Statistical modeling of the human exposure to RF waves.
Modélisation statistique de l'exposition humaine aux ondes radiofréquences.
Résumé
The purpose of this thesis is to deal with the problem of the management and the characterization
of the variability of the human exposure to radio-frequency waves through
the use of the numerical dosimetry. As a matter of fact, if the recent advances in the
high performance computing domain led to reduce significantly the simulation duration
for the evaluation of the human exposure, this computation of the specific absorption rate
remains a time-consuming process. With the variability of the usage, this constraint does
not allow the analysis of the influence of random input parameters on the exposure to be
achieved with classical approaches such as Monte Carlo simulations.
In this work, two approaches are proposed to address this problem. The first one
is based on the use and the hybridization of construction methods of surrogate models
in order to study the global influence of the input parameters. The second one aims at
assessing efficiently the 95th-percentiles of the output distributions in a parcimonous way.
It is based on the development of an adaptive and oriented methodology of design of
experiments combined with the construction of surrogate models. In this manuscript, the
proposed methods are compared and tested on analytical examples and then applicated
to full-scale problems from the numerical dosimetry.
L’objectif de cette thèse est de traiter la problématique de la caractérisation et du traitement
de la variabilité de l’exposition humaine aux ondes radio à travers l’utilisation de
la dosimétrie numérique. En effet, si les progrès dans le domaine du calcul hautes performances
ont contribué à significativement réduire les temps de simulation pour l’évaluation
de l’exposition humaine, ce calcul du débit d’absorption spécifique reste un processus coûteux
en temps. Avec la grande variabilité des usages, cette contrainte fait que la prise en
compte de l’influence de paramètres d’entrée aléatoires sur l’exposition ne peut se faire
par des méthodes classiques telles que les simulations de Monte Carlo.
Nous proposons dans ces travaux deux approches pour répondre à cette problématique.
La première s’appuie sur l’utilisation et l’hybridation de méthodes de construction
de modèles de substitution afin d’étudier l’influence globale des paramètres d’entrée. La
deuxième vise à l’évaluation efficace et parcimonieuse des quantiles à 95% des distributions
de sortie et s’appuie sur le développement d’une méthode de planification d’expériences
adaptative et orientée couplée à la construction de modèles de substitution. Les méthodes
proposées dans ce mémoire sont comparées et testées sur des exemples analytiques et
ensuite appliquées à des problèmes concrets issus de la dosimétrie numérique.
Loading...