par rapport aux paramètres dβ (β :<br />

1..n) (en contexte diffusif : les <strong>porosité</strong>s <strong>et</strong> coefficients de <strong>diffusion</strong>), J=∂ελ/∂dβ. L’originalité<br />

de l’inversion TDD est de proposer une résolution analytique de ces dérivés (par opposition<br />

aux métho<strong>des</strong> dites de perturbation). La matrice J peut être réécrite en deux dérivés partielles :<br />

∂ελ/∂dβ = ∂ελ/∂t × ∂t/∂dβ. Dans le cas d’une expérience d’out-<strong>diffusion</strong>, ∂εα/∂t est approximée<br />

par une différence finie :<br />

∂ε<br />

λ<br />

∂t<br />

ε λ − ε<br />

≈<br />

t − t<br />

λ<br />

λ+<br />

1<br />

λ+<br />

1<br />

( C ( t<br />

=<br />

λ<br />

)<br />

exp<br />

− C ( t<br />

λ<br />

)<br />

sim<br />

) − ( C ( t<br />

t<br />

λ<br />

− t<br />

λ+<br />

1<br />

λ+<br />

1<br />

)<br />

exp<br />

− C(<br />

t)<br />

sim λ+<br />

1<br />

En TDD, le temps de parcours t d’une particule est la somme <strong>des</strong> temps de transition<br />

successifs d’un pixel i vers un pixel voisins k (k∈j voisin de i) ti→k, t=∑ti→k. La dérivé ∂t/∂dβ<br />

)<br />

[1]

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!