Version HTML de base
Spécial “ 5es Assises sonore ”
5
Acoustique
&
Techniques n° 51
Variabilité spatio-temporelle et incertitudes
des données d’entrée des modèles de
prévision acoustique
es travaux menés actuellement en propagation
acoustique s’inscrivent dans un contexte marqué par la
récente parution de la Directive européenne sur l’évaluation
et la gestion du bruit ambiant, et par la mise en place des
projets de recherche européens HARMONOISE et IMAGINE
[1]. Ces projets ont pour but de proposer une méthode de
calcul prévisionnel harmonisée au niveau européen pour
l’acoustique extérieure. Parallèlement, certains projets se
développent à l’échelle nationale, dont le but est de fournir
des résultats permettant de classer les phénomènes observés
en fonction de leur influence relative sur la variabilité d’une
situation acoustique donnée [2,3,4,5]. Ce type de résultats
pourra être utilisé pour appréhender la caractérisation
d’une situation sonore, pour améliorer les outils de calcul
prévisionnel et pour alimenter les travaux des groupes de
travail au sein des commissions de normalisation AFNOR S
30 J : «Bruit dans l’environnement» et S 30 M : «Acoustique
des milieux extérieurs», qui s’attachent à évaluer l’incertitude
et la représentativité d’un niveau sonore.
Cet article vise particulièrement à quantifier l’influence
de la variabilité et de l’incertitude de certains paramètres
influents sur les prévisions (le calcul) de niveaux sonores.
Volontairement, les incertitudes liées à la source (stabilité,
directivité …) ne sont pas abordées dans ce papier. Quant
à l’influence des fluctuations saisonnières des conditions
micrométéorologiques sur les niveaux sonores dits de
«long terme», elle est plus précisément abordée dans [6].
La présente étude se focalise davantage sur deux sources
importantes de variabilité et d’incertitude pour la propagation
acoustique en milieu extérieur :
- les effets induits par les limites du milieu de propagation
(«effets de sol» - Section 3) et,
- ceux induits par les caractéristiques du milieu de propagation
(«effets météo» - Section 4).
Ces travaux s’appuient sur les résultats expérimentaux issus
d’une importante campagne brièvement décrite au préalable
(Section 2).
Il existe plusieurs types de modèles :
- Les modèles de «référence» (R&D) [7,8] ;
- Les modèles plus opérationnels (ingénierie) [9,10,11,12].
Afin de s’assurer d’une sensibilité réaliste de notre modèle
acoustique aux données d’entrée, nous utilisons ici unmodèle de
référence basé sur l’approximation parabolique [13,14,15,16]
et un modèle basé sur la théorie des rayons [17].
Benoît Gauvreau
Laboratoire central des ponts et chaussées (LCPC)
Route de Bouaye
BP 4129
44341 Bouguenais CEDEX
E-mail : benoit.gauvreau@lcpc.fr
Fabrice Junker
EDF R&D
1, avenue du Général de Gaulle
92141 Clamart CEDEX
E-mail : fabrice.junker@edf.fr
Résumé
Ce papier vise à quantifier l’influence de la variabilité et de l’incertitude de
certains paramètres influents sur les prévisions de niveaux sonores en milieu
extérieur complexe : les effets induits par les limites du milieu de propagation
ou «effets de sol» et par les caractéristiques du milieu de propagation ou
«effets météo». Ces travaux s’appuient sur les résultats expérimentaux issus
d’une importante campagne appelée «Lannemezan 2005» ainsi que sur
des prévisions numériques obtenues à l’aide de modèles de référence. Les
résultats montrent que la dispersion acoustique associée à la dispersion
des données d’entrée de ces modèles est loin d’être négligeable devant la
précision communément requise pour ces modèles. Ces résultats ont ainsi
des implications importantes en termes de recommandations sur les pratiques
expérimentales et méthodologiques actuelles.
Abstract
This paper aims at quantifying the influence of variability and uncertainty of
the ground effects and meteo effects on outdoor sound prediction. The study
deals both with the experimental results from an important campaign so called
“Lannemezan 2005” and with numerical predictions using reference models.
The spreading of the distribution of the acoustical results due to the variation
of the input data is far from being negligible assuming the expected accuracy
of the models. Those results will lead to some important recommendations
with respect to in-situ measurement methods and experimental uncertainties
assessment.
L