Nous avons abordé dans l’article [BE 8 265] le problème de la construction d’un modèle et celui de l’étude des sensibilités qui en découle, c’est-à-dire que nous avons mis en forme le problème direct.
Dans cet article, nous voyons comment on résout un problème inverse en se ramenant à un problème d’optimisation. Pour cela, une fonction objet (appelée également critère), relative à l’écart entre modèle et mesure et dépendant des paramètres inconnus est introduite. L’estimation des paramètres consiste alors à adopter, pour solutions, les valeurs qui minimisent cette fonction. Notons que, dans la pratique, cette minimisation doit rester compatible avec le niveau du bruit de mesure des capteurs utilisés.
On analyse ici la mise en forme mathématique de ce problème de minimisation qui constitue la base de la démarche inverse. Les inversions de mesures proprement dites, prenant en compte les difficultés liées à la mesure réelle (rapport signal/bruit, mauvaises sensibilités...) sont traitées dans l’article [BE 8 267].
Par ailleurs, en s’appuyant sur les propriétés stochastiques du bruit, les écarts-types relatifs des paramètres estimés peuvent également être calculés. Les méthodes sont différentes suivant que le modèle est linéaire ou non par rapport aux paramètres à estimer.
Les symboles et notations de cet article sont donnés dans le tableau 1 de [BE 8 265]. Notons que seule la version pdf de cet article fournit une notation complètement pertinente, la version électronique ne permettant pas de bien faire la distinction entre les différentes graisses des symboles.