{"id":1289,"date":"2026-08-21T14:31:21","date_gmt":"2026-08-21T14:31:21","guid":{"rendered":"https:\/\/matforge.org\/?p=1289","raw":"https:\/\/matforge.org\/?p=1289"},"modified":"2026-08-21T14:31:21","modified_gmt":"2026-08-21T14:31:21","slug":"adaptive-time-stepping-pde-solvers","status":"publish","type":"post","link":"https:\/\/matforge.org\/fr\/adaptive-time-stepping-pde-solvers\/","title":{"rendered":"Pas de temps adaptatif pour les solveurs PDE\u00a0: estimation des erreurs et CFL","raw":"Pas de temps adaptatif pour les solveurs PDE\u00a0: estimation des erreurs et CFL"},"content":{"rendered":"Reading Time: <\/span> 13<\/span> minutes<\/span><\/span>
\n

Le pas de temps adaptatif modifie la taille du pas de temps au cours d’une simulation. Le solveur fait des \u00e9tapes plus petites lorsque la solution change rapidement et des \u00e9tapes plus grandes lorsque l’\u00e9volution se lisse.<\/p>\n

Un calcul \u00e0 pas fixe doit utiliser une valeur de \u0394t<\/code> tout au long de la simulation. Cette valeur est souvent s\u00e9lectionn\u00e9e en fonction de l’\u00e9v\u00e9nement, de la transitoire ou de la restriction de stabilit\u00e9 les plus exigeants. La m\u00eame petite \u00e9tape est ensuite utilis\u00e9e pendant de longs intervalles o\u00f9 cela n’est pas n\u00e9cessaire.<\/p>\n

Une m\u00e9thode adaptative estime l’erreur de chaque \u00e9tape propos\u00e9e. Il accepte l’\u00e9tape lorsque l’erreur normalis\u00e9e est inf\u00e9rieure \u00e0 la tol\u00e9rance demand\u00e9e et la rejette lorsque l’erreur est trop importante. Un contr\u00f4leur s\u00e9lectionne ensuite une nouvelle taille de pas.<\/p>\n

Le contr\u00f4le des erreurs n’est qu’une partie du processus. Les m\u00e9thodes explicites doivent toujours respecter les limites de LFC et de diffusion. Les m\u00e9thodes implicites peuvent n\u00e9cessiter des restrictions pour la pr\u00e9cision, la convergence non lin\u00e9aire, la r\u00e9solution des ondes, les \u00e9v\u00e9nements ou les contraintes physiques. Un solveur fiable combine ces exigences plut\u00f4t que de permettre \u00e0 une estimation d’erreur de tout contr\u00f4ler.<\/p>\n

Qu’est-ce que le pas de temps adaptatif ?<\/h2>\n

Apr\u00e8s discr\u00e9tisation spatiale, une PDE d\u00e9pendante du temps devient g\u00e9n\u00e9ralement un syst\u00e8me d’\u00e9quations diff\u00e9rentielles ordinaires :<\/p>\n

du\/dt = F(t, u)<\/code><\/pre>\n
Une m\u00e9thode num\u00e9rique fait passer la solution de t\u207f<\/code> \u00e0 :<\/p>\n
t\u207f\u207a\u00b9 = t\u207f + \u0394t<\/code><\/pre>\n
Un solveur adaptatif suit un cycle d’acceptation ou de rejet :<\/p>\n
    \n
  1. Proposez un pas de temps.<\/li>\n
  2. Calculer une solution d’essai.<\/li>\n
  3. Estimez l’erreur temporelle locale.<\/li>\n
  4. Normaliser l’erreur en utilisant les tol\u00e9rances absolues et relatives.<\/li>\n
  5. Accepter ou rejeter l’\u00e9tape de proc\u00e8s.<\/li>\n
  6. S\u00e9lectionnez la taille de l’\u00e9tape suivante.<\/li>\n<\/ol>\n
    Les \u00e9tapes rejet\u00e9es n’avancent pas le temps de simulation. Le solveur restaure l’\u00e9tat accept\u00e9 pr\u00e9c\u00e9dent et r\u00e9p\u00e8te le calcul avec une valeur plus petite de \u0394t<\/code>.<\/p>\n
    Erreur locale et erreur globale<\/h2>\n
    L’erreur de troncature locale est l’erreur introduite par un pas de temps lorsque l’\u00e9tape commence \u00e0 partir de la solution exacte.<\/p>\n
    L’erreur globale est la diff\u00e9rence accumul\u00e9e entre les solutions num\u00e9riques et exactes apr\u00e8s de nombreuses \u00e9tapes.<\/p>\n
    Pour une m\u00e9thode de commande p<\/code> :<\/p>\n
    Local truncation error = O(\u0394t^(p+1))\n\nGlobal error = O(\u0394t^p)<\/code><\/pre>\n
    Les m\u00e9thodes adaptatives estiment normalement l’erreur locale. Garder chaque estimation locale en dessous d’une tol\u00e9rance ne fournit pas une limite universelle rigoureuse sur l’erreur globale, mais elle offre un m\u00e9canisme de contr\u00f4le pratique efficace.<\/p>\n
    Tol\u00e9rances absolues et relatives<\/h2>\n
    Une valeur d’erreur brute a peu de sens sans l’\u00e9chelle de chaque composant de solution. Les solveurs adaptatifs calculent donc une erreur normalis\u00e9e.<\/p>\n
    Une \u00e9chelle de composantes communes est :<\/p>\n
    scale\u1d62 =\natol\u1d62\n+\nrtol \u00d7 max(\n    |u\u1d62\u207f|,\n    |u\u1d62(trial)|\n)<\/code><\/pre>\n
    L’erreur quadratique moyenne pond\u00e9r\u00e9e normalis\u00e9e est :<\/p>\n
    E =\nsqrt(\n    1 \/ m\n    \u00d7 \u03a3 [\n        error\u1d62 \/ scale\u1d62\n      ]\u00b2\n)<\/code><\/pre>\n
    L’\u00e9tape est normalement accept\u00e9e lorsque :<\/p>\n
    E \u2264 1<\/code><\/pre>\n
    La tol\u00e9rance absolue contr\u00f4le les composants proches de z\u00e9ro. La tol\u00e9rance relative contr\u00f4le les composantes dont la magnitude est grande par rapport \u00e0 atol<\/code>.<\/p>\n
    Diff\u00e9rents champs peuvent n\u00e9cessiter des tol\u00e9rances absolues diff\u00e9rentes. Une temp\u00e9rature mesur\u00e9e dans des centaines de Kelvin ne doit pas n\u00e9cessairement utiliser la m\u00eame tol\u00e9rance absolue qu’une concentration proche de 10\u207b\u2079<\/code>.<\/p>\n
    Comment la prochaine \u00e9tape est s\u00e9lectionn\u00e9e<\/h2>\n
    Si l’erreur locale estim\u00e9e se comporte comme :<\/p>\n
    error \u221d \u0394t^(p+1)<\/code><\/pre>\n
    Un contr\u00f4leur de base peut utiliser :<\/p>\n
    \u0394t(new) =\nsafety\n\u00d7 \u0394t(old)\n\u00d7 E^(-1\/(p+1))<\/code><\/pre>\n
    Le facteur de s\u00e9curit\u00e9 est inf\u00e9rieur \u00e0 un. Cela r\u00e9duit le risque que la prochaine \u00e9tape se situe directement sur la limite de rejet.<\/p>\n
    Les impl\u00e9mentations de production limitent \u00e9galement les changements de taille des \u00e9tapes :<\/p>\n
    growth_min\n\u2264\n\u0394t(new) \/ \u0394t(old)\n\u2264\ngrowth_max<\/code><\/pre>\n
    L’exposant correct d\u00e9pend de l’ordre repr\u00e9sent\u00e9 par l’estimateur d’erreur et la convention de contr\u00f4leur. Il ne doit pas \u00eatre copi\u00e9 aveugl\u00e9ment entre les m\u00e9thodes non li\u00e9es.<\/p>\n
    Contr\u00f4leurs I, PI et PID<\/h2>\n
    Un contr\u00f4leur int\u00e9gr\u00e9 simple utilise uniquement l’erreur normalis\u00e9e actuelle. Cela peut entra\u00eener une alternance de l’historique des pas de temps entre les augmentations et les rejets agressifs.<\/p>\n
    Les contr\u00f4leurs PI et PID utilisent \u00e9galement les erreurs des \u00e9tapes pr\u00e9c\u00e9dentes accept\u00e9es. Cela produit des changements de taille de pas plus fluides et peut r\u00e9duire les taux de rejet.<\/p>\n
    Un contr\u00f4leur PI simplifi\u00e9 a la forme :<\/p>\n
    \u0394t(n+1) =\nsafety\n\u00d7 \u0394t(n)\n\u00d7 E(n)^(-k\u2081)\n\u00d7 E(n-1)^(k\u2082)<\/code><\/pre>\n
    Les coefficients d\u00e9pendent de l’ordre de m\u00e9thode et de la conception du contr\u00f4leur. Un contr\u00f4le sophistiqu\u00e9 est utile, mais il ne peut pas r\u00e9parer un estimateur d’erreurs inexact ou un int\u00e9grateur de temps inadapt\u00e9.<\/p>\n
    Paires Runge-Kutta int\u00e9gr\u00e9es<\/h2>\n
    Une paire Runge-Kutta int\u00e9gr\u00e9e calcule deux approximations \u00e0 partir du m\u00eame ensemble d’\u00e9tapes interm\u00e9diaires.<\/p>\n
    Les deux formules ont des ordres diff\u00e9rents :<\/p>\n
    u(high) =\nu\u207f\n+\n\u0394t \u03a3 b\u1d62 k\u1d62\n\nu(low) =\nu\u207f\n+\n\u0394t \u03a3 b\u0302\u1d62 k\u1d62<\/code><\/pre>\n
    La diff\u00e9rence fournit une estimation d’erreur :<\/p>\n
    e =\nu(high)\n-\nu(low)<\/code><\/pre>\n
    \u00c9tant donn\u00e9 que les deux formules partagent leurs \u00e9valuations sur sc\u00e8ne, l’estimateur est beaucoup moins cher que de r\u00e9aliser deux int\u00e9grations ind\u00e9pendantes.<\/p>\n
    Les m\u00e9thodes Runge-Kutta explicites int\u00e9gr\u00e9es sont les mieux adapt\u00e9es aux syst\u00e8mes non raides. Si la rigidit\u00e9 contr\u00f4le la taille du pas, augmentant ou d\u00e9croissant \u0394t<\/code><\/p>\n
    Dormand-Prince 5(4)<\/h2>\n
    Dormand-Prince 5(4) est une paire int\u00e9gr\u00e9e en sept \u00e9tapes. Il produit une solution de cinqui\u00e8me ordre et une estimation d’erreur du quatri\u00e8me ordre.<\/p>\n
    La paire utilise une extrapolation locale : l’approximation du cinqui\u00e8me ordre devient la solution accept\u00e9e, tandis que la formule d’ordre inf\u00e9rieur contr\u00f4le l’\u00e9tape.<\/p>\n
    Il a \u00e9galement une propri\u00e9t\u00e9 FSAL en usage ordinaire. La derni\u00e8re \u00e9valuation d\u00e9riv\u00e9e d’une \u00e9tape accept\u00e9e peut devenir la premi\u00e8re \u00e9valuation de la prochaine \u00e9tape, r\u00e9duisant le nombre de nouvelles \u00e9valuations de fonctions apr\u00e8s le d\u00e9marrage.<\/p>\n
    Dormand-Prince est utilis\u00e9 par Scipy RK45<\/code> et MATLAB ode45<\/code>. Il s’agit d’un choix g\u00e9n\u00e9ral solide pour les probl\u00e8mes de valeur initiale non rigides et fluides.<\/p>\n
    tsit5<\/h2>\n
    tsit5 est la m\u00e9thode runge-kutta int\u00e9gr\u00e9e de tsitouras 5(4) . Il est largement utilis\u00e9 dans l’\u00e9cosyst\u00e8me SCIML comme m\u00e9thode par d\u00e9faut pour les probl\u00e8mes non raides aux tol\u00e9rances ordinaires.<\/p>\n
    La m\u00e9thode est con\u00e7ue pour fournir un \u00e9quilibre favorable entre la qualit\u00e9 d’estimation des erreurs, le co\u00fbt de la sc\u00e8ne et l’efficacit\u00e9 pratique.<\/p>\n
    Cela reste une m\u00e9thode explicite. Si une PDE semi-discr\u00e8te est rigide en raison de la diffusion, des r\u00e9actions ou des \u00e9chelles de temps fortement s\u00e9par\u00e9es, une m\u00e9thode implicite, Rosenbrock, BDF ou IMEX peut \u00eatre plus efficace.<\/p>\n
    Bogacki\u2013Shampe 3(2)<\/h2>\n
    Bogacki\u2013Shamine 3(2) est une paire int\u00e9gr\u00e9e en quatre \u00e9tapes. Il fournit une solution accept\u00e9e au troisi\u00e8me ordre avec un estimateur d’erreurs de deuxi\u00e8me ordre.<\/p>\n
    Il est impl\u00e9ment\u00e9 comme RK23<\/code> dans Scipy et sous-tend le ode23<\/code> de Matlab.<\/p>\n
    La paire peut \u00eatre utile lorsque la pr\u00e9cision mod\u00e9r\u00e9e est suffisante ou lorsque les \u00e9valuations des fonctions sont peu co\u00fbteuses. Son ordre inf\u00e9rieur peut n\u00e9cessiter plus d’\u00e9tapes accept\u00e9es qu’une m\u00e9thode de cinqui\u00e8me ordre lorsque des tol\u00e9rances strictes sont demand\u00e9es.<\/p>\n
    doublonnage<\/h2>\n
    Le doublement par \u00e9tapes estime l’erreur temporelle en comparant la m\u00eame m\u00e9thode num\u00e9rique \u00e0 deux r\u00e9solutions.<\/p>\n
    La proc\u00e9dure calcule :<\/p>\n
      \n
    1. Un pas de longueur complet \u0394t<\/code>.<\/li>\n
    2. Deux demi-pas de longueur \u0394t\/2<\/code>.<\/li>\n
    3. La diff\u00e9rence entre les deux r\u00e9sultats.<\/li>\n<\/ol>\n
      Pour une m\u00e9thode de commande p<\/code>, une estimation de l’erreur dans le r\u00e9sultat raffin\u00e9 en deux demi-\u00e9tapes est :<\/p>\n
      e(refined) \u2248\n[\n    u(half)\n    -\n    u(full)\n]\n\/\n(\n    2^p - 1\n)<\/code><\/pre>\n
      La solution accept\u00e9e devrait normalement \u00eatre le r\u00e9sultat des deux demi-\u00e9tapes car elle est plus pr\u00e9cise.<\/p>\n
      Le doublement par \u00e9tapes n\u00e9cessite trois applications de la m\u00e9thode sous-jacente : une \u00e9tape compl\u00e8te et deux demi-\u00e9tapes. Une impl\u00e9mentation implicite peut donc n\u00e9cessiter trois r\u00e9solutions non lin\u00e9aires ou lin\u00e9aires \u00e0 moins que certains travaux de configuration ne puissent \u00eatre r\u00e9utilis\u00e9s.<\/p>\n
      Estimation r\u00e9siduelle et d\u00e9fectueuse<\/h2>\n
      Les m\u00e9thodes bas\u00e9es sur les r\u00e9sidus \u00e9valuent la pr\u00e9cision avec laquelle une trajectoire num\u00e9rique reconstruite satisfait l’\u00e9quation diff\u00e9rentielle entre les points accept\u00e9s.<\/p>\n
      Une reconstruction continue \u0169(t)<\/code> pr\u00e9sente un d\u00e9faut :<\/p>\n
      d(t) =\nd\u0169\/dt\n-\nF(t, \u0169)<\/code><\/pre>\n
      Le d\u00e9faut peut prendre en charge une estimation d’erreur lorsqu’il est combin\u00e9 avec des informations de stabilit\u00e9 ou une norme appropri\u00e9e.<\/p>\n
      Le r\u00e9sidu alg\u00e9brique d’une solution implicite n’est pas automatiquement une estimation d’erreur temporelle. La m\u00e9thode de Newton peut r\u00e9duire l’\u00e9quation discr\u00e8te r\u00e9siduelle presque \u00e0 z\u00e9ro, m\u00eame lorsque le pas de temps est trop important pour repr\u00e9senter la solution physique avec pr\u00e9cision.<\/p>\n
      La convergence alg\u00e9brique et l’erreur de troncature temporelle n\u00e9cessitent donc des contr\u00f4les distincts.<\/p>\n
      M\u00e9thodes adaptatives BDF<\/h2>\n
      Les formules de diff\u00e9renciation vers l’arri\u00e8re sont des m\u00e9thodes implicites en plusieurs \u00e9tapes utilis\u00e9es pour les syst\u00e8mes rigides. Les impl\u00e9mentations d’ordre variable basculent g\u00e9n\u00e9ralement entre les commandes un \u00e0 cinq.<\/p>\n
      Un solveur BDF stocke les informations des \u00e9tats accept\u00e9s pr\u00e9c\u00e9dents. Il construit un pr\u00e9dicteur pour le nouvel \u00e9tat, r\u00e9sout l’\u00e9quation implicite et estime l’erreur de troncature locale \u00e0 l’aide de diff\u00e9rences divis\u00e9es ou d’une repr\u00e9sentation historique de type Nordsieck.<\/p>\n
      Le solveur peut changer :<\/p>\n